python使用Matplotlib繪制多種常見圖形
更新時(shí)間：2022年05月18日 16:22:32 作者：??Python研究者????
這篇文章主要介紹了python使用Matplotlib繪制多種常見圖形，文章圍繞主題展開詳細(xì)的用Matplotlib繪制內(nèi)容，需要的小伙伴可以參考一下
Matplotlib官網(wǎng) 如果想了解更多可查看官網(wǎng)。
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline #寫了這個(gè)就可以不用寫plt.show()
plt.rcParams['font.sans-serif']=['SimHei'] #用來正常顯示中文標(biāo)簽
plt.rcParams['axes.unicode_minus']=False #用來正常顯示負(fù)號(hào)
X = np.linspace(0, 2*np.pi,100)# 均勻的劃分?jǐn)?shù)據(jù)
Y = np.sin(X)
Y1 = np.cos(X)
plt.title("Hello World!!")
plt.plot(X,Y)
plt.plot(X,Y1)
X = np.linspace(0, 2*np.pi,100) Y = np.sin(X) Y1 = np.cos(X) plt.subplot(211) # 等價(jià)于 subplot(2,1,1) #一個(gè)圖版畫兩個(gè)圖 plt.plot(X,Y) plt.subplot(212) plt.plot(X,Y1,color = 'r')
柱狀圖
data = [5,25,50,20] plt.bar(range(len(data)),data)
水平繪制柱狀圖
data = [5,25,50,20] plt.barh(range(len(data)),data)
多個(gè)柱狀圖
data = [[5,25,50,20],
[4,23,51,17],
[6,22,52,19]]
X = np.arange(4)
plt.bar(X + 0.00, data[0], color = 'b', width = 0.25,label = "A")
plt.bar(X + 0.25, data[1], color = 'g', width = 0.25,label = "B")
plt.bar(X + 0.50, data[2], color = 'r', width = 0.25,label = "C")
# 顯示上面設(shè)置的 lable
plt.legend()
疊加型柱狀圖
data = [[5,25,50,20],
[4,23,51,17],
[6,22,52,19]]
X = np.arange(4)
plt.bar(X, data[0], color = 'b', width = 0.25)
plt.bar(X, data[1], color = 'g', width = 0.25,bottom = data[0])
plt.bar(X, data[2], color = 'r', width = 0.25,bottom = np.array(data[0]) + np.array(data[1]))
plt.show()
散點(diǎn)圖
N = 50 x = np.random.rand(N) y = np.random.rand(N) plt.scatter(x, y)
氣泡圖
N = 50 x = np.random.rand(N) y = np.random.rand(N) colors = np.random.randn(N) # 顏色可以用數(shù)值表示 area = np.pi * (15 * np.random.rand(N))**2 # 調(diào)整大小 plt.scatter(x, y, c=colors, alpha=0.5, s = area)
N = 50 x = np.random.rand(N) y = np.random.rand(N) colors = np.random.randint(0,2,size =50) plt.scatter(x, y, c=colors, alpha=0.5,s = area)
直方圖
a = np.random.rand(100) plt.hist(a,bins= 20) plt.ylim(0,15)
a = np.random.randn(10000)
plt.hist(a,bins=50)
plt.title("標(biāo)準(zhǔn)正太分布")
箱線圖
x = np.random.randint(20,100,size = (30,3)) plt.boxplot(x) plt.ylim(0,120) # 在x軸的什么位置填一個(gè) label，我們這里制定在 1，2，3 位置，寫上 A，B，C plt.xticks([1,2,3],['A','B','C']) plt.hlines(y = np.median(x,axis = 0)[0] ,xmin =0,xmax=3)
添加文字描述
# 設(shè)置畫布顏色為 blue
fig, ax = plt.subplots(facecolor='blue')
# y 軸數(shù)據(jù)
data = [[5,25,50,20],
[4,23,51,17],
[6,22,52,19]]
X = np.arange(4)
plt.bar(X+0.00, data[0], color = 'darkorange', width = 0.25,label = 'A')
plt.bar(X+0.25, data[1], color = 'steelblue', width = 0.25,label="B")
plt.bar(X+0.50, data[2], color = 'violet', width = 0.25,label = 'C')
ax.set_title("Figure 2")
plt.legend()
# 添加文字描述 方法一
W = [0.00,0.25,0.50]
for i in range(3):
for a,b in zip(X+W[i],data[i]):
plt.text(a,b,"%.0f"% b,ha="center",va= "bottom")
plt.xlabel("Group")
plt.ylabel("Num")
plt.text(0.0,48,"TEXT")
添加文字描述 方法二
X = np.linspace(0, 2*np.pi,100)# 均勻的劃分?jǐn)?shù)據(jù)
Y = np.sin(X)
Y1 = np.cos(X)
plt.plot(X,Y)
plt.plot(X,Y1)
plt.annotate('Points',
xy=(1, np.sin(1)),
xytext=(2, 0.5), fontsize=16,
arrowprops=dict(arrowstyle="->"))
plt.title("這是一副測(cè)試圖！")
多個(gè)圖形描繪 subplots
%pylab inline
pylab.rcParams['figure.figsize'] = (10, 6) # 調(diào)整圖片大小
# np.random.seed(19680801)
n_bins = 10
x = np.random.randn(1000, 3)
fig, axes = plt.subplots(nrows=2, ncols=2)
ax0, ax1, ax2, ax3 = axes.flatten()
colors = ['red', 'tan', 'lime']
ax0.hist(x, n_bins, normed=1, histtype='bar', color=colors, label=colors)
ax0.legend(prop={'size': 10})
ax0.set_title('bars with legend')
ax1.hist(x, n_bins, normed=1, histtype='bar', stacked=True)
ax1.set_title('stacked bar')
ax2.hist(x, n_bins, histtype='step', stacked=True, fill=False)
ax2.set_title('stack step (unfilled)')
# Make a multiple-histogram of data-sets with different length.
x_multi = [np.random.randn(n) for n in [10000, 5000, 2000]]
ax3.hist(x_multi, n_bins, histtype='bar')
ax3.set_title('different sample sizes')
使用Pandas 繪圖
import pandas as pd df = pd.DataFrame(np.random.rand(50, 2), columns=['a', 'b']) # 散點(diǎn)圖 df.plot.scatter(x='a', y='b')
df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d']) # 繪制柱狀圖 df.plot.bar()
# 堆積的柱狀圖 df.plot.bar(stacked=True)
# 水平的柱狀圖 df.plot.barh(stacked=True)
df = pd.DataFrame({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),'c':np.random.randn(1000) - 1}, columns=['a', 'b', 'c'])
# 直方圖
df.plot.hist(bins=20)
# 箱線圖 df = pd.DataFrame(np.random.rand(10, 5), columns=['A', 'B', 'C', 'D', 'E']) df.plot.box()
到此這篇關(guān)于python使用Matplotlib繪制多種常見圖形的文章就介紹到這了,更多相關(guān)Matplotlib繪制圖圖形內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
您可能感興趣的文章:
相關(guān)文章
Python中面向?qū)ο竽銘?yīng)該知道的一下知識(shí)
這篇文章主要介紹了Python中面向?qū)ο竽銘?yīng)該知道的一下知識(shí),文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-07-07
pandas 按日期范圍篩選數(shù)據(jù)的實(shí)現(xiàn)
這篇文章主要介紹了pandas 按日期范圍篩選數(shù)據(jù)的實(shí)現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2021-02-02
這篇文章主要介紹了python中的正斜杠與反斜杠實(shí)例驗(yàn)證,本文給大家介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或工作具有一定的參考借鑒價(jià)值，需要的朋友可以參考下2023-03-03
numpy:np.newaxis 實(shí)現(xiàn)將行向量轉(zhuǎn)換成列向量
今天小編就為大家分享一篇numpy:np.newaxis 實(shí)現(xiàn)將行向量轉(zhuǎn)換成列向量，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧2019-11-11
這篇文章主要介紹了在Django框架中編寫Contact表單的教程,Django是Python特色各異的框架中最有人氣的一個(gè),需要的朋友可以參考下2015-07-07
所謂切片就是在某個(gè)數(shù)據(jù)里提取需要的部分,提取到的是某個(gè)索引下的值,或者索引區(qū)間的值,下面這篇文章主要給大家介紹了關(guān)于python切片操作方法的相關(guān)資料,文中通過實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下2022-06-06
本文主要介紹了python httpx的具體使用，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2023-04-04
python中的十大%占位符對(duì)應(yīng)的格式化的使用方法
本文主要介紹了python中的十大%占位符對(duì)應(yīng)的格式化的使用方法，它可以很好的幫助我們解決一些字符串格式化的問題， 文中通過示例代碼介紹的非常詳細(xì)，感興趣的小伙伴們可以參考一下2022-01-01
Python里的merger函數(shù)是數(shù)據(jù)分析工作中最常見的函數(shù)之一，類似于MySQL中的join函數(shù)和Excel中的vlookup函數(shù)。本文將通過一些簡(jiǎn)單的實(shí)力和大家聊聊Merge的使用，需要的可以了解一下2023-02-02
python實(shí)現(xiàn)百萬答題自動(dòng)百度搜索答案
這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)百萬答題自動(dòng)百度搜索答案，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下2018-01-01