可视化图表，有相当多种，但常见的也就下面几种，其他比较复杂一点，大都也是基于如下几种进行组合，变换出来的。对于初学者来说，很容易被这官网上众多的图表类型给吓着了，由于种类太多，几种图表的绘制方法很有可能会混淆起来。
因此，在这里，我特地总结了六种常见的基本图表类型，你可以通过对比学习，打下坚实的基础。
01. 折线图
绘制折线图，如果你数据不是很多的话，画出来的图将是曲折状态，但一旦你的数据集大起来，比如下面我们的示例，有100个点，所以我们用肉眼看到的将是一条平滑的曲线。
这里我绘制三条线，只要执行三次 plt.plot 就可以了。
|
1
2
3
4
5
6
7
8
9
10
11
|
import numpy as npimport matplotlib.pyplot as pltx= np.linspace(0, 2, 100)plt.plot(x, x, label='linear')plt.plot(x, x**2, label='quadratic')plt.plot(x, x**3, label='cubic')plt.xlabel('x label')plt.ylabel('y label')plt.title("simple plot")plt.legend()plt.show() |
02. 散点图
其实散点图和折线图是一样的原理，将散点图里的点用线连接起来就是折线图了。所以绘制散点图，只要设置一下线型即可。
注意：这里我也绘制三条线，和上面不同的是，我只用一个 plt.plot 就可以了。
|
1
2
3
4
5
6
|
import numpy as npimport matplotlib.pyplot as pltx = np.arange(0., 5., 0.2)# 红色破折号, 蓝色方块 ，绿色三角块plt.plot(x, x, 'r--', x, x**2, 'bs', x, x**3, 'g^')plt.show() |
03. 直方图
直方图，大家也不算陌生了。这里小明加大难度，在一张图里，画出两个频度直方图。这应该在实际场景上也会遇到吧，因为这样真的很方便比较，有木有？
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
import numpy as npimport matplotlib.pyplot as pltnp.random.seed(19680801)mu1, sigma1 = 100, 15mu2, sigma2 = 80, 15x1 = mu1 + sigma1 * np.random.randn(10000)x2 = mu2 + sigma2 * np.random.randn(10000)# the histogram of the data# 50：将数据分成50组# facecolor：颜色；alpha：透明度# density：是密度而不是具体数值n1, bins1, patches1 = plt.hist(x1, 50, density=true, facecolor='g', alpha=1)n2, bins2, patches2 = plt.hist(x2, 50, density=true, facecolor='r', alpha=0.2)# n：概率值；bins：具体数值；patches：直方图对象。plt.xlabel('smarts')plt.ylabel('probability')plt.title('histogram of iq')plt.text(110, .025, r'$\mu=100,\ \sigma=15$')plt.text(50, .025, r'$\mu=80,\ \sigma=15$')# 设置x，y轴的具体范围plt.axis([40, 160, 0, 0.03])plt.grid(true)plt.show() |
04. 柱状图
同样的，简单的柱状图，我就不画了，这里画三种比较难的图。
4.1 并列柱状图
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
|
import numpy as npimport matplotlib.pyplot as pltsize = 5a = np.random.random(size)b = np.random.random(size)c = np.random.random(size)x = np.arange(size)# 有多少个类型，只需更改n即可total_width, n = 0.8, 3width = total_width / n# 重新拟定x的坐标x = x - (total_width - width) / 2# 这里使用的是偏移plt.bar(x, a, width=width, label='a')plt.bar(x + width, b, width=width, label='b')plt.bar(x + 2 * width, c, width=width, label='c')plt.legend()plt.show() |
4.2 叠加柱状图
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
|
import numpy as npimport matplotlib.pyplot as pltsize = 5a = np.random.random(size)b = np.random.random(size)c = np.random.random(size)x = np.arange(size)# 这里使用的是偏移plt.bar(x, a, width=0.5, label='a',fc='r')plt.bar(x, b, bottom=a, width=0.5, label='b', fc='g')plt.bar(x, c, bottom=a+b, width=0.5, label='c', fc='b')plt.ylim(0, 2.5)plt.legend()plt.grid(true)plt.show() |
05. 饼图
5.1 普通饼图
|
1
2
3
4
5
6
7
8
9
10
|
import matplotlib.pyplot as pltlabels = 'frogs', 'hogs', 'dogs', 'logs'sizes = [15, 30, 45, 10]# 设置分离的距离，0表示不分离explode = (0, 0.1, 0, 0) plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', shadow=true, startangle=90)# equal aspect ratio 保证画出的图是正圆形plt.axis('equal') plt.show() |
5.2 嵌套饼图
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
import numpy as npimport matplotlib.pyplot as plt# 设置每环的宽度size = 0.3vals = np.array([[60., 32.], [37., 40.], [29., 10.]])# 通过get_cmap随机获取颜色cmap = plt.get_cmap("tab20c")outer_colors = cmap(np.arange(3)*4)inner_colors = cmap(np.array([1, 2, 5, 6, 9, 10]))print(vals.sum(axis=1))# [92. 77. 39.]plt.pie(vals.sum(axis=1), radius=1, colors=outer_colors, wedgeprops=dict(width=size, edgecolor='w'))print(vals.flatten())# [60. 32. 37. 40. 29. 10.]plt.pie(vals.flatten(), radius=1-size, colors=inner_colors, wedgeprops=dict(width=size, edgecolor='w'))# equal 使得为正圆plt.axis('equal') plt.show() |
5.3 极轴饼图
要说酷炫，极轴饼图也是数一数二的了，这里肯定也要学一下。
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
import numpy as npimport matplotlib.pyplot as pltnp.random.seed(19680801)n = 10theta = np.linspace(0.0, 2 * np.pi, n, endpoint=false)radii = 10 * np.random.rand(n)width = np.pi / 4 * np.random.rand(n)ax = plt.subplot(111, projection='polar')bars = ax.bar(theta, radii, width=width, bottom=0.0)# left表示从哪开始，# radii表示从中心点向边缘绘制的长度（半径）# width表示末端的弧长# 自定义颜色和不透明度for r, bar in zip(radii, bars): bar.set_facecolor(plt.cm.viridis(r / 10.)) bar.set_alpha(0.5)plt.show() |
06. 三维图
6.1 绘制三维散点图
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import axes3ddata = np.random.randint(0, 255, size=[40, 40, 40])x, y, z = data[0], data[1], data[2]ax = plt.subplot(111, projection='3d') # 创建一个三维的绘图工程# 将数据点分成三部分画，在颜色上有区分度ax.scatter(x[:10], y[:10], z[:10], c='y') # 绘制数据点ax.scatter(x[10:20], y[10:20], z[10:20], c='r')ax.scatter(x[30:40], y[30:40], z[30:40], c='g')ax.set_zlabel('z') # 坐标轴ax.set_ylabel('y')ax.set_xlabel('x')plt.show() |
6.2 绘制三维平面图
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
from matplotlib import pyplot as pltimport numpy as npfrom mpl_toolkits.mplot3d import axes3dfig = plt.figure()ax = axes3d(fig)x = np.arange(-4, 4, 0.25)y = np.arange(-4, 4, 0.25)x, y = np.meshgrid(x, y)r = np.sqrt(x**2 + y**2)z = np.sin(r)# 具体函数方法可用 help(function) 查看，如：help(ax.plot_surface)ax.plot_surface(x, y, z, rstride=1, cstride=1, cmap='rainbow')plt.show() |
总结
以上所述是小编给大家介绍的python绘制六种可视化图表，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对服务器之家网站的支持！
原文链接：https://juejin.im/post/5b801d8de51d4538940024e5
