文章目录
一、折线图二、散点图三、柱状图四、直方图五、饼图六、条形图一、折线图
折线图：以折线的上升或下降来表示统计数量的增减变化的统计图
特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)
api：plt.plot(x, y)
from matplotlib import pyplot as pltx = range(2, 26, 2)y = [15,13,14.5,17,20,25,26,26,27,22,18,15]fig = plt.figure(figsize=(20, 8), dpi=80)plt.plot(x, y,label='上海')y_2 = [21, 14, 31, 7, 5, 12, 17, 8, 14, 21, 12, 23]plt.plot(x, y_2,color='r',linestyle='--',label='北京')plt.xticks(x)plt.yticks(range(min(y), max(y) + 1))plt.xlabel('时间',fontsize=20)plt.ylabel('温度',fontsize=20)plt.title('时间温度表',fontsize=20)plt.legend(loc=0,fontsize=14)plt.grid(True,linestyle='--',alpha=0.5)plt.savefig("data/1.png")plt.show()
二、散点图
散点图：用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。
特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
api：plt.scatter(x1, x2)
Parameters:
x1 : 横坐标序列
x2 : 纵坐标序列,长度要与x1一致
import matplotlib.pyplot as plt# 0.准备数据x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64,163.56, 120.06, 207.83, 342.75, 147.9 , 53.06, 224.72, 29.51,21.61, 483.21, 245.25, 399.25, 343.35]y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61, 24.9 , 239.34,140.32, 104.15, 176.84, 288.23, 128.79, 49.64, 191.74, 33.1 ,30.74, 400.02, 205.35, 330.64, 283.45]plt.figure(figsize=(10,10),dpi=100)plt.scatter(x,y)plt.title('散点图')plt.savefig('data/2.png')plt.show()
三、柱状图
柱状图：排列在工作表的列或行中的数据可以绘制到柱状图中。
特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)
api: plt.bar(x, height, width, align=‘center’, **kwargs)
Parameters: x : 横坐标序列height: 柱高-与x对应的用来表示柱高的序列,长度跟x要一致width : 柱状图的宽度align : 每个柱状图的位置对齐方式{‘center’, ‘edge’}, optional, default: ‘center’**kwargs :color:选择柱状图的颜色
import matplotlib.pyplot as plt# 0.准备数据# 电影名字movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']# 横坐标x = range(len(movie_name))# 票房数据y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]plt.figure(figsize=(20,8),dpi=100)plt.bar(x,y,width=0.2,color=['b','r','g','y','c','m','y','k','c','g','b'])#修改刻度标签plt.xticks(x,movie_name)plt.grid(True,linestyle='--',alpha=0.5)plt.xlabel('电影名称')plt.ylabel('票房')plt.title('电影票房对比图')plt.savefig("data/3.png")plt.show()
四、直方图
直方图：由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围，纵轴表示分布情况。
特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)
api：matplotlib.pyplot.hist(x, bins=None)
Parameters:
x : 需要查看分布情况的数据
bins : 分箱数
import matplotlib.pyplot as pltimport numpy as np# 随机生成（10000,）服从正态分布的数据data = np.random.randn(10000)# 创建画布plt.figure(figsize=(20, 8), dpi=100)"""绘制直方图data:必选参数，绘图数据bins:直方图的长条形数目，可选项，默认为10facecolor:长条形的颜色edgecolor:长条形边框的颜色alpha:透明度"""plt.hist(data, bins=40,facecolor="blue", edgecolor="black", alpha=0.7)# 显示横轴标签plt.xlabel("区间",fontsize=16)# 显示纵轴标签plt.ylabel("频数/频率",fontsize=16)# 显示图标题plt.title("频数/频率分布直方图",fontsize=20)plt.savefig("data/4.png")plt.show()
五、饼图
饼图：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。
特点：分类数据的占比情况(占比)
api：plt.pie(x, labels=,autopct=,colors)
Parameters:
x:数量序列，自动算百分比
labels:每个部分标签的序列,长度与x一致
autopct:占比数据显示格式 指定%1.2f%%
colors:每部分颜色
import matplotlib.pyplot as pltimport matplotlibmatplotlib.rcParams['font.sans-serif'] = ['SimHei']matplotlib.rcParams['axes.unicode_minus'] = Falselabel_list = ["第一部分", "第二部分", "第三部分"] # 各部分标签size = [55, 35, 10] # 各部分大小color = ["red", "green", "blue"]# 各部分颜色explode = [0.05, 0, 0] # 各部分突出值plt.figure(figsize=(20,8),dpi=100)"""绘制饼图explode：设置各部分突出label:设置各部分标签labeldistance:设置标签文本距圆心位置，1.1表示1.1倍半径autopct：设置圆里面文本shadow：设置是否有阴影startangle：起始角度，默认从0开始逆时针转pctdistance：设置圆内文本距圆心距离textprops ：设置标签（labels）和比例文字的格式；字典类型，可选参数，默认值为：None。返回值l_text：圆内部文本，matplotlib.text.Text objectp_text：圆外部文本"""patches, l_text, p_text = plt.pie(size, explode=explode, colors=color, labels=label_list, labeldistance=1.1, autopct="%1.2f%%", shadow=False, startangle=90, pctdistance=0.6,textprops={'fontsize':20,'color':'black'})plt.axis("equal") # 设置横轴和纵轴大小相等，这样饼才是圆的plt.legend(loc="upper right",fontsize=16,)plt.savefig("data/5.png")plt.show()
六、条形图
import matplotlib.pyplot as pltimport matplotlib# 设置中文字体和负号正常显示matplotlib.rcParams['font.sans-serif'] = ['SimHei']matplotlib.rcParams['axes.unicode_minus'] = Falselabel_list = ['', '', '', ''] # 横坐标刻度显示值num_list1 = [20, 30, 15, 35]# 纵坐标值1num_list2 = [15, 30, 40, 20]# 纵坐标值2x1 = range(len(num_list1))x2 = [i + 0.4 for i in x1]num_list3 = [10,20,30,40,50]plt.figure(figsize=(20,8),dpi=100)"""绘制条形图height:长条形高度width:长条形宽度，默认值0.8label:为后面设置legend准备"""rects1 = plt.bar(x1, height=num_list1, width=0.4, alpha=0.8, color='red', label="一部门")rects2 = plt.bar(x2, height=num_list2, width=0.4, color='green', label="二部门")plt.yticks(num_list3,fontsize=16) # y轴取值范围plt.ylabel("数量",fontsize=16)"""设置x轴刻度显示值参数一：中点坐标参数二：显示值"""plt.xticks([index + 0.2 for index in x1], label_list,fontsize=16)plt.xlabel("年份",fontsize=16)plt.title("圆梦公司",fontsize=20)# 编辑文本for rect in rects1:height = rect.get_height()plt.text(rect.get_x() + rect.get_width() / 2, height+1, str(height), ha="center", va="bottom",fontsize=16)for rect in rects2:height = rect.get_height()plt.text(rect.get_x() + rect.get_width() / 2, height+1, str(height), ha="center", va="bottom",fontsize=16)# 添加网格显示plt.grid(True, linestyle="--", alpha=0.5)# 添加图例plt.legend(loc=0,fontsize=16)plt.savefig("data/6.png")plt.show()
