python柱状图刻度_python3绘图示例2（基于matplotlib：柱状图、分布图、三角图等）...-CSDN博客

#!/usr/bin/env python

# -*- coding:utf-8 -*-

from matplotlib import pyplot as plt

import numpy as np

import pylab

import os,sys,time,math,random

# 图1-给已有的图加上刻度

file=r‘D:\jmeter\jmeter3.2\data\Oracle数据库基础.png‘

arr=np.array(file.getdata()).reshape(file.size[1],file.size[0],3)

plt.gray()

plt.imshow(arr)

plt.colorbar()

plt.show()

# 图2-随机柱状图

SAMPLE_SIZE=100

random.seed()

real_rand_vars=[]

real_rand_vars=[random.random() for val in range(SAMPLE_SIZE)]

pylab.hist(real_rand_vars,10)

pylab.xlabel("number range")

pylab.ylabel("count")

pylab.show()

# 图3-正太分布图

duration=100

# 中值

mean_inc=0.6

# 标准差

std_dev_inc=1.2

x=range(duration)

y=[]

price_today=0

for i in x:

next_delta=random.normalvariate(mean_inc,std_dev_inc)

price_today+=next_delta

y.append(price_today)

pylab.plot(x,y)

pylab.title(‘test‘)

pylab.xlabel(‘time‘)

pylab.ylabel(‘value‘)

pylab.show()

# 图4

SAMPLE_SIZE=1000

buckes=100

plt.figure()

plt.rcParams.update({‘font.size‘:7})

# 子图1-随机分布 0~1

plt.subplot(621)

plt.xlabel(‘random1‘)

res=[random.random() for _ in range(1,SAMPLE_SIZE)]

plt.hist(res,buckes)

# 子图2-均匀分布

plt.subplot(622)

plt.xlabel(‘random2‘)

a=1

b=SAMPLE_SIZE

res=[random.uniform(a,b) for _ in range(1,SAMPLE_SIZE)]

plt.hist(res,buckes)

# 子图3-三角形分布

plt.subplot(623)

plt.xlabel(‘random3‘)

low=1

high=SAMPLE_SIZE

res=[random.triangular(a,b) for _ in range(1,SAMPLE_SIZE)]

plt.hist(res,buckes)

# 子图4-beta分布图

plt.subplot(624)

plt.xlabel(‘random4‘)

alpha=1

beta=10

res = [random.betavariate(alpha,beta) for _ in range(1,SAMPLE_SIZE)]

plt.hist(res,buckes)

# 子图5-指数分布图

plt.subplot(625)

plt.xlabel(‘random5‘)

lambd=1.0/((SAMPLE_SIZE+1)/2)

res=[random.expovariate(lambd) for _ in range(1,SAMPLE_SIZE)]

plt.hist(res,buckes)

# 子图6-gamma分布图

plt.subplot(626)

plt.xlabel(‘random6‘)

alpha=1

beta=10

res = [random.gammavariate(alpha,beta) for _ in range(1,SAMPLE_SIZE)]

plt.hist(res,buckes)

# 子图7-对数正太分布图

plt.subplot(627)

plt.xlabel(‘random7‘)

# 中值

mu=1

# 标准差

sigma=0.5

res = [random.lognormvariate(mu,sigma) for _ in range(1,SAMPLE_SIZE)]

plt.hist(res,buckes)

# 子图8-正太分布图

plt.subplot(628)

plt.xlabel(‘random8‘)

# 中值

mu=1

# 标准差

sigma=0.5

res = [random.normalvariate(mu,sigma) for _ in range(1,SAMPLE_SIZE)]

plt.hist(res,buckes)

# 子图9-帕累托分布图

plt.subplot(629)

plt.xlabel(‘random9‘)

# 形状参数

alpha=1

res = [random.paretovariate(alpha) for _ in range(1,SAMPLE_SIZE)]

plt.hist(res,buckes)

plt.tight_layout()

plt.show()