利用Matplotlib繪制折線圖、散點圖、柱狀圖、直方圖、餅圖的實例

更新時間：2023年09月13日 09:15:49 作者：learning-striving

這篇文章主要介紹了利用Matplotlib繪制折線圖、散點圖、柱狀圖、直方圖、餅圖的實例代碼,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教

一、折線圖

以折線的上升或下降來表示統(tǒng)計數(shù)量的增減變化的統(tǒng)計圖

特點：能夠顯示數(shù)據(jù)的變化趨勢，反映事物的變化情況(變化)

函數(shù)：plt.plot(x, y)

import matplotlib.pyplot as plt
import random
from pylab import mpl
mpl.rcParams["font.sans-serif"] = ["SimHei"]   # 設置顯示中文字體
mpl.rcParams["axes.unicode_minus"] = False   # 設置正常顯示符號
# 數(shù)據(jù)準備
x = range(24)   
y = [random.uniform(13, 20) for i in x]   # random.uniform()：隨機生成13-20范圍內的浮點數(shù)
plt.figure(figsize=(10, 5), dpi=80)   # 創(chuàng)建畫布
plt.plot(x, y, color='y', linestyle='-',label='樟樹')   # 繪制折線圖
x_ticks_label = ["{}:00".format(i) for i in x]   # 構建x軸刻度標簽
y_ticks = range(40)   # 構建y軸刻度
# 修改x,y軸坐標的刻度顯示
plt.xticks(x[::2], x_ticks_label[::2])
plt.yticks(y_ticks[10:20:1])
plt.grid(True, linestyle='-', alpha=0.9)   # 添加網(wǎng)格
plt.legend(loc=0)   # 顯示圖例
# 描述信息
plt.xlabel("時間")
plt.ylabel("溫度")
plt.title("24小時內溫度變化圖", fontsize=18)
plt.savefig("./plot.jpg")  # 保存至指定位置
plt.show()  # 顯示圖像

結果如下

二、散點圖

用兩組數(shù)據(jù)構成多個坐標點，考察坐標點的分布,判斷兩變量之間是否存在某種關聯(lián)或總結坐標點的分布模式

特點：判斷變量之間是否存在數(shù)量關聯(lián)趨勢，展示離群點(分布規(guī)律)

函數(shù)：plt.scatter(x, y)

import matplotlib.pyplot as plt
import random
# 數(shù)據(jù)準備
x = range(100)   
y = [random.uniform(13, 20) for i in x]   # random.uniform()：隨機生成13-20范圍內的浮點數(shù)
plt.figure(figsize=(10, 5), dpi=80)   # 創(chuàng)建畫布
plt.scatter(x, y, color='r', linestyle='-',label='樟樹')   # 繪制折線圖
x_ticks_label = ["{}天".format(i) for i in x]   # 構建x軸刻度標簽
y_ticks = range(25)   # 構建y軸刻度
# 修改x,y軸坐標的刻度顯示
plt.xticks(x[::10], x_ticks_label[::10])
plt.yticks(y_ticks[10:22:2])
plt.grid(True, linestyle='-', alpha=0.9)   # 添加網(wǎng)格
plt.legend(loc=0)   # 顯示圖例
# 描述信息
plt.xlabel("時間/天")
plt.ylabel("溫度")
plt.title("24小時內溫度變化圖", fontsize=18)
plt.savefig("./scatter.jpg")  # 保存至指定位置
plt.show()  # 顯示圖像

結果如下

三、柱狀圖

排列在工作表的列或行中的數(shù)據(jù)可以繪制到柱狀圖中

特點：繪制連離散的數(shù)據(jù),能夠一眼看出各個數(shù)據(jù)的大小,比較數(shù)據(jù)之間的差別(統(tǒng)計/對比)

函數(shù)：plt.bar(x, width, align='center', **kwargs)

x：需要傳遞的數(shù)據(jù)
width：柱狀圖的寬度
align：每個柱狀圖的位置對齊方式
**kwargs
color：選擇柱狀圖的顏色

import matplotlib.pyplot as plt
import random
# 數(shù)據(jù)準備
x = range(0,10)   
y = [random.randint(35, 45) for i in x]   # random.uniform()：隨機生成13-20范圍內的浮點數(shù)
plt.figure(figsize=(10, 5), dpi=80)   # 創(chuàng)建畫布
plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g'])   # 繪制折線圖
x_ticks_label = ["21{}班".format(i) for i in x]   # 構建x軸刻度標簽
y_ticks = range(55)   # 構建y軸刻度
# 修改x,y軸坐標的刻度顯示
plt.xticks(x[::1], x_ticks_label[::1])
plt.yticks(y_ticks[0:55:5])
plt.grid(True, linestyle=':', alpha=0.3)   # 添加網(wǎng)格
# 描述信息
plt.xlabel("班級")
plt.ylabel("人數(shù)")
plt.title("2021級各班人數(shù)柱狀圖", fontsize=18)
plt.savefig("./bar.jpg")  # 保存至指定位置
plt.show()  # 顯示圖像

結果如下

四、直方圖

由一系列高度不等的縱向條紋或線段表示數(shù)據(jù)分布的情況，一般用橫軸表示數(shù)據(jù)范圍，縱軸表示分布情況

特點：繪制連續(xù)性的數(shù)據(jù)展示一組或者多組數(shù)據(jù)的分布狀況(統(tǒng)計)

函數(shù)：matplotlib.pyplot.hist(x, bins=None)

x：需要傳遞的數(shù)據(jù)
bins：組距

import matplotlib.pyplot as plt
import numpy as np
plt.style.use('_mpl-gallery')
# 生成數(shù)據(jù)
np.random.seed(1)   # 隨機數(shù)種子，用于生成隨機數(shù)
x = 4 + np.random.normal(0, 1.5, 200) 
# numpy.random.normal(loc=0.0, scale=1.0, size=None)  為一個正態(tài)分布
# loc(float)：均值，對應著這個分布的中心。loc=0說明這一個以y軸為對稱軸的正態(tài)分布
# scale(float)：標準差，對應分布的寬度，scale越大越矮胖，scale越小，越瘦高
# size(int 或者整數(shù)元組)：輸出的值賦在shape里，默認為None
# plot:
fig, ax = plt.subplots()
ax.hist(x, bins=8, linewidth=0.5, edgecolor="white")
ax.set(xlim=(0, 10), xticks=np.arange(1, 10),
       ylim=(0, 56), yticks=np.linspace(0, 56, 9)) # 9個，包含0，間隔為7，7×8=56，即[0,7,14,21,28,35,42,49,56]
# np.arange()：返回一個有終點和起點的固定步長的排列
# np.linspace(start, stop, num):用來創(chuàng)建等差數(shù)列，num為個數(shù)
plt.show()

結果如下

五、餅圖

用于表示不同分類的占比情況，通過弧度大小來對比各種分類

特點：分類數(shù)據(jù)的占比情況(占比)

plt.pie(x, labels=,autopct=,colors)

x：數(shù)量，自動算百分比
labels：每部分名稱
autopct：占比顯示指定%1.2f%%
colors：每部分顏色
startangle：開始繪制的角度
shadow=True：陰影

import matplotlib.pyplot as plt
# 餅圖，其中切片將按逆時針順序排序和繪制：
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 20]
explode = (0, 0.1, 0, 0)  # 僅分解第二個切片,間距為0.1
fig1, ax1 = plt.subplots()
ax1.pie(sizes, explode=explode, labels=labels, autopct='%1.3f%%',colors=['r','y','c','g'], 
        shadow=True, startangle=90)
ax1.axis('equal')  # 等長寬比確保餅被畫成圓
plt.show()

結果如下