python通过Matplotlib绘制常见的几种图形（推荐）

目录

python通过Matplotlib绘制常见的几种图形一、使用matplotlib对几种常见的图形进行绘制1、柱状图
2、水平绘制柱状图
3、多个柱状图
4、叠加型柱状图
5、散点图
6、气泡图
7、直方图
8、箱线图
二、添加文字描述
1、文字描述一2、文字描述二
三、多个图形描绘 subplots
四、使用Pandas 绘图
1、散点图2、绘制柱状图 3、堆积的柱状图4、水平的柱状图5、直方图6、箱线图

python通过Matplotlib绘制常见的几种图形

一、使用matplotlib对几种常见的图形进行绘制

import numpy as np 
import matplotlib.pyplot as plt
%matplotlib inline #写了这个就可以不用写plt.show()
plt.rcParams[\'font.sans-serif\']=[\'SimHei\'] #用来正常显示中文标签
plt.rcParams[\'axes.unicode_minus\']=False #用来正常显示负号
 
 
X = np.linspace(0, 2*np.pi,100)# 均匀的划分数据
Y = np.sin(X)
Y1 = np.cos(X)
 
plt.title(\"Hello World!!\")
plt.plot(X,Y)
plt.plot(X,Y1)

X = np.linspace(0, 2*np.pi,100)  
Y = np.sin(X)
Y1 = np.cos(X)
plt.subplot(211) # 等价于 subplot(2,1,1)  #一个图版画两个图
plt.plot(X,Y)
 
plt.subplot(212)
plt.plot(X,Y1,color = \'r\')

1、柱状图

data = [5,25,50,20]
plt.bar(range(len(data)),data)

2、水平绘制柱状图

data = [5,25,50,20]
plt.barh(range(len(data)),data)

3、多个柱状图

data = [[5,25,50,20],
        [4,23,51,17],
        [6,22,52,19]]
X = np.arange(4)
 
plt.bar(X + 0.00, data[0], color = \'b\', width = 0.25,label = \"A\")
plt.bar(X + 0.25, data[1], color = \'g\', width = 0.25,label = \"B\")
plt.bar(X + 0.50, data[2], color = \'r\', width = 0.25,label = \"C\")
 
# 显示上面设置的 lable
plt.legend()

4、叠加型柱状图

data = [[5,25,50,20],
        [4,23,51,17],
        [6,22,52,19]]
X = np.arange(4)
 
plt.bar(X, data[0], color = \'b\', width = 0.25)
plt.bar(X, data[1], color = \'g\', width = 0.25,bottom = data[0])
plt.bar(X, data[2], color = \'r\', width = 0.25,bottom = np.array(data[0]) + np.array(data[1]))
 
plt.show()

5、散点图

N = 50
x = np.random.rand(N)
y = np.random.rand(N)
 
plt.scatter(x, y)

6、气泡图

N = 50
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.randn(N) # 颜色可以用数值表示
area = np.pi * (15 * np.random.rand(N))**2  #  调整大小
 
plt.scatter(x, y, c=colors, alpha=0.5, s = area)

 

N = 50
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.randint(0,2,size =50)
plt.scatter(x, y, c=colors, alpha=0.5,s = area)

 

7、直方图

a = np.random.rand(100)
plt.hist(a,bins= 20)
plt.ylim(0,15)

a = np.random.randn(10000)
plt.hist(a,bins=50)
plt.title(\"标准正太分布\")

8、箱线图

x = np.random.randint(20,100,size = (30,3))
plt.boxplot(x)
plt.ylim(0,120)
# 在x轴的什么位置填一个 label，我们这里制定在 1，2，3 位置，写上 A，B，C
plt.xticks([1,2,3],[\'A\',\'B\',\'C\']) 
 
plt.hlines(y = np.median(x,axis = 0)[0] ,xmin =0,xmax=3)

二、添加文字描述

1、文字描述一

# 设置画布颜色为 blue
fig, ax = plt.subplots(facecolor=\'blue\')
 
# y 轴数据
data = [[5,25,50,20],
        [4,23,51,17],
        [6,22,52,19]]
X = np.arange(4)
 
plt.bar(X+0.00, data[0], color = \'darkorange\', width = 0.25,label = \'A\')
plt.bar(X+0.25, data[1], color = \'steelblue\', width = 0.25,label=\"B\")
plt.bar(X+0.50, data[2], color = \'violet\', width = 0.25,label = \'C\')
 
ax.set_title(\"Figure 2\")
plt.legend()
 
# 添加文字描述 方法一
W = [0.00,0.25,0.50]
for i in range(3):
    for a,b in zip(X+W[i],data[i]):
        plt.text(a,b,\"%.0f\"% b,ha=\"center\",va= \"bottom\")
        
plt.xlabel(\"Group\")
plt.ylabel(\"Num\")
plt.text(0.0,48,\"TEXT\")

 

2、文字描述二

X = np.linspace(0, 2*np.pi,100)# 均匀的划分数据
Y = np.sin(X)
Y1 = np.cos(X)
 
plt.plot(X,Y)
plt.plot(X,Y1)
 
plt.annotate(\'Points\',
         xy=(1, np.sin(1)),
         xytext=(2, 0.5), fontsize=16,
         arrowprops=dict(arrowstyle=\"->\"))
 
plt.title(\"这是一副测试图！\")

三、多个图形描绘 subplots

%pylab inline
pylab.rcParams[\'figure.figsize\'] = (10, 6) # 调整图片大小
 
# np.random.seed(19680801)
 
n_bins = 10
x = np.random.randn(1000, 3)
 
fig, axes = plt.subplots(nrows=2, ncols=2) 
ax0, ax1, ax2, ax3 = axes.flatten()
 
colors = [\'red\', \'tan\', \'lime\']
ax0.hist(x, n_bins, normed=1, histtype=\'bar\', color=colors, label=colors)
ax0.legend(prop={\'size\': 10})
ax0.set_title(\'bars with legend\')
 
ax1.hist(x, n_bins, normed=1, histtype=\'bar\', stacked=True)
ax1.set_title(\'stacked bar\')
 
ax2.hist(x, n_bins, histtype=\'step\', stacked=True, fill=False)
ax2.set_title(\'stack step (unfilled)\')
 
# Make a multiple-histogram of data-sets with different length.
x_multi = [np.random.randn(n) for n in [10000, 5000, 2000]]
ax3.hist(x_multi, n_bins, histtype=\'bar\')
ax3.set_title(\'different sample sizes\')

四、使用Pandas 绘图

1、散点图

import pandas as pd
df = pd.DataFrame(np.random.rand(50, 2), columns=[\'a\', \'b\'])
# 散点图
df.plot.scatter(x=\'a\', y=\'b\')

2、绘制柱状图

df = pd.DataFrame(np.random.rand(10,4),columns=[\'a\',\'b\',\'c\',\'d\'])
# 绘制柱状图
df.plot.bar()

 3、堆积的柱状图

# 堆积的柱状图
df.plot.bar(stacked=True)

4、水平的柱状图

# 水平的柱状图
df.plot.barh(stacked=True)

5、直方图

df = pd.DataFrame({\'a\':np.random.randn(1000)+1,\'b\':np.random.randn(1000),\'c\':np.random.randn(1000) - 1}, columns=[\'a\', \'b\', \'c\'])
 
# 直方图
df.plot.hist(bins=20)

6、箱线图

# 箱线图
df = pd.DataFrame(np.random.rand(10, 5), columns=[\'A\', \'B\', \'C\', \'D\', \'E\'])
df.plot.box()