matplotlib 实践(2) 使用函数绘制matplotli

第二章 使用函数绘制简单图形

这一章介绍熟悉的统计图形plot(),scatter()
先介绍基础的统计图形函数的功能、调用签名、参数说明和调用展示四个方面。

2.1 函数bar()——绘制柱状图

plt.bar()

import matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib inline

mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]= False

x=[1,2,3,4,5,6,7,8]
y=[3,1,4,5,8,9,7,2]

plt.bar(x,y,align="center",color='c',tick_label=['q','a','c','e','r','j','b','q'],hatch="/")

plt.xlabel("箱子编号")
plt.ylabel("箱子重量(kg)")
plt.show()

柱状图

2.2 函数barh—— 水平的条形图(柱状图)

plt.barh(x,y)

import matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib inline

mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]= False

x=[1,2,3,4,5,6,7,8]
y=[3,1,4,5,8,9,7,2]

plt.barh(x,y,align="center",color='c',tick_label=['q','a','c','e','r','j','b','q'],hatch="/")

plt.xlabel("箱子重量(kg)")
plt.ylabel("箱子编号")
plt.show()

条形图

2.3 函数hist() —— 用于绘制直方图

在x轴上绘制定量数据的分布特征
plt.hist(x,bins)

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]= False

x = np.random.randint(0,10,100)
bins = range(0,11,1)

plt.hist(x,bins=bins,
        color="g",

        histtype="bar",
        rwidth=1,
        alpha=0.6)


plt.xlabel("箱子重量(kg)")
plt.ylabel("销售个数(个)")
plt.show()

直方图

2.4 函数pie() —— 用于绘制饼图

绘制不同类别的百分比
plt.pie(x,labels)

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]= False

kinds  = "简易箱","保温箱","行李箱","密封箱"
colors = ["r",'y','r','b']
soldNums = [0.05,0.45,0.15,0.35]

plt.pie(soldNums,
       labels=kinds,
       autopct="%3.1f%%"
       )

plt.title("不同类型箱子的销售数量占比")
plt.show()

饼图

2.5 函数polar()—— 绘制极线图

在极坐标上绘制折线图(感觉用的不多)
plt.polar(theta,r)

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

barSlices = 12

theta = np.linspace(0.0,2*np.pi,barSlices,endpoint=False)
r = 30*np.random.rand(barSlices)

plt.polar(theta,r,color="chartreuse",marker="*",linewidth=2,mfc='b',ms=10)

plt.title("极线图")
plt.show()

极线图

2.6 函数 scatter() —— 用于绘制气泡图

二维数据借助气泡大小展示三维数据
plt.scatter(x,y)

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
a = np.random.randn(100) 
b = np.random.randn(100)

plt.scatter(a,b,s=np.power(10*a+20*b,2),
            c=np.random.rand(100),
            cmap=plt.cm.RdYlBu,
            marker='o'
            )

plt.title("气泡图")
plt.show()

气泡图

2.7 函数stem()——绘制棉棒图

绘制离散的有序数据
plt.stem(x,y,linefmt,markerfmt,basefmt)

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

x = np.linspace(0.5,2*np.pi,20)
y = np.random.randn(20)

plt.stem(x,y,linefmt="-.",markerfmt="o",basefmt="-")

plt.title("棉棒图")
plt.show()

棉棒图

2.8 函数boxplot()—— 用于绘制箱线图

plt.boxplot(x)
还有很多其他的参数可以查阅matplotlib的文档
matplotlib可视化箱线图

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

mpl.rcParams["font.sans-serif"]=["FangSong"]
mpl.rcParams["axes.unicode_minus"]= False

x = np.random.randn(1000)

plt.boxplot(x) 

plt.xticks([1],["随机数生成器"])
plt.ylabel("随机数值")
plt.title("随机数生成器的稳定性")

plt.grid(axis='y',ls=":",lw=1,color="r",alpha=0.4)

plt.show() #展示

箱线图

2.9 函数errorbar() —— 绘制误差棒图

绘制x轴或者是y轴方向上的误差范围
plt.errorbar(x,y,yerr,xerr)
yerr,xerr分别是误差计算方法

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

x = np.linspace(0.1,0.6,6)
y = np.exp(x)

plt.errorbar(x,y,fmt="bo:",yerr=0.2,xerr=0.02)
plt.xlim(0,0.7)
plt.title("误差棒图")
plt.show()

误差棒图

References

1、《Python数据可视化之matplotlib实践》 刘大成著