Python画图matplotlib.pyplot-plt部分示例

已于 2024-01-24 20:18:50 修改
阅读量456 收藏 11
点赞数 7
文章标签： python matplotlib 学习
于 2024-01-12 14:41:33 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/yyyqzi/article/details/135533146
版权

写在前面：
1.数据来源均为2023年华为杯数学竞赛C题，不方便放数据，因此贴图
2.图的名字分不清，有点乱

图的样式和目录对应↓

目录


对应

1.直方图

#数据形式
数据
#目标
希望画出一个专家的均值与标准分分布，并展示在一张图内

#代码

import numpy as np
import pandas as pd
import ast
from collections import defaultdict
import matplotlib.pyplot as plt
import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = [u'SimHei']  # 中文字体可修改
mpl.rcParams['axes.unicode_minus'] = False

path= 'your data.xlsx'
data = pd.read_excel(path,decimal=",",sheet_name=1)
experts = set(data["专家编码"])  #16个专家
#遍历
dict_origin = defaultdict(list)
dict_standard = defaultdict(list)
for row in data.itertuples():
    code = row[1]
    origin = eval(row[2])
    standard = ast.literal_eval(row[3])
    dict_origin[code]=origin 
    #只能用列表存，原始分可能相同
    dict_standard[code]=standard
    # 所有的都归类，每位专家所评作品的所有评分：原始+标准

# 画图
bins = np.linspace(0,100,50)
def double_hist(ax,data1,data2,expert):
    #data1原始分，data2标准分
    ax.hist(data1,bins,alpha=0.6,color='r')
    ax.hist(data2,bins,alpha=0.6,color='g')
    ax.set_title(expert,fontsize=12)
    ax.tick_params(axis='x', labelsize=9)
    ax.tick_params(axis='y', labelsize=9)


fig,ax = plt.subplots()
double_hist(ax,dict_origin['P464'],data2 = dict_standard['P464'],expert='P464')
plt.show()

#效果
图

2.直方图-多张1

#数据形式
数据
#目标
希望画出多个专家的均值与标准分分布，并展示在一张图内

#代码

## 每位专家的打分特点
import numpy as np
import pandas as pd
import ast
from collections import defaultdict
import matplotlib.pyplot as plt
import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = [u'SimHei']  # 中文字体可修改
mpl.rcParams['axes.unicode_minus'] = False

path= 'your data.xlsx'
data = pd.read_excel(path,decimal=",",sheet_name=1)
experts = set(data["专家编码"])  #16个专家
#遍历
dict_origin = defaultdict(list)
dict_standard = defaultdict(list)
for row in data.itertuples():
    code = row[1]
    origin = eval(row[2])
    standard = ast.literal_eval(row[3])
    dict_origin[code]=origin 
    #只能用列表存，原始分可能相同
    dict_standard[code]=standard
    # 所有的都归类，每位专家所评作品的所有评分：原始+标准

# 画图
bins = np.linspace(0,100,50)
def double_hist(ax,data1,data2,expert):
    #data1原始分，data2标准分
    ax.hist(data1,bins,alpha=0.6,color='r')
    ax.hist(data2,bins,alpha=0.6,color='g')
    ax.set_title(expert,fontsize=12) #每个图的标题文字大小调整
    ax.tick_params(axis='x', labelsize=9)
    ax.tick_params(axis='y', labelsize=9)

# 子图位置的序列
fig1,axes1 = plt.subplots(4,4)
axes1_list = []
for i in range(axes1.shape[0]):
    for j in range(axes1.shape[1]):
        axes1_list.append(axes1[i, j])

experts = list(experts)  
for i in range(16): 
    ax1= axes1_list[i]
    expert = experts[i]
    data1 = dict_origin[expert]
    data2 = dict_standard[expert]
    double_hist(ax1,data1,data2,expert)

#fig,axes = plt.subplots(2,3)

plt.tight_layout()
plt.subplots_adjust(left=None, bottom=None, right=None, top=None, \
    wspace=None, hspace=0.45)
plt.show()
#plt.savefig("your photo name.png",bbox_inches='tight')

#效果
图

3.直方图多张2

#数据形式
下表对应该行代码
data1 = pd.read_excel(path,decimal=“,”,sheet_name=2)
数据形式

#代码

## 每位专家的打分特点
import numpy as np
import pandas as pd
import tqdm
from collections import defaultdict
import matplotlib.pyplot as plt
import matplotlib as mpl
import pylab as pl
from scipy.stats import norm
import seaborn as sns
import mpl_toolkits.axisartist as axisartist
mpl.rcParams['font.sans-serif'] = [u'SimHei']  # 中文字体可修改
mpl.rcParams['axes.unicode_minus'] = False

path= 'your data.xlsx'
data1 = pd.read_excel(path,decimal=",",sheet_name=2)
data2 = pd.read_excel(path,decimal=",",sheet_name=3)
data3 = pd.read_excel(path,decimal=",",sheet_name=4)
data4 = pd.read_excel(path,decimal=",",sheet_name=5)
data5 = pd.read_excel(path,decimal=",",sheet_name=6)

data = pd.concat([data1,data2,data3,data4,data5],axis=0)
experts = set(data["专家编码"])  #97个专家
#遍历
dict_origin = defaultdict(list)
dict_standard = defaultdict(list)
dict_delhl = defaultdict(list)
for row in data.itertuples():
    code = row[2]
    origin = row[3]
    standard = row[4]
    delhl = row[5]
    dict_origin[code].append(origin) 
    #只能用列表存，原始分可能相同
    dict_standard[code].append(standard)
    dict_delhl[code].append(delhl)
    
    # 所有的都归类，每位专家所评作品的所有评分：原始+标准


# 画图
bins = np.linspace(0,100,50)
def double_hist(ax,data1,data2,expert):
    #data1原始分，data2标准分
    ax.hist(data1,bins,alpha=0.6,color='r')
    ax.hist(data2,bins,alpha=0.6,color='g')
    ax.set_title(expert,fontsize=6)
    ax.tick_params(axis='x', labelsize=6)
    ax.tick_params(axis='y', labelsize=6)

# 子图位置的序列
fig1,axes1 = plt.subplots(2,3)
#fig2,axes2 = plt.subplots(2,3)
axes1_list = []
for i in range(axes1.shape[0]):
    for j in range(axes1.shape[1]):
        axes1_list.append(axes1[i, j])
axes2_list = axes1_list


experts = list(experts)  
count=0
while count<=5: 
    ax1= axes1_list[count]
    ax2 = axes2_list[count]
    expert = experts[count]
    count = count+1
    data1 = dict_origin[expert]
    data2 = dict_standard[expert]
    data3 = dict_delhl[expert]
    #double_hist(ax1,data1,data2,expert)
    double_hist(ax2,data1,data3,expert)
#fig,axes = plt.subplots(2,3)
#fig.delaxes(axes[1][2])
#fig.delaxes(axes[32][3-1])
# fig1.suptitle(u"每位专家的原始分和标准分分布")
# plt.savefig("Problem2.1-每位专家表1.png",bbox_inches='tight')

fig1.suptitle(u"每位专家的原始分和去高去低分分布")
plt.show()
#plt.savefig("Problem2.1-每位专家2表1.png",bbox_inches='tight')

#效果
效果

4.大概是折线

#数据形式
数据
#目标
希望画出多个专家的均值与标准分分布，并展示在一张图内

#代码

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import mpl_toolkits.axisartist as axisartist
import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = [u'SimHei']  # 中文字体可修改
mpl.rcParams['axes.unicode_minus'] = False
# 每份作品：实际计算每个作品
path = 'your data.xlsx'
data = pd.read_excel(path,sheet_name=7)
#data = np.array(data)

df1 = data.loc[:,(u'原始分均值',u'去高去低平均分')]

fig = plt.figure(figsize=(7,4))
ax1 = axisartist.Subplot(fig,111)
fig.add_axes(ax1)
ax1.axis['right'].set_visible(False)
ax1.axis['top'].set_visible(False)
ax1.axis["bottom"].set_axisline_style("->", size = 1.5)
ax1.axis["left"].set_axisline_style("->", size = 1.5)
x = range(2015)
ax1.plot(x,data[u'原始分均值'],alpha=0.7,linestyle='-.',color='#b03d26',label="原始分均值")
ax1.plot(x,data[u'标准分均值'],alpha=0.5,linestyle='-.',color='#005f81',label='标准分均值')
plt.legend(loc='upper right',fontsize='small')
plt.ylabel("分数",fontsize=12)
plt.grid(axis='y')
#plt.show()
plt.savefig("原始分与标准分均值.png",bbox_inches='tight')

#效果
效果

5.直方+分布拟合1

#数据形式
数据形式
#代码

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import matplotlib as mpl
import pylab as pl
from scipy.stats import norm
import seaborn as sns
import mpl_toolkits.axisartist as axisartist

mpl.rcParams['font.sans-serif'] = [u'SimHei']  # 中文字体可修改
mpl.rcParams['axes.unicode_minus'] = False

###第二阶段，一等奖二等奖三等奖分布
path = 'your data.xlsx'
data = pd.read_excel(path,sheet_name=0)
df1 = data[data["奖项"]=="一等奖"]
df11 = df1['均值']
df12 = df1['极差']
df2 = data[data["奖项"]=="二等奖"]
df21 = df2['均值']
df22 = df2['极差']
df3 = data[data["奖项"]=="三等奖"]
df31 = df3['均值']
df32 = df3['极差']
df4 = data[data["奖项"]=="未获奖"]
df41 = df3['均值']
df42 = df3['极差']

fig = plt.figure()
ax1 = axisartist.Subplot(fig,111)
fig.add_axes(ax1)

#fig, ax1 = plt.subplots()  
ax1.axis['right'].set_visible(False)
ax1.axis['top'].set_visible(False)
ax1.axis["bottom"].set_axisline_style("->", size = 1.5)
ax1.axis["left"].set_axisline_style("->", size = 1.5)
ax2 = ax1.twinx() 
mu = np.mean(data['极差'])
sigma = np.std(data['极差'])
bins = np.linspace(0,100,30)
ax1.hist(df11,bins,alpha=0.95,label="一等奖",color='#d9412b')
ax1.hist(df21,bins,alpha=0.6,label="二等奖",color='#c7c7c7')
ax1.hist(df31,bins,alpha=0.6,label="三等奖",color='#278383')
ax1.hist(df41,bins,alpha=0.4,label="未获奖",color='y')
ax1.set_ylabel("获奖人数",fontsize=10)
ax1.set_xlabel("获奖成绩",fontsize=10)
y = norm.pdf(bins,mu,sigma)
ax2.plot(bins,y,"--",color='k',linewidth=2,label='分布拟合图')

fig.legend(loc='upper right',bbox_to_anchor=(1,1),bbox_transform=ax1.transAxes)
plt.title("获奖成绩的均值分布",fontsize=18)
plt.show()

#效果
效果

6.直方+分布拟合2

#数据形式
数据形式
#代码

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import matplotlib as mpl
import pylab as pl
from scipy.stats import norm
import seaborn as sns
import mpl_toolkits.axisartist as axisartist

mpl.rcParams['font.sans-serif'] = [u'SimHei']  # 中文字体可修改
mpl.rcParams['axes.unicode_minus'] = False

##第二阶段，一等奖二等奖三等奖均值分布
path = 'your data.xlsx'
data = pd.read_excel(path,sheet_name=0)
df1 = data[data["奖项"]=="一等奖"]
df11 = df1['均值']
df12 = df1['极差']
df2 = data[data["奖项"]=="二等奖"]
df21 = df2['均值']
df22 = df2['极差']
df3 = data[data["奖项"]=="三等奖"]
df31 = df3['均值']
df32 = df3['极差']

fig, ax1 = plt.subplots()  

ax2 = ax1.twinx() 
mu = np.mean(data['均值'])
sigma = np.std(data['均值'])
bins = np.linspace(25,75,50)
ax1.hist(df11,bins,alpha=0.85,label="一等奖",color='#e76254')
ax1.hist(df21,bins,alpha=0.85,label="二等奖",color='#ffd06f')
ax1.hist(df31,bins,alpha=0.85,label="三等奖",color='#72bcd5')
ax1.set_ylabel("获奖人数",fontsize=10)
plt.grid()
y = norm.pdf(bins,mu,sigma)
ax2.plot(bins,y,"--",color='#376795',linewidth=3,label='分布拟合图')

fig.legend(loc='upper right',bbox_to_anchor=(1,1),bbox_transform=ax1.transAxes)

#plt.legend(loc='upper right')
ax1.set_xlabel("获奖成绩",fontsize=10)
#plt.title("获奖成绩的均值分布",fontsize=18)
plt.grid()
plt.show()

#效果
效果

7.双折线图，多图

#数据形式
数据形式

#代码

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import matplotlib as mpl
import pylab as pl
from scipy.stats import norm
import seaborn as sns
import mpl_toolkits.axisartist as axisartist

mpl.rcParams['font.sans-serif'] = [u'SimHei']  # 中文字体可修改
mpl.rcParams['axes.unicode_minus'] = False

path = 'your data.xlsx'
data = pd.read_excel(path,sheet_name=0)
df1 = data[['第一阶段标准分均值','第二阶段标准分均值']]
df2 = data[['第一阶段标准分极差','第二阶段标准分极差']]
fig1 =plt.figure()
#ax1 = fig1.add_subplot()
ax1 = plt.subplot(211)
df1.plot(
       ax=ax1,
       kind='line',
       style = '--.',
       alpha = 0.5,
       use_index = True,
       rot = 45,
       grid = True,
       figsize = (8,6),
       title = '均值',
       legend = True,
       subplots = False, #False是将这4条线绘制到一个图里边。
       color=(['#C75C64','#F0B57D']))
ax1.set_ylim([45, 70])

ax2 = plt.subplot(2,1,2)
df2.plot(ax = ax2,
       kind='line',
       style = '--.',
       alpha = 0.5,
       use_index = True,
       rot = 45,
       grid = True,
       figsize = (8,6),
       title = '极差',
       legend = True,
       subplots = False, #False是将这4条线绘制到一个图里边。
       color=(["#7895C1","#007D7D"]))
ax2.set_ylim([0, 40])
plt.show()

#效果
效果

yyyqzi
关注
  • 7
    点赞
  • 踩
  • 11
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
plt实例
qq_17136695的博客
10-21 517
classes = ['plane', 'car', 'bird', 'cat', 'deer', 'dog', 'frog', 'horse', 'ship', 'truck'] num_classes = len(classes) samples_per_class = 7 for y, cls in enumerate(classes):     idxs = np.flatnonz
python plt 绘图详解（plt.版本）
qq_30150579的博客
11-23 3万+
python plt绘图详解
Python绘制折线图、散点图...Pyplot库功能使用示例大全
qq_42244418的博客
05-09 5981
matplotlib.pyplot库是Python中一个非常重要的可视化工具，可以用于绘制各种图表。本文给出了图表绘制的各种示例，并详细解释了参数设置
Python使用Matplotlib库绘制双y轴图形（柱状图+折线图）
最新发布
XIAOWANGaxs的博客
06-04 1万+
Matplotlib可以创建出版质量的图形，制作交互式的图形，自定义视觉风格和布局，导出到多种文件格式，嵌入在JupyterLab和图形用户界面中。Matplotlib提供了多种图形，包括基本的柱状图、折线图、散点图、箱线图、散点图、饼图等，还提供了极坐标图、3D图形等高级的可视化图形（如果不想看官方文档，可以查看。好了，今天的踩坑日记就到这里了，对于图的其它修改细节，大家可以自己尝试一下，多试试总能发现不同的坑。，并且也没有出现报错信息，说明两个图例都显示出来的，很有可能就是。
用matploylib库绘制折线图（二）
Tanzy666的博客
05-28 344
查找资料汇总某时间段内我国4个城市最高气温，用matplotlib库绘制折线图展示气温变化趋势。用plt.plot()绘制sinx和cosx函数曲线。
python-matplotlib画图.docx
05-07
在Python中，`matplotlib.pyplot`模块是主要的绘图接口，它包含了许多函数，可以用来绘制线图、散点图、直方图等。 首先，最基本的绘图操作是通过`plt.plot()`函数实现的。在示例中，`plt.plot([1,2,3])`会生成一条...
pythonmatplotlib画图.pdf
09-29
import matplotlib.pyplot as plt # 绘制一条简单的折线图 plt.plot([1, 2, 3]) # 添加 y 轴标签 plt.ylabel('some numbers') # 显示图表 plt.show() ``` - **默认行为**：当只向 `plot()` 函数传入一个列表或...
python Matplotlib画图之调整字体大小的示例
01-21
import matplotlib.pyplot as plt # 代码中的“...”代表省略的其他参数 ax = plt.subplot(111) # 设置刻度字体大小 plt.xticks(fontsize=20) plt.yticks(fontsize=20) # 设置坐标标签字体大小 ax.xlabel(..., ...
Python 各种画图
热门推荐
一些笔记
09-15 11万+
用 Python 画各种图所作的简单笔记，不断更新~ 基本涵盖了所有的基本绘图语句，还有一些常用的绘图示例，小白非常友好！
matplotlib模块--绘制折线图，双折线图和柱状图
m0_59854777的博客
12-06 2753
目录 导入模块 作业1：绘制折线图 作业2：绘制双折线图. 作业3：绘制柱状图形 导入模块 数据交互式开发环境——jupyternotebook 命令模式下快捷键 Shift-Eenter：运行本单元，选中下个单元Ctrl-Enter：运行本单元AltEnter：运行本单元，在其下插入新单元 .Y：单元转入代码状态 -M：单元转入markdown状态 .A：在上方插入新单元.B：在下方插入新单元 .D，D：删除选中的单元 作业1：绘制折线图 其中x=[0,1,2,3,4]，.
Python matplotlib 绘制双Y轴曲线图的示例代码
09-16
Matplotlib是非常强大的python画图工具，这篇文章主要介绍了Python matplotlib 绘制双Y轴曲线图,本文给大家介绍的非常详细，对大家的学习或工作具有一定的参考借鉴价值，需要的朋友可以参考下
如何用matplotlib画双y轴折线图
Jacob's blog
03-07 2870
def dual_y_plot(title, X1, Y1, X2, Y2): ''' :param title: tile , string :param X1: axis x1, list :param Y1: axis y1, list :param X2: axis x2, list :param Y2: axis y2, lis...
第一章 使用 matplotlib 绘制折线图
Python 自习室
04-17 2万+
系列文章目录 第一章 使用 matplotlib 绘制折线图 第二章 使用 matplotlib 绘制条形图 第三章 使用 matplotlib 绘制直方图 第四章 使用 matplotlib 绘制散点图 第五章 使用 matplotlib 绘制饼图 第六章 使用 matplotlib 绘制热力图 第七章 使用 matplotlib 绘制堆叠条形图 第八章 使用 matplotlib 在一个画布内绘制多个图 文章目录系列文章目录前言一、什么是折线图？二、折线图的绘制1.使用默认样式2.样式的设置三、应用场
【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() .
matplotlib绘制双折线图并设置图例
qq_44812523的博客
07-05 4554
通过代码实现下图所示的状态 from matplotlib import pyplot as plt from matplotlib import font_manager #设置字体显示 my_font=font_manager.FontProperties(fname="C:\Windows\Fonts\方正粗黑宋简体.ttf") x=range(11,31) y1=[1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1] #y轴的数据 y2=[1,0,3,1,2,2,3,
使用python画图案例大全【画玫瑰花、樱花树、小黄人等】
zmq836010的博客
06-27 3万+
这篇文章主要介绍了使用Python的turtle模块画图的方法，涉及turtle简介，运动命令，画笔控制命令的分享，以及具体操作的步骤，具有一定参考价值，需要的朋友可以了解下。简介：turtle是一个简单的绘图工具。它提供了一个海龟，你可以把它理解为一个机器人，只听得懂有限的指令。...
matplotlib画双轴折线图
Lemonade1031的博客
06-03 2482
matplotlib画双轴折线图 # -*- coding:utf-8 -*- ''' 以下程序修改文件路径可直接在导出的RTM报文上运行，无需在excel中进行预处理 import pandas as pd from pandas import DataFrame import matplotlib.pyplot as plt from matplotlib.pyplot import MultipleLocator plt.rcdefaults() plt.rcParams['font.sans-s
matplotlib绘制多折线图（解决matplotlib中文无法显示问题）
sunzhipan11的博客
07-03 1406
matplotlib绘制折线图
这40个Python可视化图表案例，强烈建议收藏！
ZONGXP的博客
10-08 1万+
Python可视化图表案例
import matplotlib.pyplot as plt怎么画图
05-18
Matplotlib是Python的一个绘图库，可以用来绘制各种类型的图表，包括线图、散点图、柱状图等等。以下是一个简单的例子展示如何使用Matplotlib绘制线图： ```python import matplotlib.pyplot as plt # 定义x和y的值 x = [1, 2, 3, 4, 5] y = [2, 4, 6, 8, 10] # 绘制线图 plt.plot(x, y) # 显示图表 plt.show() ``` 在上面的代码中，我们首先导入了Matplotlib的pyplot模块，并定义了x和y的值。接着，使用`plt.plot`函数绘制线图，并使用`plt.show`函数显示图表。 如果你需要绘制其他类型的图表，可以参考Matplotlib的官方文档，里面有详细的使用方法和示例。
评论 1
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