【python 的各种模块】(7) 在python使用matplotlib库来画不同类型的图：折线图，散点图，饼图，直方图等等

已于 2024-01-05 10:35:57 修改
阅读量1.3k 收藏 27
点赞数 21
文章标签： python 开发语言
于 2023-12-19 20:15:43 首次发布
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/xuemanqianshan/article/details/135093412
版权
本文详细介绍了使用Python的Matplotlib库进行折线图、散点图、柱状图、饼图以及直方图的绘制，包括基本语法、参数设置和示例代码，帮助读者理解不同图形类型的用途和特点。
摘要由CSDN通过智能技术生成

目录

1 先辨析常规的图类型

1.1 图形类型

1.2  使用 plt.axes()  plt.axis() 修改（需要详细）

2 折线图 plt.plot()

2.1 基本语法

2.2 一些枚举信息的查询

2.3 测试代码

2.4 测试代码：plt.figure() 的一些简便写法

2.5 测试代码：用plt.plot() 同时画多条折线

3 散点图 plt.sactter()

3.1 散点图语法

3.2 测试代码

4 柱状图

4.1 基础语法

4.2 测试代码

1 先辨析常规的图类型

1.1 图形类型

  • 折线图 plot
  • 散点图  sactter
  • 饼图 pei
  • 柱状图：bar
  1. 一般对不同类型的变量，进行数值比较。
  2. 长方形柱体的含义：高度代表每个分类的数值多少，显示的是值/绝对值
  3. 一般每个长方体之间有间隔
  4. 主要目标：弄清楚不同类型之间的 绝对值比较
  5. 一般是离散的
  • 直方图：hist
  1. 容易和柱状图搞混
  2. 又称为，密度分布图 / 质量分布图 /
  3. 可以成为 权重分布图，但不能是概率分布图（因为没有归一）
  4. 一般是对同一类型的变量比较分布的差异
  5. 长方形柱体的含义：高度代表（落入）每个区间的比例差别，显示的是 量/比例/权重
  6. 主要目标：弄清楚各个区间的分布情况
  7. 一般长方形之间没有间隔
  8. 一般是连续的
  • 等高线图
  • 热力图

1.2  使用 plt.axes()  plt.axis() 修改（需要详细）

  • plt.axes()  设置的是 子区域
  • plt.axis()   设置的是  坐标轴
  • plt.axis([0,6,0,12])
  • line = plt.plot(x,y)
    plt.setp(line,color='g',linewidth=5)
  • plt.setp(line1,linewidth=1)
  • 这种特殊的修改办法

2 折线图 plt.plot()

2.1 基本语法

  • plt.plot(x对应自变量：一般对应X轴, y对应因变量：一般对应y轴)
  • plt.plot(x, y, linestyle, linewidth,color,marker, markersize, markeredgecolor, markerfactcolor, label, alpha)
  • 详细见之前的文章

2.2 一些枚举信息的查询

plt.plot(x,
         np.cos(x),
         color = 'r',            # 线条颜色
         linewidth = 2,          # 线条宽度 
         linestyle='-.',          # 线的类型:虚线:'--',点线：'-.',短虚线':',实线：'-'
         marker='*',             # 线上点的形状
         markersize = 5,        # 点的大小
         markeredgecolor = 'b',  # 点的边框颜色
         markerfacecolor ='green',   # 点的背景颜色，可能因为点太小没显示出来？
         label = 'cos',          # 图例
         alpha = 1 )             # 透明度：0-1之间 ,默认1
 

  • color ，可以用简写的颜色"w"，也可以用RGB颜色 "#ffcb4a"
字符颜色
‘b’蓝色，blue
‘g’绿色，green
‘r’红色，red
‘c’青色，cyan
‘m’品红，magenta
‘y’黄色，yellow
‘k’黑色，black
‘w’白色，white
  • linestyle='-.'  和 marker='*',，可用的图形如下
字符类型字符类型
‘-’实线’–‘虚线
’-.‘虚点线‘:’点线
‘.’点‘,’像素点
‘o’圆点’_’横线点
’^‘上三角点‘<’左三角点
‘>’右三角点‘1’下三叉点
‘2’上三叉点’3‘左三叉点
’4‘右三叉点‘s’正方点
‘p’五角点‘*’星形点
‘h’六边形点1’H’六边形2
’+‘加号点‘x’乘号点
‘D’实心菱形点‘d’瘦菱形点

2.3 测试代码

  • 当plt.plot() 里只有1组数据时作为1个变量时，会默认为是Y
  • 当plt.plot() 里有2组数据时作为2个变量时，会默认前面的是X，后面的为Y
import numpy as np
import matplotlib.pyplot as plt

plt.figure(figsize=(3,3))
plt.plot([2,4,6,8,10])
plt.show()

2.4 测试代码：plt.figure() 的一些简便写法

plt.figure() 的一些简便写法

  • #可以不设置画布 plt.figure()   #fig=plt.figure(figsize(3,3))
  • plt.plot(x,y,"r+")          #  "r+"这样可以同时设置，颜色+线外观
  • plt.axis([0,6,0,12])     #  "r+"这样可以同时设置2个坐标轴的范围，相当于 plt.xlmit() 和 plt.ylmit()

import numpy as np
import matplotlib.pyplot as plt

#fig=plt.figure(figsize(3,3))

plt.plot([1,2,3,4,5],[2,4,6,8,10],"r+")
plt.axis([0,6,0,12])
plt.show()

2.5 测试代码：用plt.plot() 同时画多条折线

  • lines = plt.plot(x1,y1,x2,y2,x3,y3)
  • plt.plot(x,x**1,"b+",x,x**2,"gp",x,x**3,"r^",)
  • 可以同时画多条曲线
import numpy as np
import matplotlib.pyplot as plt

x=np.linspace(1,10,50)
plt.figure(figsize=(5,5))
plt.plot(x,x**1,"b+",x,x**2,"gp",x,x**3,"r^")

line1,line2,line3=plt.plot(x,x**1,"b-",x,x**2,"g-",x,x**3,"r-")

plt.setp(line1,linewidth=1)
plt.setp(line2,linewidth=2)
plt.setp(line3,linewidth=3)

plt.show()

3 散点图 plt.sactter()

3.1 散点图语法

散点图指通过对应坐标确定位置并绘制坐标点的图表。通过观察坐标点的分布，我们可以知道变量间是否存在关系或者数据的分布是否符合某种模式。我们可以通过 plt.scatter() 函数绘制散点图。标准的 scatter() 函数格式如下：

scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, edgecolors=None, plotnonfinite=False, data=None, **kwargs)
这里我们介绍几个最常用的参数：

x: 数据点的横坐标

y: 数据点的纵坐标

s: 数据点的大小

c: 数据点的颜色

marker: 数据点的样式

 scatter函数参数详解
https://blog.csdn.net/orangefly0214/article/details/78725328
plt中cmap的值
https://www.csdn.net/tags/MtjaYgysNzQ4NzctYmxvZwO0O0OO0O0O.html
 

3.2 测试代码

import numpy as np
import matplotlib.pyplot as plt

# 散点图
# x, y
x = np.random.normal(0, 1, 20)
y = np.random.normal(0, 1, 20)

# 绘制散点图
plt.scatter(x, y, s=25, alpha=0.75)

plt.xlabel("X")
plt.ylabel("Y")

# 显示图像
plt.show()

4 柱状图   plt.bar()

4.1 基础语法

4.2 测试代码

import numpy as np
import matplotlib.pyplot as plt


# 直方图

# x, y
size = 12
x = np.arange(size)
y = np.random.uniform(0, 1, size) * 10

# 直方图
plt.bar(x, y, edgecolor="white")
plt.bar(x, -y, facecolor="#999999", edgecolor="white")

# 设置坐标
plt.xticks(x)
plt.yticks(np.linspace(-12, 12, 13))

# 显示数值
for (X, Y) in zip(x, y):
    plt.text(x=X, y=Y+0.2, s="%.1f" % Y, ha="center")
    print(X, Y)

# 显示图像
plt.show()

ax2=plt.subplot(122)

#创建ax2图的对象
rects = ax2.bar(x_bar,data,width=width,label='进阶的bar',color='red')
for rect in rects:
    #获取x轴的数据
    x_val = rect.get_x()
    #获取y轴的值
    y_val = rect.get_height()
    ax2.text(x_val+0.08,y_val+0.2,str(y_val)+'W')
plt.xlabel('季度')
plt.ylabel('销量')
plt.legend()
plt.show()
 

5 饼图 plt.pie()

函数原型：
pie(x,explode=None,labels=None,colors=None,autopct=None,pctdistance=0.6,shadow=False,labeldistance=1.1,startangle=None,radius=None)
参数解释：

x——
labels——饼图外侧显示的说明文字
explode——每一块离中心的距离
startangle——起始绘制角度，默认是从x轴方向逆时针画起，若设置=90咋就说从y轴正方向画起
shadow——是否有阴影
labeldistance——labei绘制的位置，相对于半径的比例，如<1则绘制在饼图内侧
autopct——控制饼图内百分比设置，可以使用format字符串或者format function %1.1f指的是小数点前后位数（没有用空格补齐)
pctdistance——类似于labeldistance,指定autopct的位置刻度
radius——控制圆的半径
 

6 直方图  plt.hist()

直方图(Histogram)又称质量分布图。是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。
直方图是数值数据分布的精确图形表示。这是一个连续变量（定量变量)的概率分布的估计，并且被卡尔·皮尔逊(Kar Pearson)首先引入。
hist的参数非常多，但常用的就这六个，只有第一个是必须的，后面可选

arr:需要计算直方图的一维数组
bins:直方图的柱数，可选项，默认为10
normed:是否将得到的直方图向量归一化。默认为0
facecolor:直方图颜色
edgecolor:直方图边框颜色
alpha:透明度
histtype:直方图类型，‘bar’ , ‘barstacked’ , ‘step’ , ‘stepfilled’
 

import numpy as np
import matplotlib.pyplot as plt

x=np.linspace(1,10,20)
plt.figure(figsize=(5,5))
bar3=plt.bar(x,x**2)

plt.show()

5 直方图 plt.hist()

  • 直方图(Histogram)又称质量分布图。是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。
  • 因此其中组距、组数起关键作用。分组过少，数据就非常集中；分组过多，数据就非常分散，这就掩盖了分布的特征。当数据在100以内时，一般分5~12组为宜
  • 一般表示同一种数据类型的，具体数值分布，比如概率p
  • 一般用横轴表示数据类型，纵轴表示分布情况。
  • 直方图是数值数据分布的精确图形表示。这是一个连续变量（定量变量)的概率分布的估计，并且被卡尔·皮尔逊(Kar Pearson)首先引入。

可以很好的展示数据分布情况的图表。通常用横轴表示数据范围，纵轴表示分布情况。正态分布通常就是以直方图的形式展示出来。绘制直方图可以通过 plt.hist() 函数实现。标准的 hist() 函数格式如下：

hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, *, data=None, **kwargs)
常用参数解释：

x: 输入数据

bins: 直方图的长条形数量

histtype: 直方图类型，包括 'bar', 'barstacked', 'step', 'stepfilled'

假设我们有如下数据和参数：

mu,sigma = 150,40
data = np.random.normal(mu,sigma,size=100).1,0)
此时我们可以通过如下方式绘制饼状图：

plt.hist(data, bins=20)
 

基本语法

plt.hist(population_ages,bins,label='直方图')

hist的参数非常多，但常用的就这六个，只有第一个是必须的，后面可选

  • arr:需要计算直方图的一维数组
  • bins:直方图的柱数，可选项，默认为10
  • normed:是否将得到的直方图向量归一化。默认为0
  • facecolor:直方图颜色
  • edgecolor:直方图边框颜色
  • alpha:透明度
  • histtype:直方图类型，‘bar’ , ‘barstacked’ , ‘step’ , ‘stepfilled’

返回值：

  • n:直方图向量，是否归一化由参数normed设定
  • bins:返回各个bin的区间范围
  • patches:返回每个bin里面包含的数据，是一个list.
     

import numpy as np
import matplotlib.pyplot as plt

x=np.linspace(1,10,20)
plt.figure(figsize=(5,5))
hist3=plt.hist(x,x**2)

plt.show()

import numpy as np
import matplotlib.pyplot as plt

population_ages =[11,22,31,42,55,102,122,130,97,111,75,65,43]
# 分组
bins= [0,20,40,60,80,100,120,140]
plt.hist(population_ages,bins,label='直方图')
plt.xlabel('x轴')
plt.ylabel('y轴')
plt.title('直方图')
plt.legend()
plt.show()

6 饼图

通过扇形的圆心角度数来表示某类数据占总数据的百分比。绘制饼状图通常我们会通过 plt.pie() 函数进行绘制。标准的 pie() 函数格式如下：

pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, *, normalize=None, data=None)
常用参数解释：

x: 输入数据

explode: 某个 label 的突出程度

labels: 每一类数据的标签

colors: 每一类数据的颜色

假设我们有如下数据和参数：

labels = ['cat','dog','bird','fish']
sizes = [10,30,50,10]
colors = ['red','yellow','lightskyblue','green']
explode = (0,0,0.1,0)
此时我们可以通过如下方式绘制饼状图：

plt.pie(sizes, explode=explode, labels=labels, colors=colors)
 

7

水平柱状图
常见的柱状图 X 轴水平，Y 轴垂直。有时候我们需要将两个轴反过来，这时候就可以使用 plt.barh() 函数绘制水平柱状图。标准 barh() 函数的格式如下：

barh(y, width, height=0.8, left=None, *, align='center', **kwargs)
水平柱状图的参数和柱状图基本一致，区别是 X 轴和 Y 轴互换。

完整的 API 描述可以参考[object Object]的官方文档。

假设我们有如下数据和参数：

# 生成第一组数据
num_list1=[20,30,15,35]
y_1 = [1., 2., 3., 4.]
# 生成第二组数据，注意这里的值设置为 y+height 为宜
num_list2=[15,30,40,20] 
y_2 = [1.4, 2.4, 3.4, 4.4]
此时我们可以通过如下方式绘制饼状图：

rects1 = plt.barh(y_1,height=0.4,width=num_list1,color='red',label='height')
rects2 = plt.barh(y_2,height=0.4,width=num_list2,color='blue',label='weight')
plt.legend()
 

奔跑的犀牛先生
关注
  • 21
    点赞
  • 踩
  • 27
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
Python生成3D图，饼图，合图，散点图，折线图，柱状图
01-26
1. **3D图**：3D图在Python中主要通过`matplotlib`库的`Axes3D`子模块实现。它可以用于展示数据的三维结构，如三维散点图、三维柱状图、三维曲面等。例如，你可以用`scatter3D()`绘制三维散点图，用`bar3d()`创建三...
Python 企业数据证券数据分析可视化 条形图散点图饼图折线图 经济金融画图matplotlib
02-28
Python 企业数据证券数据分析可视化 条形图散点图饼图折线图 证券简称 是否跨境并购 营业利润/营业总收入\n[报告期] 2009年报\n[单位] % 营业利润/营业总收入\n[报告期] 2010年报\n[单位] % 营业利润/营业总收入\n...
python画散点图
qq_42804105的博客
04-20 7万+
最近在搞聚类算法，所以难免会用到一些散点图的用法，总结一下，方便以后参考。
python绘制散点图
vergil_zsh的博客
03-03 1万+
python 绘制散点图
python画多条折线图(简介)
我的博客
01-10 1万+
目录 一、打开python 二、代码 三、运行结果 一、打开python 新建一个pathon项目。 二、代码 # -*- coding: utf-8 -*- import matplotlib.pyplot as plt names = ['1', '2', '3', '4', '5', '6'] x = range(len(names)) plt.rcParams['font.sans-serif'] = ['SimHei'] # 显示汉字 y_1 = [2, ...
Python数据可视化之散点图(基础篇---图文并茂详细版！！！)
但行好事，莫问前程
06-21 7万+
Python数据可视化之散点图介绍准备工作所需的库虚拟环境简单散点图 介绍        •数据可视化的应用十分广泛,几乎可以应用于自然科学、工程技术、金融、通信和商业等各种领域。下面我们基于Python，介绍一下第一个常用知识点—散点图 准备工作 所需的库        •为了使数据可视化我们需要安装下述的库，再进行可视化操作！！    
python使用matplotlib模块绘制多条折线图、散点图
01-20
在Python的科学计算和数据分析领域，`matplotlib` 是一个不可或缺的库，它提供了丰富的图形绘制功能，包括折线图、散点图等。本例主要讲述了如何使用`matplotlib`在同一图表上绘制多条折线图和散点图，以便进行数据...
Python 数据分析（二）：Matplotlib 绘图
12-22
Matplotlib 是 Python 提供的一个绘图库，通过该库我们可以很容易的绘制出折线图、直方图、散点图、饼图等丰富的统计图，安装使用 pip install matplotlib 命令即可，Matplotlib 经常会与 NumPy 一起使用。...
python matplotlib库的基本使用
12-16
【Python Matplotlib库基本使用】 Matplotlib是Python中最流行的绘图库之一，它深受数据分析和机器学习领域的喜爱，尤其对于那些熟悉MATLAB但更倾向于Python语法的人来说。MATLAB的图形功能强大，但作为一款商业...
利用python绘制散点图
10-23
本代码是利用python绘制散点图，使用xlrd读取Excel文件，
【Python】Matplotlib绘制折线图
qq_53893431的博客
05-22 2万+
文章目录1.Matplotlib画图简单实现2.折线图2.1绘制折线图2.2设置线的格式2.3设置折点2.4.图片的保存和导出2.5设置刻度2.6显示中文2.7实例：每分钟心脏跳动图3.拓展3..1一图多线3.2一图多个坐标子图3.3坐标轴设置 1.Matplotlib画图简单实现 Matplotlib在一个绘制2D图片的库 import matplotlib.pyplot as plt #第一个表示x轴,第二个列表表示y轴 plt.plot([1,0,9],[4,5,6]) plt.show() .
Python机器学习原理与算法实现中绘制散点图和线图的操作
最新发布
m0_72274883的博客
01-01 1287
作为对数据进行预处理的重要工具之一，散点图（Scatter Diagram）深受专家、学者们的喜爱。散点图的简要定义就是点在直角坐标系平面上的分布图。研究者对数据制作散点图的主要出发点是通过绘制该图来观察某变量随另一变量变化的大致趋势，据此可以探索数据之间的关联关系，甚至选择合适的函数对数据点进行拟合。散点图的绘制函数是plt.scatter() 和sns.scatterplot() 。
python使用plot画图
xd-cy的博客
03-01 5960
参考地址：matplot官方文档 调用方法 from matplotlib import pyplot as plt # 引入库 plot([x], y, [fmt], data=None, **kwargs) plot([x], y, [fmt], [x2], y2, [fmt2], ..., **kwargs) 简单使用 from matplotlib import pyplot as plt y = [1,2,3,2,1] plt.plot(y) # 绘制y坐标，x坐标使用列表0..N-1
Matplotlib 线图点图
不想随波逐流的大学生一枚，我们每个人都在努力奔跑
05-20 1013
使用python的Matplotlib如何构建坐标系、保存、画点图线图
Python matplotlib绘制折线图
weixin_43790276的博客
11-01 6万+
Python matplotlib绘制折线图
科学数据库Python——matplotlib画折线图
weixin_43172869的博客
05-11 2221
matplotlib绘制折线图基础操作matplotlib基础绘图设置图片大小保存到本地调整x或者y轴刻度的间距解决matplotlib的中文乱码问题标题、x轴和y轴的描述信息线条的样式为每条线添加图例设定颜色和线条宽度等给图片添加一个水印（防伪，防止盗用） matplotlib基础绘图 from matplotlib import pyplot as plt # 导入画图工具包 x = range(2,26,2) y = [15,13,14.5,17,20,25,26,26,24,22,18,15] #
用python绘制散点图
热门推荐
tszupup的博客
07-13 14万+
今天下午学习了如何使用python绘制简单的散点图，写成博客分享一下。 在python中画散点图主要是用matplotlib模块中的scatter函数，先来看一下scatter函数的基本信息。 网址为：点击打开链接 可以看到scatter中有很多参数，经常使用的参数主要有以下几个：c：marker: 数据、代码和绘制的图如下。 数据（取第一列作为x，取第四列作为y）截图： 代码如下...
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