python Matplotlib库绘制常用图表（超全）

最新推荐文章于 2024-03-03 19:29:08 发布
最新推荐文章于 2024-03-03 19:29:08 发布
阅读量3.6k 收藏 99
点赞数 13
分类专栏： 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_45366499/article/details/104236730
版权

目录

一、绘制圆环图

import numpy as np
import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚，可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")

# 建立坐标系
plt.subplot(1,1,1)
# 指明x值
x1 = np.array([8566,5335,7310,6482])
x2 = np.array([4283,2667,3655,3241])
# 绘图
labels = ['东区','北区','南区','西区']
plt.pie(x1,labels = labels,radius=1.0,wedgeprops=dict(width = 0.3,edgecolor = 'w'))
plt.pie(x1,radius=0.7,wedgeprops=dict(width = 0.3,edgecolor = 'w'))
# 添加注释
plt.annotate('完成量',xy=(0.35,0.35),xytext = (0.7,0.45),arrowprops = dict(facecolor = 'black',arrowstyle = '->'))
plt.annotate('任务量',xy=(0.75,0.20),xytext = (1.1,0.2),arrowprops = dict(facecolor = 'black',arrowstyle = '->'))
# 设置标题
plt.title(label = 'xxxxxxxx')
# 显示图表
plt.show()

效果如下：
在这里插入图片描述

二、绘制折线图

绘制折线图：
plt.plot(x,y,color,linestyle,linewidth,marker,markeredgecolor,markeredgwidth,
markerfacecolor,markersize,label)
x,y为x轴y轴的数据
color为yanse
linestyle为线的格式
linewidth表示线的宽度
marker表示折线每个点的形状
注：除了xy是必选项，其他均为可选项

import pandas as pd
import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚，可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")

# 数据源
df = pd.read_excel('/Users/caizhengjie/Desktop/数据分析数据/数据可视化/数据1.xlsx')
print(df)

#将图表的整个区域分成1行1列，且在第一个坐标系里面绘图
plt.subplot(1,1,1)

# 在第一个坐标系里面画折线
plt.plot(df['月份'],df['注册量'],color='k',linestyle='dashdot',linewidth=1,marker='o',markersize=5,label='注册用户数')
# 设置标题
plt.title('xxxxxxx',loc='center')
#添加数据标签
for a,b in zip(df['月份'],df['注册量']):
    plt.text(a,b,b,ha = 'center',va = 'bottom',fontsize = 10)
# 设置网格线
plt.grid(True)
# 设置图例
plt.legend()

plt.show()

效果如下：
在这里插入图片描述

三、绘制散点图

绘制散点图：
plt.scatter(x,y,s,c,marker,linewidths,edgecolors)
(x,y)表示散点的位置
s表示每个点的位置
c表示每个点的颜色
marker表示每个点的标记
linewidths表示每个散点的线宽
edgecolors表示每个散点外轮廓的颜色

import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚，可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")

# 绘制散点图
# 建立坐标系
plt.subplot(1,1,1)
# 指明x和y的值
x = [5.5,6.6,6,8.1,19.5,22.4,28.3,28.9]
y = [2.38,3.85,4.41,5.67,5.44,6.03,8.15,6.87]
# 绘图
plt.scatter(x,y,marker='o',s = 100)
# 设置标题
plt.title('xxxxxxxxxx',loc='center')
# 设置x轴y轴的名称
plt.xlabel('平均气温')
plt.ylabel('啤酒销量')
# 设置网格线
plt.grid(True)
# 显示图表
plt.show()

效果如下：
在这里插入图片描述

四、绘制条形图

绘制条形图：
plt.barh(y,width,height,align,color,edgecolor)
y表示什么位置显示柱子，即纵坐标
width表示柱子在横向的宽度，即横坐标
height表示柱子在纵向的高度，即柱子的实际高度
align表示柱子的对齐方式
color表示柱子的颜色
edgecolor表示柱子的边缘颜色

import numpy as np
import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚，可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")

# 绘制条形图
# 建立坐标系
plt.subplot(1,1,1)
# 指明x和y的值
x = np.array(['东区','南区','西区','北区'])
y = np.array([8556,6482,5335,7301])
# 绘图
# width指明条形的宽度，align指明条形图的位置默认是center
plt.barh(x,height=0.5,width=y,align='center')
# 设置标题
plt.title('xxxxxxxxxx',loc='center')
# 添加数据标签
for a,b in zip(x,y):
    plt.text(b,a,b,ha='center',va='center',fontsize = 12)
# 设置x轴y轴的名称
plt.xlabel('区域')
plt.ylabel('任务量')
# 设置网格线
plt.grid(True)
# 显示图表
plt.show()

效果如下：
在这里插入图片描述

五、绘制树地图

绘制树地图：用来表示同一等级中不同类别的占比关系，使用squairfy库
squairfy.plot(sizes,label,color,value,edgecolor,linewidth)
sizes待绘图数据
label不同类别的图例标签
color不同类别的颜色
value不同类别的数据标签
edgecolor不同类别之间边框的颜色
linewidth边框线宽

import numpy as np
import matplotlib.pyplot as plt
import squarify
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚，可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")

# 指定每一块的大小
size = np.array([3.4,0.693,0.585,0.570,0.562,0.531,0.530,0.524,0.501,0.478,0.468,0.436])
# 指定每一块的文字标签
xingzuo = np.array(['未知','魔蝎座','天秤座','双鱼座','天蝎座','金牛座','处女座','双子座','射手座','狮子座','水瓶座','白羊座'])
# 指定每一块数值标签
rate = np.array(['34%','6.93%','5.85%','5.7%','5.62%','5.31%','5.3%','5.24%','5.01%','4.78%','4.68%','4.34%'])
# 指定每一块颜色
colors= ['steelblue','#9999ff','red','indianred','green','yellow','orange']
#绘图
plot = squarify.plot(sizes=size,label=xingzuo,color=colors,value=rate,edgecolor='white',linewidth = 3)
# 设置标题大小
plt.title('星座分布',fontdict={'fontsize':12})
# 除去坐标轴
plt.tick_params(top = 'off',right = 'off')
# 显示图表
plt.show()

效果如下：

在这里插入图片描述

六、绘制柱形图

绘制柱形图：
plt.bar(x,height,width = 0.8,bottom = None,align = ‘center’,color,edgecolor)
x:表示在什么位置显示柱形图
height表示每根柱子的高度
width表示每根柱子的宽度
bottom表示每根柱子的底部位置
align表示柱子的位置与x值的关系
color柱子颜色
edgecolor柱子边缘颜色

import numpy as np
import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚，可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")

# 普通柱形图实例
# 建立坐标系
plt.subplot(1,1,1)
# 指明x和y的值
x = np.array(['东区','南区','西区','北区'])
y = np.array([8556,6482,5335,7301])
# 绘图
plt.bar(x,y,width=0.5,align='center',label = '任务量')
# 设置标题
plt.title('xxxxxxxxxx',loc='center')
# 添加数据标签
for a,b in zip(x,y):
    plt.text(a,b,b,ha='center',va='bottom',fontsize = 12)
# 设置x轴y轴的名称
plt.xlabel('分区')
plt.ylabel('任务量')
# 显示图例
plt.legend()
# 显示图表
plt.show()

# 簇状柱形图实例
# 建立坐标系
plt.subplot(1,1,1)
# 指明x和y的值
x = np.array([1,2,3,4])
y1 = np.array([8556,6482,5335,7301])
y2 = np.array([4283,2667,3655,3241])
# 绘图
plt.bar(x,y1,width=0.3,label = '任务量')
plt.bar(x+0.3,y2,width=0.3,label = '完成量')
# 设置标题
plt.title('xxxxxxxxxx',loc='center')
# 添加数据标签
for a,b in zip(x,y1):
    plt.text(a,b,b,ha='center',va='bottom',fontsize = 12)
for a,b in zip(x+0.3,y2):
    plt.text(a,b,b,ha='center',va='bottom',fontsize = 12)
# 设置x轴y轴的名称
plt.xlabel('分区')
plt.ylabel('任务情况')
# 设置x轴刻度线
plt.xticks(x+0.15,['东区','南区','西区','北区'])
# 设置网格线
plt.grid(True)
# 设置图例
plt.legend()
# 显示图表
plt.show()

# 堆积柱形图
# 建立坐标系
plt.subplot(1,1,1)
# 指明x和y的值
x = np.array(['东区','南区','西区','北区'])
y1 = np.array([8556,6482,5335,7301])
y2 = np.array([4283,2667,3655,3241])
# 绘图
plt.bar(x,y1,width=0.3,label = '任务量')
plt.bar(x,y2,width=0.3,label = '完成量')
# 设置标题
plt.title('xxxxxxxxxx',loc='center')
# 添加数据标签
for a,b in zip(x,y1):
    plt.text(a,b,b,ha='center',va='bottom',fontsize = 12)
for a,b in zip(x,y2):
    plt.text(a,b,b,ha='center',va='top',fontsize = 12)
# 设置x轴y轴的名称
plt.xlabel('分区')
plt.ylabel('任务情况')
# 设置网格线
plt.grid(True)
# 设置图例
plt.legend(loc = 'upper center',ncol = 2)
# 显示图表
plt.show()

效果如下：
在这里插入图片描述
在这里插入图片描述

在这里插入图片描述

七、绘制气泡图

import numpy as np
import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚，可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")

# 绘制散点图
# 建立坐标系
plt.subplot(1,1,1)
# 指明x和y的值
x = np.array([5.5,6.6,6,8.1,19.5,22.4,28.3,28.9])
y = np.array([2.38,3.85,4.41,5.67,5.44,6.03,8.15,6.87])
# 绘图
# 根据y值的大小产生不同的颜色
colors = y*10
# 根据y值的大小产生不同的大小形状
area = y*100
plt.scatter(x,y,c=colors,marker='o',s = area)
# 设置标题
plt.title('xxxxxxxxxx',loc='center')
# 添加数据标签
for a,b in zip(x,y):
    plt.text(a,b,b,ha='center',va='center',fontsize = 12,color = 'white')

# 设置x轴y轴的名称
plt.xlabel('平均气温')
plt.ylabel('啤酒销量')
# 设置网格线
plt.grid(True)
# 显示图表
plt.show()

效果如下：
在这里插入图片描述

八、绘制热力图

绘制热力图
plt.imshow(x,cmap)
x表示待绘图的数据，需要是矩阵形式
cmap配色方案，用来表明图表渐变的主题色

import numpy as np
import matplotlib.pyplot as plt
import itertools
import squarify
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚，可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")

# 几个相关指标之间的相关性
cm = np.array([[1,0.082,0.031,-0.0086],
              [0.082,1,-0.063,0.062],
              [0.031,-0.09,1,0.026],
              [-0.0086,0.062,0.026,1]])
# 设置配色
cmap = plt.cm.cool()
plt.imshow(cm,cmap=cmap)
# 显示右边的颜色条
plt.colorbar()
# 设置x轴y轴的刻度标签
classes = ['负债率','信贷数量','年龄','家属数量']
tick_marks = np.arange(len(classes))
plt.xticks(tick_marks,classes)
plt.yticks(tick_marks,classes)
# 将数值显示在指定位置
for i,j in itertools.product(range(cm.shape[0]),range(cm.shape[1])):
    plt.text(j,i,cm[i,j],horizontalalignment = 'center')
# 设置网格线
plt.grid(False)
# 显示图表
plt.show()

效果如下：
在这里插入图片描述

九、绘制水平线和垂直线

绘制水平线和垂直线
目的：用来做参考对比
plt.axhline(y,xmin,xmax)
plt.axvline(x,ymin,ymax)

y/x 画水平线/垂直线时的横/纵坐标
xmin,xmax水平线的起点和终点
ymin,ymax垂直线的起点和终点

import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚，可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")

# 建立坐标系
plt.subplot(1,2,1)
# 绘制一条y等于2且起点是0.2，终点是0.6的水平线
plt.axhline(y=2,xmin=0.2,xmax=0.6)

plt.subplot(1,2,2)
# 绘制一条x等于2且起点是0.2，终点是0.6的水平线
plt.axvline(x=2,ymin=0.2,ymax=0.6)
plt.show()

效果如下：
在这里插入图片描述

十、绘制箱型图

绘制箱形图
plt.boxplot(x,vert,widths,labels)
x待绘图数据源
vert箱形图方向，如果为True则表示为纵向，如果为False则表示为横向
widths箱形图宽度
labels箱形图标签

import numpy as np
import matplotlib.pyplot as plt
import squarify
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚，可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")

# 建立坐标系
plt.subplot(1,1,1)
# 指明x和y的值
y1 = np.array([866,2335,5710,6482,6120,1605,3813,4428,4631])
y2 = np.array([433,1167,2855,3241,1060,802,1906,2214,3515])
x = [y1,y2]
# 绘图
labels = ['注册人数','激活人数']
plt.boxplot(x,labels = labels,vert=True,widths=[0.2,0.5])
# 设置标题
plt.title(label = 'xxxxxxxx')
# 设置网格线
plt.grid(True)
# 显示图表
plt.show()

效果如下：
在这里插入图片描述

十一、绘制雷达图

绘制雷达图
plt.polar(theta,r,color,marker,linewidth)
theta表示每一点在极坐标系中的角度
r表示每一点在极坐标系中的半径
color连接各个点之间线的颜色
marker每点的标记物
linewidth连接线的宽度

import numpy as np
import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚，可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")

# 建立极坐标系
# 参数polar=True表示建立极坐标系
plt.subplot(111,polar=True)
# 把整个圆分成5分
dataLenth = 5
# np.linspace表示在指定的间隔内返回均匀间隔的数字
angles = np.linspace(0,2*np.pi,dataLenth,endpoint=False)
labels = ['沟通能力','业务理解能力','逻辑思维能力','快速学习能力','工具使用能力']
data = [1,2,3,4,5]
# 闭合
data1 = np.concatenate((data,[data[0]]))
# 闭合
angles1 = np.concatenate((angles,[angles[0]]))
# 绘图
plt.polar(angles1,data1,color = 'r',marker = 'o')
# 设置x轴刻度
plt.xticks(angles1,labels)
# 设置标题
plt.title(label = 'xxxxxxxx')
# 显示图表
plt.show()

效果如下：

在这里插入图片描述

十二、绘制面积图

绘制面积图：
plt.stackplot(x,y,labels,colors)
(x,y)表示x/y坐标数值
labels不同系列图表的图例名

import numpy as np
import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚，可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")

# 建立坐标系
plt.subplot(1,1,1)
# 指明x和y的值
x = np.array([1,2,3,4,5,6,7,8,9])
y1 = np.array([866,2335,5710,6482,6120,1605,3813,4428,4631])
y2 = np.array([433,1167,2855,3241,1060,802,1906,2214,3515])
# 绘图
labels = ['注册人数','激活人数']
plt.stackplot(x,y1,y2,labels = labels)
# 设置标题
plt.title('xxxxxxxxxx',loc='center')
# 设置x轴y轴的名称
plt.xlabel('月份')
plt.ylabel('注册与激活人数')
# 设置网格线
plt.grid(True)
# 设置图例
plt.legend()
# 显示图表
plt.show()

效果如下：
在这里插入图片描述

十三、绘制饼图

绘制饼图：
plt.pie(x,expolde,labels,colors,autopct,pctdistance,shadow,labeldistance,startangle,radius,counterclock,
wedgeprops,textprops,center,frame)
x 待绘图数据
expolde 饼图中每一块离圆心的距离
labels 饼图中每一块的标签
colors 饼图中每一块的颜色
autopct 控制饼图内数值的百分比格式
pctdistance 数据标签距中心的距离
shadow 饼图是否有阴影
labeldistance 每一块索引距离中心的距离
startangle 饼图的初始角度
radius 饼图的半径
counterclock 是否让饼图逆时针显示
wedgeprops 饼图内外边界属性
textprops 饼图中文本相关属性
center 饼图中心位置
frame 是否显示饼图背后的图框

import numpy as np
import matplotlib.pyplot as plt
import squarify
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚，可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")

# 建立坐标系
plt.subplot(1,1,1)
# 指明x值
x = np.array([8566,5335,7310,6482])
labels = ['东区','北区','南区','西区']
# 让第一块离圆心远一点
explode = [0.15,0,0,0]
labeldistance = 1
# 绘图
plt.pie(x,labels = labels,autopct='%.0f%%',shadow=True,explode = explode,radius=1.0,labeldistance = labeldistance)
# 设置标题
plt.title(label = 'xxxxxxxx')
# 显示图表
plt.show()

效果如下：
在这里插入图片描述

以上内容仅供参考学习，如有侵权请联系我删除！
如果这篇文章对您有帮助，左下角的大拇指就是对博主最大的鼓励。
您的鼓励就是博主最大的动力！

<一蓑烟雨任平生>
关注
  • 13
    点赞
  • 踩
  • 99
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
专栏目录
python matplotlib库绘制条形图练习题
09-18
主要介绍了python matplotlib库绘制条形图练习题,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
图表的基本配色
热门推荐
EasyCharts的博客
06-10 2万+
不论是商业图表还是专业图表，图表的配色极其关键，图表配色方案主要有彩色和黑白两种。       对于商业图表，专业的图表制作人员可以根据色轮来实现单色、类似色、互补色等配色方案，而对于普通大众，一般可以参考《华尔街日报》（The Wall Street Journal）、商业周刊（Business Week）以及《经济学人》（The Economist）等商业经典杂志的图表配色方案。    
522个matplotlib绘图案例，包含：折线图、散点图、条形图、饼图、直方图、3D图等，源码可直接运行！
高级数据分析师，分享Python知识
07-28 1699
Matplotlib是一个广泛使用的Python绘图库，可以用于生成各种类型的图表和可视化。它提供了丰富的功能和灵活的接口，使用户可以轻松地创建精美的图表。下面将介绍一些常见的Matplotlib图表类型。折线图是Matplotlib中最常见的图表类型之一。它用于显示数据随时间或其他连续变量的变化趋势。通过plot()函数可以绘制折线图，并可以根据需要添加标题、坐标轴标签和图例等。
12个最常用的matplotlib图例 ！！
不要给自己设限，尝试更多可能（思所向 皆可往）
02-09 1643
这些图表类型覆盖了数据分析和机器学习项目的许多常见需求。根据具体的项目和数据，可以选择适合的图表类型来展示和分析数据。Matplotlib提供 了丰富的功能，能够自定义图表以满足特定的需求。参考：深夜努力写Python。
python之Matplotlib绘制图表笔记
m0_69097184的博客
07-04 508
Matplotlib 是一个广泛使用的 Python 数据可视化库，提供了多种图表类型。
使用matplotlib绘制图表
little~哥的博客
09-28 77
以上就是今天要讲的内容，本文是对上次文章的补充。
matplotlib——绘制精美的图表
张海玲的博客
07-28 978
matplotlib 是python最著名的绘图库，它提供了一整套和matlab相似的命令API，十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。它的文档相当完备，并且 Gallery页面 中有上百幅缩略图，打开之后都有源程序。因此如果你需要绘制某种类型的图，只需要在这个页面中浏览/复制/粘贴一下，基本上都能搞定。...
matplotlib【7】--树地图
qq_42787271的博客
10-13 2152
用可视化的方法来表达离散变量的数值情况，不仅仅可以使用条形图、饼图、热力图，我们还可以借助于树地图来完成。树地图的思想就是通过方块的面积来表示，面积越大，其代表的值就越大，反之亦然。 在Python中，可以借助于squarify包来绘制，即squarify.plot函数。首先，我们来看一下这个函数的语法及参数含义： squarify.plot(sizes, norm_x=...
Python可视化配色方案，让你审美分分钟变高级~
weixin_62853513的博客
04-06 1676
大家早好、午好、晚好吖 ❤ ~欢迎光临本文章Haishoku；Haishoku是一个用来获取图片主色调和主要配色方案的python库，依赖于python3和pillowHaishoku安装。
python plt包_python matplotlib包图像配色方案分享
weixin_39846089的博客
11-29 155
可选的配色方案：Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r, Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, ...
【Matplotlib 常见图表及应用】
武帝为此的博客
02-02 894
matplotlib 是一个广泛使用的 Python 绘图库，它最初由 John D. Hunter 在2003年创建，matplotlib 的核心是绘图引擎，它提供了一套丰富的工具和函数，可以轻松创建高质量的二维图表和图形。条形图（Bar Charts）：用于展示和比较不同类别的数值。散点图（Scatter Plots）：理想用于观察两个或多个变量间的关系。直方图（Histograms）：用于展现数据的分布和频率。折线图（Line Charts）：最适合表示数据随时间的变化。
Python-Matplotlib可视化（2）——自定义颜色绘制精美统计图
m0_58523831的博客
03-14 1万+
前言自定义颜色使用自定义颜色绘制曲线图使用自定义颜色绘制散点图为所有点使用相同的颜色为每个点定义不同的颜色为散点图中数据点的边使用自定义颜色使用自定义颜色绘制条形图使用自定义颜色绘制饼图使用自定义颜色绘制箱型图使用色彩映射绘制散点图使用色彩映射绘制条形图创建自定义配色方案系列链接matplotlib提供的所有绘图都带有默认样式。虽然这可以进行快速绘图，但有时可能需要自定义绘图的颜色和样式，以对绘制更加精美、符合审美要求的图像。
Python -Matplotlib库绘制图形
12-22
Python -Matplotlib库绘制图形 参考链接： https://blog.csdn.net/qq_34859482/article/details/80617391 https://www.cnblogs.com/xmcwm/p/11831492.html 一，Matplotlib库介绍 matplotlib: 最流行的Python底层绘...
python 利用matplotlib 绘制图表
01-10
压缩包里两个文件，一个源码，一个pdf，源代码用jupyter notebook 编写的。
python中使用matplotlib绘制图表
05-08
matplotlib是python中最著名的绘制图，它提供了一整套和matlab相似的绘图工具
Python图表绘制：matplotlib绘图库入门
07-22
资源名称：Python图表绘制：matplotlib绘图库入门资源截图： 资源太大，传百度网盘了，链接在附件中，有需要的同学自取。
怎么使用Matplotlib画图（折线图、散点图、柱状图、直方图、饼图）
lyy18696365816的博客
11-30 367
折线图：以折线的上升或下降来表示统计数量的增减变化的统计图。特点：能够显示数据的变化趋势，反映事物的变化情况。散点图：用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。特点：判断变量之间是否存在数量关联趋势，展示离群点（分布规律）。柱状图：排列在工作表的列或行中的数据可以绘制到柱状图中。特点：绘制连离散的数据，能够一眼看出各个数据的大小，比较数据之间的差别。直方图：由一系列高度不等的纵向条纹或线段表示数据分布情况。
使用Matplotlib绘制圆环图
最新发布
python收藏家的博客
03-03 569
将图例添加到圆环图图表图例通常以方框的形式出现在图表的右侧或左侧。它包含图表上每种颜色的小样本以及图表中每种颜色含义的简短描述。要添加图例，我们只需编写以下代码。这里plt.legend（）有两个参数，第一个是labels，loc用来设置图例框的位置。# colorsplt.show()在圆环图的图例框中添加标题'Orange']# colors'#FFA500']plt.show()
使用 matplotlib 绘制简单图表（折线图、柱形图、条形图、堆积面积图、直方图、饼图、散点图、箱形图、雷达图、误差棒图）
2201_76048089的博客
10-10 2366
X轴代表日期，y轴代表温度，由图可以清晰的看出北京市未来15天的最高气温和最低气温都呈现逐步下降后反弹的趋势。————2013-2019财年某电商平台的GMV。中的pyplot模块、numpy模块并设置中文。中的pyplot模块、numpy模块并设置中文。中的pyplot模块、numpy模块并设置中文。中的pyplot模块、numpy模块并设置中文。中的pyplot模块、numpy模块。中的pyplot模块、numpy模块。中的pyplot模块、numpy模块。中的pyplot模块、numpy模块。
python利用matplotlib绘制excel信息图表
05-10
要利用matplotlib绘制Excel信息图表，可以使用pandas库来读取和处理Excel文件，并使用matplotlib库来绘制图表。以下是一个简单的示例代码，可以绘制Excel表格中“销售额”和“利润”列的线条图和柱状图： ```python import pandas as pd import matplotlib.pyplot as plt # 读取Excel文件 df = pd.read_excel('sales_data.xlsx') # 提取“销售额”和“利润”列 sales = df['销售额'] profit = df['利润'] # 绘制线条图 plt.plot(sales, label='销售额') plt.plot(profit, label='利润') # 添加图例和标签 plt.legend() plt.xlabel('日期') plt.ylabel('金额') plt.title('销售额和利润变化') # 绘制柱状图 plt.figure() plt.bar(df['日期'], df['销售额'], label='销售额') plt.bar(df['日期'], df['利润'], label='利润') # 添加图例和标签 plt.legend() plt.xlabel('日期') plt.ylabel('金额') plt.title('销售额和利润柱状图') # 显示图表 plt.show() ``` 在这个示例中，我们使用pandas库读取Excel文件，并将“销售额”和“利润”列分别保存在变量中。然后，我们使用matplotlib库绘制了两个图表：一个线条图和一个柱状图。在绘制线条图和柱状图时，我们都添加了图例和标签，以便更好地说明图表中的数据。最后，我们使用plt.show()命令显示图表。

“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

打赏作者

<一蓑烟雨任平生>

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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