matplotlib模块总结二【多种类型图的绘制】

最新推荐文章于 2022-12-08 11:13:21 发布
最新推荐文章于 2022-12-08 11:13:21 发布
阅读量254 收藏 1
点赞数 2
分类专栏： 数据处理 文章标签： python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43188487/article/details/121259089
版权

多种类型图的绘制

1. 折线图

（1）绘制单条折线

from matplotlib import pyplot as plt

plt.rcParams['font.sans-serif']=['SimHei']

y = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
x = range(11,31)
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y)
#设置x轴刻度
_xtick_labels = ["{}岁".format(i) for i in x]
plt.xticks(x,_xtick_labels,fontname='SimHei')
plt.yticks(range(0,9))
#绘制网格
plt.grid(alpha=1)
#展示
plt.show()

在这里插入图片描述

（2）绘制多条折线

from matplotlib import pyplot as plt

plt.rcParams['font.sans-serif']=['SimHei']

y_1 = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
y_2 = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1]

x = range(11,31)
#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.plot(x,y_1,label="自己",color="#F08080")
plt.plot(x,y_2,label="同桌",color="blue",linestyle="--")

#设置x轴刻度
_xtick_labels = ["{}岁".format(i) for i in x]
plt.xticks(x,_xtick_labels,fontname='SimHei')
plt.yticks(range(0,9))

#绘制网格
plt.grid(alpha=0.4,linestyle=':')
#添加图例
plt.legend(loc="upper left")
#展示
plt.show()

在这里插入图片描述

2. 散点图

from matplotlib import pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']
y_3 = [11, 17, 16, 11, 12, 11, 12, 6, 6, 7, 8, 9, 12, 15, 14, 17, 18, 21, 16, 17, 20, 14, 15, 15, 15, 19, 21, 22, 22,
       22, 23]
y_10 = [26, 26, 28, 19, 21, 17, 16, 19, 18, 20, 20, 19, 22, 23, 17, 20, 21, 20, 22, 15, 11, 15, 5, 13, 17, 10, 11, 13,
        12, 13, 6]

x_3 = range(1, 32)
x_10 = range(51, 82)

# 设置图形大小
plt.figure(figsize=(15, 12), dpi=80)

# 使用scatter方法绘制散点图,和之前绘制折线图的唯一区别
plt.scatter(x_3, y_3, label="3月份")
plt.scatter(x_10, y_10, label="10月份")

# 调整x轴的刻度
_x = list(x_3) + list(x_10)
_xtick_labels = ["3月{}日".format(i) for i in x_3]
_xtick_labels += ["10月{}日".format(i - 50) for i in x_10]
plt.xticks(_x[::3], _xtick_labels[::3], fontname='SimHei', fontsize=15, rotation=45)
plt.yticks(fontsize=20)
# 添加图例
plt.legend(loc="upper left", fontsize=20)

# 添加描述信息
plt.xlabel("时间", fontname='SimHei', fontsize=20)
plt.ylabel("温度", fontname='SimHei', fontsize=20)
plt.title("标题", fontname='SimHei', fontsize=20)
# 展示
plt.show()

在这里插入图片描述

3. 条形图

（1）纵向条形图

from matplotlib import pyplot as plt

plt.rcParams['font.sans-serif'] = ['SimHei']

a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证",
     "金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺",
     "金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]

#设置图形大小
plt.figure(figsize=(15,12),dpi=80)
#绘制条形图
plt.bar(range(len(a)),b,width=0.3)
#设置字符串到x轴
plt.xticks(range(len(a)),a,rotation=90)
plt.show()

在这里插入图片描述
（2）横向条形图

from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']

a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证",
     "金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺",
     "金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
#设置图形大小
plt.figure(figsize=(20,15),dpi=80)
#绘制条形图
plt.barh(range(len(a)),b,height=0.3,color="orange")
#设置字符串到x轴
plt.yticks(range(len(a)),a)
plt.grid(alpha=0.3)
plt.show()

在这里插入图片描述
（3）多组条形图对比

from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']

a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]

# 条形图bar的宽度
bar_width = 0.2

x_14 = list(range(len(a)))
x_15 =  [i+bar_width for i in x_14]
x_16 = [i+bar_width*2 for i in x_14]

#设置图形大小
plt.figure(figsize=(20,8),dpi=80)

plt.bar(range(len(a)),b_14,width=bar_width,label="9月14日")
plt.bar(x_15,b_15,width=bar_width,label="9月15日")
plt.bar(x_16,b_16,width=bar_width,label="9月16日")
#设置图例
plt.legend()
#设置x轴的刻度
plt.xticks(x_15,a)
plt.show()

在这里插入图片描述

4. 直方图

（1）一般来说，调用plt.hist() 方法的是没有统计过的数据。

from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']

a=[131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119,
   128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126,
   134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126,
   130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119,
   105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132,
   103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109,
   132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143,
   115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123,
   116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110,
   111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120,
   117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141,
   117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,
   81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,
   105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84,
   137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]

# 计算组数
# 组距,组距需要自行选择合适的
d = 3
# 组数
num_bins = (max(a)-min(a))//d
# 设置图形的大小
plt.figure(figsize=(20,8),dpi=80)
plt.hist(a,num_bins)
#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d))
plt.grid()
plt.show()

在这里插入图片描述
（2）对于已经统计好的数据，采用如下方法绘制为直方图。

from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']

interval = [0,5,10,15,20,25,30,35,40,45,60,90]  # x轴的坐标
width = [5,5,5,5,5,5,5,5,5,15,30,60]    # 宽度
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]

#设置图形大小
plt.figure(figsize=(20,12),dpi=80)

# 宽度width默认为0.8，各个bar之间有间隙，设为1后，间隙消失
plt.bar(range(12),quantity,width=1)

#设置x轴的刻度
_x = [i-0.5 for i in range(13)]   # i-0.5将bar的边缘与刻度对齐(注：条形图bar的中心与刻度对齐)
_xtick_labels =  interval+[150]
plt.xticks(_x,_xtick_labels)

plt.grid(alpha=0.4)
plt.show()

在这里插入图片描述
（3）对于已经统计好的数据，绘制直方图并显示跨度。

from matplotlib import pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']

interval = [0,5,10,15,20,25,30,35,40,45,60,90]
width = [5,5,5,5,5,5,5,5,5,15,30,60]
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]

#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
plt.bar(interval,quantity,width=width)

#设置x轴的刻度
temp_d = [5]+ width[:-1]
_x = [i-temp_d[interval.index(i)]*0.5 for i in interval]

plt.xticks(_x,interval)

plt.grid(alpha=0.4)
plt.show()

在这里插入图片描述

5. 饼图

import numpy as np
import matplotlib.pyplot as plt

#设置饼图为5部分，每部分所占比例为values[x]/values
values = [26,17,21,29,11]
#设置5个扇形之间的间隙,比例
space = [0.1,0.05,0.05,0.05,0.05]
#设置5个扇形的标签
labels = ['Python','JavaScript','C++','C','PHP']
#设置5个扇形的颜色
colors =['dodgerblue','orangered','limegreen','violet','gold']

plt.figure('Pie',facecolor = 'lightgray')
plt.title('Pie',fontsize = 20)

plt.pie(values,space,labels,colors,'%d%%',shadow = True,startangle = 90)
plt.axis('equal')	#等轴
plt.show()

在这里插入图片描述

6. 等高线图

import numpy as np
import matplotlib.pyplot as plt


n = 1000
x,y = np.meshgrid(np.linspace(-3,3,n),np.linspace(-3,3,n))
z = (1 - x/2 + x**5 + y**3)*np.exp(-x**2-y**2)


plt.figure('Contour',facecolor = 'lightgray')
plt.title('Contour',fontsize = 20)
plt.xlabel('x',fontsize = 14)
plt.ylabel('y',fontsize = 14)
plt.tick_params(labelsize = 10)
plt.grid(linestyle = ':')
plt.contourf(x,y,z,20,cmap = 'jet')
cntr = plt.contour(x,y,z,20,colors = 'black',linewidths = 0.5)
plt.clabel(cntr,inline_spacing = 1,fmt = '%0.1f',fontsize = 10)
plt.show()

在这里插入图片描述

7. 热力图

import numpy as np
import matplotlib.pyplot as plt


n = 1000
x,y = np.meshgrid(np.linspace(-3,3,n),np.linspace(-3,3,n))
z = (1 - x/2 + x**5 + y**3)*np.exp(-x**2-y**2)


plt.figure('Hot',facecolor = 'lightgray')
plt.title('Hot',fontsize = 20)
plt.xlabel('x',fontsize = 14)
plt.ylabel('y',fontsize = 14)
plt.xlim(0,1000)
plt.ylim(0,1000)
plt.tick_params(labelsize = 10)
plt.grid(linestyle = ':')

plt.imshow(z,cmap = 'jet',origin = 'lower')
plt.colorbar().set_label('z',fontsize = 14)
plt.show()

在这里插入图片描述

8. 网状图

import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-5,5,1000)
y = 8 * np.sinc(x)



plt.figure('Grid',facecolor = 'lightgray')
plt.title('Grid',fontsize = 20)
plt.xlabel('x',fontsize = 14)
plt.ylabel('y',fontsize = 14)

ax = plt.gca()
ax.xaxis.set_major_locator(plt.MultipleLocator(1.0))
ax.xaxis.set_minor_locator(plt.MultipleLocator(0.1))
ax.yaxis.set_major_locator(plt.MultipleLocator(1.0))
ax.yaxis.set_minor_locator(plt.MultipleLocator(0.1))
plt.tick_params(labelsize = 10)
ax.grid(which = 'major',axis = 'both',linewidth = 0.75,linestyle = '-',
	color = 'orangered',alpha = 0.5)
ax.grid(which = 'minor',axis = 'both',linewidth = 0.75,linestyle = '-',
	color = 'orangered',alpha = 0.5)
plt.plot(x,y,c='dodgerblue',label = r'$y=8sinc(x)$')

plt.legend()
plt.show()

在这里插入图片描述

9. 图像部分填充

import numpy as np
import matplotlib.pyplot as plt


n = 1000
x = np.linspace(0,8 * np.pi,n)
sin_y = np.sin(x)
cos_y = np.cos(x/2)/2
plt.figure('Fill',facecolor = 'lightgray')
plt.title('Fill',fontsize = 20)
plt.xlabel('x',fontsize = 14)
plt.ylabel('y',fontsize = 14)
plt.tick_params(labelsize = 10)
plt.grid(linestyle = ':')
		
plt.plot(x,sin_y,c = 'dodgerblue',label = r'$y=sin(x)$')	
plt.plot(x,cos_y,c = 'orangered',label = r'$y=\frac{1}{2}cos(\frac{x}{2})$')
		#填充封闭区域，横坐标、两条曲线的纵坐标、填充条件、颜色、		    #透明度
plt.fill_between(x,sin_y,cos_y,cos_y < sin_y,color = 'blue',alpha = 0.5)
plt.fill_between(x,sin_y,cos_y,cos_y > sin_y,color = 'red',alpha = 0.5)
plt.legend()
plt.show()

在这里插入图片描述

10. 对数图像

import numpy as np
import matplotlib.pyplot as plt
y = np.array([1, 10, 100, 1000, 100, 10, 1])

plt.figure('Normal & Log')
plt.subplot(211)
plt.title('Normal', fontsize=20)
plt.ylabel('y', fontsize=14)
ax = plt.gca()
ax.xaxis.set_major_locator(plt.MultipleLocator(1))
ax.xaxis.set_minor_locator(plt.MultipleLocator(0.1))
ax.yaxis.set_major_locator(plt.MultipleLocator(250))
ax.yaxis.set_minor_locator(plt.MultipleLocator(50))
plt.tick_params(labelsize=10)
ax.grid(which='major', axis='both',linewidth=0.75, linestyle='-',color='lightgray')
ax.grid(which='minor', axis='both',linewidth=0.25, linestyle='-',color='lightgray')
plt.plot(y, 'o-', c='dodgerblue',label='plot')
plt.legend()

plt.subplot(212)
plt.title('Log', fontsize=20)
plt.xlabel('x', fontsize=14)
plt.ylabel('y', fontsize=14)
ax = plt.gca()
ax.xaxis.set_major_locator(plt.MultipleLocator(1))
ax.xaxis.set_minor_locator(plt.MultipleLocator(0.1))
plt.tick_params(labelsize=10)
ax.grid(which='major', axis='both',linewidth=0.75, linestyle='-',color='lightgray')
ax.grid(which='minor', axis='both',linewidth=0.25, linestyle='-',color='lightgray')
plt.semilogy(y, 'o-', c='orangered',label='semilogy')
plt.legend()

plt.tight_layout()
plt.show()

在这里插入图片描述

11. 极坐标图像

import numpy as np
import matplotlib.pyplot as plt

t = np.linspace(0,2*np.pi,1000)
r_spiral = 0.8*t
r_rose = 5*np.sin(6*t)

plt.figure('Polar',facecolor = 'lightgray')
plt.gca(projection = 'polar')
plt.title('Polar',fontsize = 20)
plt.xlabel(r'$\theta$',fontsize = 14)
plt.ylabel(r'$\rho$',fontsize = 14)

plt.grid(linestyle = '-')

plt.plot(t,r_spiral,c='dodgerblue',label = r'$\rho=0.8\theta$')
plt.plot(t,r_rose,c='orangered',label = r'$\rho=5sin(6\theta)$')
plt.legend()
plt.show()

在这里插入图片描述

12. 散点图美化

import numpy as np
import matplotlib.pyplot as plt


n = 1000
x = np.random.normal(0,1,n)   #产生正太分布的随机数，均值0，方差1，个数1000
y = np.random.normal(0,1,n)
d = np.sqrt(x ** 2 + y ** 2)  #点的颜色根据距离渐变
plt.figure('Scatter',facecolor = 'lightgray')
plt.title('Scatter',fontsize = 20)
plt.xlabel('x',fontsize = 14)
plt.ylabel('y',fontsize = 14)
plt.tick_params(labelsize = 10)
plt.grid(linestyle = ':')
#cmap = 'jet_r'是由红至蓝的颜色渐变0->1
plt.scatter(x,y,c = d,cmap = 'jet_r',s=60,alpha = 0.5)	
plt.show()

在这里插入图片描述

13. 3D散点图

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import axes3d
n = 1000
x = np.random.normal(0, 1, n)
y = np.random.normal(0, 1, n)
z = np.random.normal(0, 1, n)
d = np.sqrt(x ** 2 + y ** 2 + z ** 2)
plt.figure('Scatter 3D')
ax = plt.gca(projection='3d')
plt.title('Scatter 3D', fontsize=20)
plt.xlabel('x', fontsize=14)
plt.ylabel('y', fontsize=14)
plt.tick_params(labelsize=10)
plt.grid(linestyle=':')
ax.scatter(x, y, z, c=d, cmap='jet_r', s=60, alpha=0.5)
plt.show()

在这里插入图片描述

14. 绘制3D图实例

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import axes3d


n = 1000
x, y = np.meshgrid(np.linspace(-3, 3, n),np.linspace(-3, 3, n))
z = (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)

plt.figure('3D Wireframe')
ax = plt.gca(projection='3d')
plt.title('3D Wireframe', fontsize=20)
ax.set_xlabel('x', fontsize=14)
ax.set_ylabel('y', fontsize=14)
ax.set_zlabel('z', fontsize=14)
plt.tick_params(labelsize=10)
ax.plot_wireframe(x, y, z, rstride=30,cstride=30, linewidth=0.5,color='orangered')

plt.figure('3D Surface')
ax = plt.gca(projection='3d')
plt.title('3D Surface', fontsize=20)
ax.set_xlabel('x', fontsize=14)
ax.set_ylabel('y', fontsize=14)
ax.set_zlabel('z', fontsize=14)
plt.tick_params(labelsize=10)
ax.plot_surface(x, y, z, rstride=10,cstride=10, cmap='jet')

plt.show()

在这里插入图片描述
在这里插入图片描述

15. 多图布局

15.1 均匀布局

import matplotlib.pyplot as plt

#设置图形标题
plt.figure('Subplot',facecolor = 'lightgray')
#从左向右，从上到下第一个，2行2列第一个
plt.subplot(2,2,1)
#将x轴和y轴的刻度设置为空，什么都不显示
plt.xticks(())
plt.yticks(())
#设置图像中显示的文本：相对位置(0-1.0)、文本、
#对齐方式(中心对齐)、字体大小、透明度(0-1.0)
plt.text(0.5,0.5,'1',ha = 'center',va = 'center',size = 36,alpha = 1.5)

plt.subplot(2,2,2)
plt.xticks(())
plt.yticks(())
plt.text(0.5,0.5,'2',ha = 'center',va = 'center',size = 36,alpha = 1.5)

plt.subplot(2,2,3)
plt.xticks(())
plt.yticks(())
plt.text(0.5,0.5,'3',ha = 'center',va = 'center',size = 36,alpha = 1.5)

plt.subplot(2,2,4)
plt.xticks(())
plt.yticks(())
plt.text(0.5,0.5,'4',ha = 'center',va = 'center',size = 36,alpha = 1.5)

plt.tight_layout()	#设置紧凑布局
plt.show()

在这里插入图片描述

15.2 自由布局

import matplotlib.pyplot as plt
import matplotlib.gridspec as mg



#设置图形标题
plt.figure('GridSpec',facecolor = 'lightgray')
gs = plt.GridSpec(3,3)
plt.subplot(gs[:2,0])
plt.xticks(())
plt.yticks(())
#设置图像中显示的文本：相对位置(0-1.0)、文本、
#对齐方式(中心对齐)、字体大小、透明度(0-1.0)
plt.text(0.5,0.5,'1',ha = 'center',va = 'center',size = 36,alpha = 1.5)

plt.subplot(gs[:1,1:3])
plt.xticks(())
plt.yticks(())
plt.text(0.5,0.5,'2',ha = 'center',va = 'center',size = 36,alpha = 1.5)

plt.subplot(gs[1:3,2])
plt.xticks(())
plt.yticks(())
plt.text(0.5,0.5,'3',ha = 'center',va = 'center',size = 36,alpha = 1.5)

plt.subplot(gs[2:3,0:2])
plt.xticks(())
plt.yticks(())
plt.text(0.5,0.5,'4',ha = 'center',va = 'center',size = 36,alpha = 1.5)

plt.subplot(gs[1,1])
plt.xticks(())
plt.yticks(())
plt.text(0.5,0.5,'5',ha = 'center',va = 'center',size = 36,alpha = 1.5)

plt.tight_layout()	#设置紧凑布局
plt.show()

在这里插入图片描述

15.3 设置文本

import matplotlib.pyplot as plt

#设置图形标题
plt.figure('axes',facecolor = 'lightgray')
#按比例设置图形四周的留白,并绘制第一张图
plt.axes([0.03,0.038,0.94,0.924])
plt.xticks(())
plt.yticks(())
#设置图像中显示的文本：相对位置(0-1.0)、文本、
#对齐方式(中心对齐)、字体大小、透明度(0-1.0)
plt.text(0.5,0.5,'1',ha = 'center',va = 'center',size = 36,alpha = 1.5)

#设置第二章图
plt.axes([0.63,0.076,0.31,0.308])
plt.xticks(())
plt.yticks(())
#设置图像中显示的文本：相对位置(0-1.0)、文本、
#对齐方式(中心对齐)、字体大小、透明度(0-1.0)
plt.text(0.5,0.5,'2',ha = 'center',va = 'center',size = 36,alpha = 1.5)

plt.show()

在这里插入图片描述

北四金城武
关注
  • 2
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
深入浅出matplotlib(66)： 绘制多个条形图
大坡3D软件开发
02-05 1353
前面学习了条形图的堆积显示方式，其实条形图还有很多表示方式，比如多个条形并列，如下图： 在前面的例子里，只需要稍微修改一下代码，就可以显示多个条形，这样适合同样的数据进行比较，比如上图就是比较男女在同一组里不同的区别。 要想绘制多个条形，那么就需要知道让每个条形在X轴上坐标的位置，只有在不同的位置才可以让条形分开，否则会重叠在一起，就没有办法显示出来了。由于坐标的计算是一个数组，采用np.arange来生成坐标数组，再给每一个元素增加偏移位置，就是第二个条形的位置。代码如下： x = np..
Python基础教程（八）matplotlib--支持的图类型。柱状图、饼图、K线图
ngany的博客
02-14 326
编程字典Pandas教程 http://codingdict.com/article/8270 清华计算机博士带你学-Python金融量化分析 https://www.bilibili.com/video/BV1i741147LS?t https://matplotlib.org/stable/index.html 支持的各种图形 函数 说明 plt.plot(x,y,fmt,…) 坐标图 plt.boxplot(data,notch,position) 箱型图 plt.bar(le
[matplotlib] 标签分类图
weixin_43742643的博客
05-19 282
matplotlib colors 那里做了一下处理，使越大的值对应的颜色越深。除了 viridis 这种渐进色，还有很多其他的，详见官方文档 import matplotlib.pyplot as plt import matplotlib.patches as mpatches import matplotlib.cm as cm from matplotlib.colors import Normalize fig = plt.figure(figsize=(6.4*2, 4.8*1.1)) ax
【Matplotlib三种基础图形】
m0_61900121的博客
05-04 198
折线图（line chart）是我们日常工作、学习中经常使用的一种图表，它可以直观的反映数据的变化趋势。与绘制柱状图、饼状图等图形不同，Matplotlib 并没有直接提供绘制折线图的函数，因此本节着重讲解如何绘制一幅折线图。 绘制单条折线 下面示例是关于 C语言中文网用户活跃度的折线图： import matplotlib.pyplot as plt #准备绘制数据 x = ["Mon", "Tues", "Wed", "Thur", "Fri","Sat","Sun"] y = [20, 40, 35,
轻松上手Matplotlib__复式（多类别）条形图篇（有数字标注）
weixin_43682519的博客
11-02 2516
Matplotlib 可能是 Python 2D-绘图领域使用最广泛的套件。它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。这里将会探索 matplotlib 的常见用法。 条形图：排列在工作表的列或行中的数据可以绘制到条形图中。 特点：绘制连离散的数据，能够一眼可看出各个数据的大小，比较数据之间的差别。（统计） 首先，我们分析下绘制柱状图代码：（基于Jupyter Notebook运行，Pycharm也可） from matplotlib import pyplot as plt #解决中文
python Matplotlib模块的使用
09-17
Python的Matplotlib模块是数据可视化领域的一个重要工具，它提供了丰富的图形绘制功能，使得开发者能够创建高质量的2D和3D图表。Matplotlib的核心子包PyPlot提供了类似于MATLAB的接口，让熟悉MATLAB的用户也能轻松...
Python matplotlib绘制饼状图功能示例
09-18
在Python中，使用`matplotlib`绘制饼状图主要通过`pyplot`子模块的`pie()`函数来实现。以下是一段使用`matplotlib`绘制饼状图的示例代码： ```python import numpy as np import matplotlib.pyplot as plt # 定义...
Python中的Matplotlib模块入门教程
01-21
Matplotlib 可以绘制多种形式的图形包括普通的线图，直方图，饼图，散点图以及误差线图等；可以比较方便的定制图形的各种属性比如图线的类型，颜色，粗细，字体的大小等；它能够很好地支持一部分 TeX 排版命令，可以...
Python绘图Matplotlib之坐标轴及刻度总结
09-19
在Python的可视化库Matplotlib中，绘制图形时，坐标轴和刻度的设置是至关重要的，它们能够清晰地展示数据的分布和趋势。本篇文章主要总结了如何使用Matplotlib进行坐标轴与刻度的定制。 首先，我们导入必要的库，...
python学习教程-图形绘制matplotlib库的使用.pptx
03-30
总之，Matplotlib库是Python中强大的数据可视化工具，它提供了一系列灵活的选项来绘制各种类型的图表，并且可以轻松定制图形细节，帮助用户高效地展示和理解数据。对于学习Python数据分析的初学者而言，掌握...
[Matplotlib]不同类型图形的绘制
HcKrinston的博客
01-31 1911
目录 1、简单图形 2、多坐标的子图示例 3、频率直方图 4、条形图 5、饼图 目录 1、简单图形 2、多坐标的子图示例 3、频率直方图 4、条形图 1、简单图形 import matplotlib.pyplot as plt import numpy as np t = np.arange(0.0, 2.0, 0.01) s = 1 + np.sin(2*np.p...
利用matplotlib绘制二分类（多分类）散点图
大脸猫的博客
05-15 8063
我们使用基于python的第三方工具包matplotlib进行二分类散点图绘制。 代码： import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['font.serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串 nums, label =
Matplotlib各种样式的图
qam1314a的博客
05-13 375
散点图（scatter（）） import numpy as np import matplotlib.pyplot as plt n = 102 #散点的个数 X = np.random.normal(0, 1, n) #生成散点的横坐标，这些数值服从均值为0，方差为1的正态分布 Y = np.random.normal(0, 1, n) T = np.arctan2(Y, X) #设定每个散点的颜色值，如为1则对应颜色模板中的颜色一 plt.scatter(X, Y, c=T, s=75) plt.
词云 多区域绘图
Hauru的博客
01-06 115
import numpy as np import matplotlib.pyplot as plt def f(t): return np.exp(-t)*np.cos(2*np.pi*t) a=np.arange(0,5,0.02) plt.subplot(322) plt.plot(a,f(a)) plt.subplot(323) plt.plot(a,np.cos(2*np.pi*a),'-.',color='r') plt.subplot(324) plt.plot(a...
python matplotlib 画图归类（持续更新）
Aniyee
04-21 451
图例 matplotlib.pyplot.legend: https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.legend.html#matplotlib.pyplot.legend matplotlib.axes.Axes.legend: https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.legend.html#matplotlib.pyplot.legend Lege
Matplotlib绘制的50类图 ，足够惊艳！
算法channel
11-23 940
本文整理出matplotlib包绘制出的50幅图，分类逻辑参考作者zsx_yiyiyi翻译。绘图整理由下面公众号：「Python与算法社区」完成，转载此文请附二维码。关联...
用python matplotlib画一个基本的分类图
weixin_42379358的博客
09-24 2840
在juputer编辑器中完成 首先要运行%matplotlib inline 然后这段代码 import numpy as np import matplotlib.pyplot as plt plt.style.use('ggplot') #setting plt # 确定横纵坐标范围 plt.xlim(0,8) plt.ylim(0,8) # 确定横纵轴标题 plt.xlabel('x1...
多分类问题
liu18386096291的博客
12-08 209
import torch from matplotlib import pyplot as plt from torchvision import datasets from torch.utils.data import DataLoader from torchvision import transforms import torch.optim as optim import numpy as np batch_size = 64 batch_size_test = 100 data_transf
matplotlib下用雷达图+散点图实现分类图表
lalala121380的博客
11-25 1482
新手上路。做作业的时候有一项需求是要做一个图表，来直观地反应各种情况的分布情况，原数据中一个标签有八种情况分类和4个级别的两种分类。原本的图是手工在PPT中一个一个排的，我觉得太慢了就想弄一个程序来自动生成，虽然自己不是很熟练，查来查去没有现成的只能自己想办法写一个，最终效果如下： 代码段，因为实际使用时业务方有比较多的变化需求，有时候要5级有时候要调整项数，所以代码段较散没有精炼，保持较高的调整空间。 ​ import numpy as np import...
matplotlib 模块图像的导入和导出
最新发布
05-27
Matplotlib 模块提供了许多图像的导入和导出的函数，用于保存和读取不同格式的图像文件。以下是一些常用的图像导入和导出函数： 1. pyplot.imread()：该函数用于读取图像文件，支持多种格式，如 PNG、JPG、BMP、GIF...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值