百木园Matplotlib 是数据分析绘图的常见模块，可以算是 2D-绘图（Python）领域使用最广泛的套件，可以将数据图形化，并且提供多样化的输出格式，利于数据的显示并分析。
接下来展示的是Matplotlib 常见绘制的图形，也是我自己对知识的一种总结。
# 模块的导入
import matplotlib.pyplot as plt
import numpy as np
matplotlib经常会遇到中文显示不出来的问题，中文乱码设置一般在设置样式之后，之前一直没注意顺序，导致一直没看到效果（😶）
# 设置样式 plt.style.use(\'seaborn\') # 设置中文乱码 plt.rcParams[\'font.sans-serif\'] = \'KaiTi\' plt.rcParams[\'font.sans-serif\'] = [\'SimHei\'] #用来正常显示中文标签 # 忽视警告 import warnings warnings.filterwarnings(\'ignore\')
绘制折线图，折线图可以直观得对比数据间的变化
# 构造数据 breakfast = [4,8,8,6,10,4] lunch = [25,10,10,15,50,15] dinner = [20,30,10,30,50,40] # 绘制折线图 plt.plot(breakfast,label=\'breakfast\',linewidth=4,c=\'green\') plt.plot(lunch,label=\'lunch\',linewidth=4,c=\'blue\') plt.plot(dinner,label=\'dinner\',linewidth=4,c=\'pink\')
# 设置样式
x_ticks = [f\'星期{i}\' for i in range(1,7)]
plt.xticks(ticks=range(6),labels=x_ticks) # x轴刻度值所一一对应的值
plt.ylabel(\'消费金额：单位（元）\')
plt.title(\'深圳社畜每天三餐的消费\')
#添加图例upper right 右上角 边框 透明度 阴影 边框宽度
plt.legend(loc=\'upper right\',fancybox=True,framealpha=1,shadow=True,borderpad=1)
绘制曲线图
# 绘制曲线图 plt.figure(figsize=(15,5)) # 设置画布 x = np.linspace(1,10,num=100) plt.subplot(1,3,1) # 添加分布 1行3列 第1列画布绘制 plt.plot(x,np.sin(x),linewidth=\'7\',color=\'blue\') # 正弦 plt.subplot(1,3,2) # 第2列画布绘制 plt.plot(x,np.cos(x),linewidth=\'7\',color=\'red\') # 余弦 plt.subplot(1,3,3) # 第3列画布绘制 plt.plot(x,np.tanh(x),linewidth=\'7\',color=\'green\') # 正切
绘制散点图 一般用于查看数据是否线性相关 中间可以添加直线分析
# 绘制散点图 x = np.random.rand(100) # rand：服从“0~1”均匀分布的随机样本值均匀分布 y = np.random.rand(100) colors = np.random.rand(100) sizes = np.random.rand(100)*400 plt.scatter(x,y,c=colors,s=sizes)
绘制条形图 可以多数据（例如每一年4个季度，一起比较分析）
# 绘制纵向条形图 x=[2020,2025,2030,2035] y=[1000,3000,4000,5000] plt.figure(figsize=(15,5)) # 设置画布 plt.subplot(1,2,1) plt.xticks(x,[f\'{x}年\' for x in x]) # 横坐标的刻度尺 plt.bar(x,y,width=3) plt.xlabel(\'年\') # 横坐标标签 plt.ylabel(\'销量\') # 纵坐标标签 plt.title(\'根据年份销量对比图\') # 绘制横向条形图 plt.subplot(1,2,2) plt.yticks(x,[f\'{x}年\' for x in x]) bars = plt.barh(x,y,height=3,color=\'lightblue\') for bar,d in zip(bars,y): x = bar.get_width() + bar.get_width()*0.01 y = bar.get_y() + bar.get_height()/3 text_data = d plt.text(x,y,text_data,fontsize=13) plt.xlabel(\'销量\') plt.ylabel(\'年\') plt.title(\'根据年份销量对比图\')
绘制饼图 直观分辨哪个数据所占比份最重
# 构造数据 全市 = 17560061 福田区 = 1553225/全市 罗湖区 = 1143801/全市 盐田区 = 214225/全市 南山区 = 1795826/全市 宝安区 = 4476554/全市 龙岗区 = 3979037/全市 龙华区 = 2528872/全市 坪山区 = 551333/全市 光明区 = 1095289/全市 大鹏新区 = 156236/全市 explode = (0, 0, 0, 0, 0, 0.1, 0, 0, 0, 0) labels = [\'福田区\',\'罗湖区\',\'盐田区\',\'南山区\',\'宝安区\',\'龙岗区\',\'龙华区\',\'坪山区\',\'光明区\',\'大鹏新区\'] paches,texts,autotexts = plt.pie([福田区,罗湖区,盐田区,南山区,宝安区,龙岗区,龙华区,坪山区,光明区,大鹏新区], autopct=\'%0.1f%%\', labels=labels, explode=explode) plt.title(\'深圳市第七次全国人口普查——分区人口情况\') for text in texts: text.set_fontsize(10) text.set_color(\'blue\') for t in autotexts: t.set_fontsize(10) t.set_color(\'white\')
绘制直方图
# 绘制直方图 x = np.random.rand(100) plt.hist(x,bins=10,align=\'mid\',rwidth=0.8,histtype=\'barstacked\') # rwidth 控制着间隙的宽度
绘制盒图 盒图经常用于观察数据的离散程度 上下两条横线代表最大最小值，上方的空心圆代表异常值
# 绘制盒图 data = [np.random.normal(0,i,100) for i in range(1,4)] # vert：是否需要将箱线图垂直摆放，默认垂直摆放 # notch：是否是凹口的形式展现箱线图，默认非凹口 plt.boxplot(data,vert=True,notch=True) plt.title(\'boxplot\') plt.xticks([1,2,3],[\'box1\',\'box2\',\'box3\']) # 横坐标三个刻度尺，分别对应三个值
# 绘制三维图
from mpl_toolkits.mplot3d import Axes3D x = np.linspace(-10,10,100) y = np.linspace(-10,10,100) X,Y = np.meshgrid(x,y) # 网格线 z = np.sqrt(X**2+Y**2) ax = Axes3D(plt.figure()) ax.plot_surface(x,y,z)
来源：https://www.cnblogs.com/lxxduang/p/16525232.html
本站部分图文来源于网络，如有侵权请联系删除。