前言
matplotlib 是 python 的绘图库。 它可与 numpy 一起使用，提供了一种有效的 matlab 开源替代方案。 它也可以和图形工具包一起使用，如 pyqt 和 wxpython。
用matplotlib绘制一些大家比较熟悉又经常混淆的统计图形，掌握这些统计图形可以对数据可视化有一个深入理解。
windows 系统安装 matplotlib
进入到 cmd 窗口下，执行以下命令：
|
1
2
|
python -m pip install -u pip setuptoolspython -m pip install matplotlib |
linux 系统安装 matplotlib
可以使用 linux 包管理器来安装：
debian / ubuntu：
|
1
|
sudo apt-get install python-matplotlib |
fedora / redhat：
|
1
|
sudo yum install python-matplotlib |
mac osx 系统安装 matplotlib
mac osx 可以使用 pip 命令来安装：
|
1
|
sudo python -mpip install matplotlib |
安装完后，你可以使用 python -m pip list 命令来查看是否安装了 matplotlib 模块。
|
1
2
|
$ python -m pip list | grep matplotlibmatplotlib (1.3.1) |
1.函数bar()--用于绘制柱状图
在x轴上绘制定性数据的分布特征
|
1
2
3
4
5
6
7
8
9
10
11
12
|
import matplotlib as mplimport matplotlib.pyplot as pltmpl.rcparams["font.sans-serif"]=["simhei"]mpl.rcparams["axes.unicode_minus"]=falsex=[1,2,3,4,5,6,7,8]y=[3,1,4,5,8,9,7,2]plt.bar(x,y,align="center",color="c",tick_label=["q","a","c","e","r","j","b","p"],hatch="/")plt.xlabel("箱子编号")plt.ylabel("箱子重量(kg)")plt.show() |
2.
2、函数barh()--用于绘制条形图
在y轴上绘制定性数据的分布特征
|
1
2
3
4
5
6
7
8
9
10
11
12
|
import matplotlib as mplimport matplotlib.pyplot as pltmpl.rcparams["font.sans-serif"]=["simhei"]mpl.rcparams["axes.unicode_minus"]=falsex=[1,2,3,4,5,6,7,8]y=[3,1,4,5,8,9,7,2]plt.barh(x,y,align="center",color="c",tick_label=["q","a","c","e","r","j","b","p"],hatch="/")plt.xlabel("箱子编号")plt.ylabel("箱子重量(kg)")plt.show() |
3.
3、函数hist()--用于绘制直方图
在x轴上绘制定量数据的分布特征
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
|
import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npmpl.rcparams["font.sans-serif"]=["simhei"]mpl.rcparams["axes.unicode_minus"]=false#set test scoresboxweight = np.random.randint(0,10,100)x = boxweight#plot histogrambins = range(0,11,1)plt.hist(x,bins=bins, color="g", histtype="bar", rwidth=1, alpha=0.6)#set x,y-axis labelplt.xlabel("箱子重量(kg)")plt.ylabel("销售数量(个)")plt.show() |
4.函数pie()--用于绘制饼图
绘制定性数据的不同类别的百分比
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
import matplotlib as mplimport matplotlib.pyplot as pltmpl.rcparams["font.sans-serif"]=["simhei"]mpl.rcparams["axes.unicode_minus"]=falsekinds ="简易箱","保温箱","行李箱","密封箱"colors = ["#e41a1c","#377eb8","#4daf4a","#984ea3"]soldnums = [0.05,0.45,0.15,0.35]#pie chartplt.pie(soldnums, labels=kinds, autopct="%3.1f%%", startangle=60, colors=colors)plt.title("不同类型箱子的销售数量占比")plt.show() |
5.函数polar()--用于绘制极线图
在极坐标图上绘制折线图
|
1
2
3
4
5
6
7
8
9
10
11
12
|
import matplotlib.pyplot as pltimport numpy as npbarslices = 12theta = np.linspace(0.0,2*np.pi,barslices,endpoint=false)r = 30*np.random.rand(barslices)plt.polar(theta,r, #theta每个标记所在射线与极径的夹角，r每个标记到原点的距离 color="chartreuse", linewidth=2, marker="*", mfc="b", ms=10)plt.show() |
6.函数scatter()--用于绘制气泡图
二维数据借助气泡图大小展示三维数据
|
1
2
3
4
5
6
7
8
9
10
11
|
import matplotlib.pyplot as pltimport matplotlib as mplimport numpy as npa = np.random.randn(100)b = np.random.randn(100)#colormap:rdylbuplt.scatter(a,b,s=np.power(10*a+20*b,2),#s散点标记的大小 c=np.random.rand(100),#c散点标记的颜色 cmap=mpl.cm.rdylbu,#将浮点数映射成颜色的颜色映射表 marker='o')plt.show() |
7.函数stem()--用于绘制棉棒图
绘制离散的有序数据
|
1
2
3
4
5
6
7
|
import matplotlib.pyplot as pltimport numpy as npx = np.linspace(0.5,2*np.pi,20)y = np.random.randn(20)plt.stem(x,y,linefmt="-.",markerfmt="o",basefmt="-")linefmt棉棒的样式、markerfmt棉棒末端的样式、basefmt指定基线的样式plt.show() |
8.函数boxplot()--用于绘制箱型图
绘制箱型图
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
import matplotlib.pyplot as pltimport matplotlib as mplimport numpy as npmpl.rcparams["font.sans-serif"]=["simhei"]mpl.rcparams["axes.unicode_minus"]=falsex = np.random.randn(1000)plt.boxplot(x)plt.xticks([1],["随机数生成器alpharm"])plt.ylabel("随机数值")plt.title("随机数生成器抗干扰能力的稳定性")plt.grid(axis="y",ls=":",lw=1,color="gray",alpha=0.4)plt.show() |
9.函数errorbar()--用于绘制误差棒图
绘制y轴方向或是x轴方向的误差范围
|
1
2
3
4
5
6
7
|
import matplotlib.pyplot as pltimport numpy as npx = np.linspace(0.1,0.6,6)y = np.exp(x)plt.errorbar(x,y,fmt="bo:",yerr=0.2,xerr=0.02)plt.xlim(0,0.7)plt.show() |
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对服务器之家的支持。
原文链接：https://www.jianshu.com/p/1585d27c0506
