一文學會matplotlib
matplotlib基礎
「「「
假設一天中每隔兩個小時(range(2,26,2))的氣溫(℃)分別是[15,13,14.5,17,20,25,26,26,27,22,18,15]
用matplotlib用圖形畫出變化的折線圖
"""
from matplotlib import pyplot as plt
"""設置中文"""
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用來正常顯示中文標籤
"""設置圖片大小"""
plt.figure(figsize=(16, 6), dpi=80)
"""準備數據"""
x = range(2, 26, 2) # x軸，數據是一個可迭代對象
y = [15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15] # y軸數據也是一個可迭代對象
"""繪圖"""
plt.plot(x, y, linestyle='--', linewidth=5, color='red')
"""設置x軸的刻度"""
_xtick_labels = [i / 2 for i in range(4, 49)]
plt.xticks(_xtick_labels[::2]) # 當列表太密集能夠設置列表步長調整間距
plt.yticks(range(min(y), max(y) + 1))
"""圖形保存"""
# plt.savefig('t1.png')
"""圖形標題"""
plt.title('matplotlib基礎')
"""圖形顯示"""
plt.show()
1、figure對象
我這裏單拿出一個一個的對象，而後後面在進行總結。在matplotlib中，整個圖表爲一個figure對象。其實對於每個彈出的小窗口就是一個Figure對象，那麼如何在一個代碼中建立多個Figure對象，也就是多個小窗口呢？html
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-1, 1, 50) y1 = x ** 2 y2 = x * 2 # 這個是第一個figure對象,下面的內容都會在第一個figure中顯示 plt.figure() plt.plot(x, y1) # 這裏第二個figure對象 plt.figure(num=3, figsize=(10, 5)) plt.plot(x, y2) plt.show()
這裏須要注意的是：python
- 咱們看上面的每一個圖像的窗口，能夠看出figure並無從1開始而後到2，這是由於咱們在建立第二個figure對象的時候，指定了一個num = 3的參數，因此第二個窗口標題上顯示的figure3。
- 對於每個窗口，咱們也能夠對他們分別去指定窗口的大小。也就是figsize參數。
- 若咱們想讓他們的線有所區別，咱們能夠用下面語句進行修改
plt.plot(x,y2,color = 'red',linewidth = 3.0,linestyle = '--')
2、figure子圖
# -*- coding:utf-8 -*-
import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用來正常顯示中文標籤
data = pd.read_csv("data/four platform.csv")
fig, axes = plt.subplots(nrows=2, ncols=2)
ax0, ax1, ax2, ax3 = axes.flatten()
ax0.plot(data["day"], data["Med-counter"], label="生物醫學", color='gray', linestyle=':')
ax0.plot(data["day"], data["Nonmed-counter"], label="非生物醫學", color='gray', linestyle='-')
ax0.legend(prop={'size': 7}, loc="upper left")
# ax0.set_xlabel('day')
ax0.set_ylabel('平均Counter值')
ax1.plot(data["day"], data["Med-mendeley"], label="生物醫學", color='gray', linestyle=':')
ax1.plot(data["day"], data["Nonmed-mendeley"], label="非生物醫學", color='gray', linestyle='-')
ax1.legend(prop={'size': 7}, loc="upper left")
# ax1.set_xlabel('day',fontsize=6)
ax1.set_ylabel('平均Mendeley值')
ax2.plot(data["day"], data["Med-pmc"], label="生物醫學", color='gray', linestyle=':')
ax2.plot(data["day"], data["Nonmed-pmc"], label="非生物醫學", color='gray', linestyle='-')
ax2.legend(prop={'size': 7}, loc="upper left")
ax2.set_xlabel('論文發表天數')
ax2.set_ylabel('平均PMC值')
ax3.plot(data["day"], data["Med-twitter"], label="生物醫學", color='gray', linestyle=':')
ax3.plot(data["day"], data["Nonmed-twitter"], label="非生物醫學", color='gray', linestyle='-')
ax3.legend(prop={'size': 7}, loc="upper left")
ax3.set_xlabel('論文發表天數')
ax3.set_ylabel('平均Twitter值')
ax3.set_ylim(0, 8)
plt.show()
3、legend圖例
咱們不少時候會再一個figures中去添加多條線，那咱們如何去區分多條線呢？這裏就用到了legend。linux
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-1, 1, 50) y1 = x ** 2 y2 = x * 2 plt.figure() # 添加圖例 l1, = plt.plot(x, y1, label='linear line') l2, = plt.plot(x, y2, color='red', linewidth=1.0, linestyle='--', label='square line') plt.legend(handles=[l1, l2], labels=['up', 'down'], loc='best') plt.show()
這裏須要注意的是：windows
- 若是咱們沒有在legend方法的參數中設置labels，那麼就會使用畫線的時候，也就是plot方法中的指定的label參數所指定的名稱，固然若是都沒有的話就會拋出異常；
- 其實咱們plt.plot的時候返回的是一個線的對象，若是咱們想在handle中使用這個對象，就必須在返回的名字的後面加一個","號；
legend = plt.legend(handles=[l1, l2], labels=['hu', 'tang'], loc='upper center', shadow=True)
frame = legend.get_frame()
frame.set_facecolor('r') # 或者0.9...
4、在圖片上加一些標註annotation
在圖片上加註解有兩種方式：dom
# -*- coding: utf-8 -*-
"""
@Datetime: 2019/4/10
@Author: Zhang Yafei
"""
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3, 3, 50)
y = 2 * x + 1
plt.figure(num=1, figsize=(8, 5))
plt.plot(x, y)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
# 將底下的做爲x軸
ax.xaxis.set_ticks_position('bottom')
# 而且data，以y軸的數據爲基本
ax.spines['bottom'].set_position(('data', 0))
# 將左邊的做爲y軸
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data', 0))
print("-----方式一-----")
x0 = 1
y0 = 2 * x0 + 1
plt.plot([x0, x0], [0, y0], 'k--', linewidth=2.5)
plt.scatter([x0], [y0], s=50, color='b')
plt.annotate(r'$2x+1 = %s$' % y0, xy=(x0, y0), xycoords='data',
xytext=(+30, -30), textcoords='offset points', fontsize=16
, arrowprops=dict(arrowstyle='->',
connectionstyle="arc3,rad=.2"))
plt.show()
第一種標註方式ide
plt.annotate(r'$2x+1 = %s$' % y0, xy=(x0, y0), xycoords='data',
xytext=(+30, -30), textcoords='offset points', fontsize=16
, arrowprops=dict(arrowstyle='->',
connectionstyle="arc3,rad=.2"))
注意：函數
- xy就是須要進行註釋的點的橫縱座標；
- xycoords = 'data'說明的是要註釋點的xy的座標是以橫縱座標軸爲基準的；
- xytext=(+30,-30)和textcoords='data'說明了這裏的文字是基於標註的點的x座標的偏移+30以及標註點y座標-30位置，就是咱們要進行註釋文字的位置；
- fontsize = 16就說明字體的大小；
- arrowprops = dict()這個是對於這個箭頭的描述，arrowstyle='->'這個是箭頭的類型，connectionstyle="arc3,rad=.2"這兩個是描述咱們的箭頭的弧度以及角度的。
第二種標註方式字體
print("-----方式二-----")
plt.text(-3.7, 3, r'$this\ is\ the\ some\ text. \mu\ \sigma_i\ \alpha_t$',
fontdict={'size': 16, 'color': 'r'})
看一下這個圖this
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-3,3,50)
y1 = 0.1*x
y2 = x**2
plt.figure()
#zorder控制繪圖順序
plt.plot(x,y1,linewidth = 10,zorder = 1,label = r'$y_1\ =\ 0.1*x$')
plt.plot(x,y2,linewidth = 10,zorder = 2,label = r'$y_2\ =\ x^{2}$')
plt.ylim(-2,2)
ax = plt.gca()
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')
ax.xaxis.set_ticks_position('bottom')
ax.spines['bottom'].set_position(('data',0))
ax.yaxis.set_ticks_position('left')
ax.spines['left'].set_position(('data',0))
plt.show()
執行效果spa
從上面看，咱們能夠看見咱們軸上的座標被掩蓋住了，那麼咱們怎麼去修改他呢？
print(ax.get_xticklabels())
print(ax.get_yticklabels())
for label in ax.get_xticklabels() + ax.get_yticklabels():
label.set_fontsize(12)
label.set_bbox(dict(facecolor = 'white',edgecolor='none',alpha = 0.8,zorder = 2))
<a list of 9 Text xticklabel objects>
<a list of 9 Text yticklabel objects>
讓座標軸顯示出來
這裏須要注意：
- ax.get_xticklabels()獲取獲得就是座標軸上的數字；
- set_bbox()這個bbox就是那座標軸上的數字的那一小塊區域，從結果咱們能夠很明顯的看出來；
- facecolor = 'white',edgecolor='none，第一個參數表示的這個box的前面的背景，邊上的顏色。
圖形種類
1、折線圖基礎
import random
"""
若是列表a表示10點到12點的每一分鐘的氣溫,如何繪製折線圖觀察每分鐘氣溫的變化狀況?
a= [random.randint(20,35) for i in range(120)]
用matplotlib用圖形畫出變化的折線圖
"""
from matplotlib import pyplot as plt
import matplotlib
from matplotlib import font_manager
#方式一
#windows和linux設置字體
# font = {'family' : 'SimHei'}
# matplotlib.rc('font', **font)
#方式二
my_font = font_manager.FontProperties(fname='font/simsun.ttc')
x = range(120)
y = [random.randint(20,35) for i in range(120)]
plt.figure(figsize=(13,8),dpi=80)
plt.plot(x,y)
#設置x的軸的刻度
_x = list(x) #只有列表才能夠取步長，range不能夠取步長
_xtick_labels = ['10點{}分'.format(i) for i in range(60)]
_xtick_labels += ['11點{}分'.format(i) for i in range(60)]
#取步長，數字和字符串一一對應，數據的長度同樣
plt.xticks(_x[::3],_xtick_labels[::3], rotation=45,fontproperties=my_font) #rotation旋轉的度數
#添加描述信息
plt.xlabel('時間',fontproperties=my_font)
plt.ylabel('溫度 單位(℃)',fontproperties=my_font)
plt.title('10點到12點每分鐘的氣溫變化狀況',fontproperties=my_font)
plt.show()
2、交女友數量走勢圖
# -*- coding: utf-8 -*-
"""
@Datetime: 2018/11/17
@Author: Zhang Yafei
"""
"""
假設你們在30歲的時候,根據本身的實際狀況,統計出來了從11歲到30歲每一年交的女(男)朋友的數量如列表a,請繪製出該數據的折線圖,以便分析本身每一年交女(男)朋友的數量走勢
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
要求:
y軸表示個數
x軸表示歲數,好比11歲,12歲等
"""
from matplotlib import pyplot as plt
from matplotlib import font_manager
#解決中文字體正常顯示
my_font = font_manager.FontProperties(fname='font/simsun.ttc')
#準備數據
x = range(11,31)
y = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
#設置圖形大小
plt.figure(figsize=(11,6),dpi=80)
#設置x,y軸的刻度
_x = list(x)
_xtick_labels = ['{}歲'.format(i) for i in _x]
plt.xticks(_x,_xtick_labels,rotation=45,fontproperties=my_font)
plt.yticks(range(0,9))
#繪製網格
plt.grid(alpha=0.4) #alpha透明度
#設置描述信息
plt.xlabel('年齡',fontproperties=my_font)
plt.ylabel('個數',fontproperties=my_font)
plt.title('11-30歲交女友數量走勢圖',fontproperties=my_font)
plt.plot(x,y)
plt.show()
3、交女友數量走勢圖2
# -*- coding: utf-8 -*-
"""
@Datetime: 2018/11/17
@Author: Zhang Yafei
"""
"""
假設你們在30歲的時候,根據本身的實際狀況,統計出來了你和你同桌各自從11歲到30歲每一年交的女(男)朋友的數量如列表a和b,請在一個圖中繪製出該數據的折線圖,以便比較本身和同桌20年間的差別,同時分析每一年交女(男)朋友的數量走勢
a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
b = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1]
要求:
y軸表示個數
x軸表示歲數,好比11歲,12歲等
"""
from matplotlib import pyplot as plt
from matplotlib import font_manager
#解決中文字體正常顯示
my_font = font_manager.FontProperties(fname='font/simsun.ttc')
#準備數據
x = range(11,31)
y_1 = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
y_2 = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1]
#設置圖形大小
plt.figure(figsize=(11,6),dpi=80)
#設置x,y軸的刻度
_x = list(x)
_xtick_labels = ['{}歲'.format(i) for i in _x]
plt.xticks(_x,_xtick_labels,rotation=45,fontproperties=my_font)
# plt.yticks(range(0,9))
#繪製網格
plt.grid(alpha=0.4) #alpha透明度
#設置描述信息
plt.xlabel('年齡',fontproperties=my_font)
plt.ylabel('個數',fontproperties=my_font)
plt.title('11-30歲交女友數量走勢圖',fontproperties=my_font)
plt.plot(x,y_1,label='本身',color='orange',linestyle=':')
plt.plot(x,y_2,label='同桌',color='cyan',linestyle='--')
plt.legend(prop=my_font,loc='upper left')
plt.show()
例：dataframe繪製折線圖
import matplotlib.pyplot as plt import numpy as np from numpy.random import randn from pandas import DataFrame df = DataFrame(randn(10, 5), columns=['A', 'B', 'C', 'D', 'E'], index=np.arange(0, 100, 10)) df.plot() plt.show()
多條折線圖
import matplotlib.pyplot as plt
import pandas as pd
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用來正常顯示中文標籤
f = open(r"期刊總體趨勢.csv")
data = pd.read_csv(f)
y = range(0, 11000, 1000)
x = range(0, 180)
plt.plot(data["day"], data["pcbi"], color='gray', linestyle=':')
plt.plot(data["day"], data["pgen"], color='gray', linestyle='-')
plt.plot(data["day"], data["pmed"], color='gray', linestyle='--')
plt.plot(data["day"], data["pntd"], color='gray', linestyle='-.')
plt.plot(data["day"], data["pone"], color='gray', linewidth=5, linestyle='--')
plt.plot(data["day"], data["ppat"], color='gray', linewidth=5, linestyle=':')
plt.plot(data["day"], data["pbio"], color='gray', linewidth=5, linestyle='-')
# plt.plot(data["day"], data["pone"], color='gray', linewidth=5, linestyle='--', marker='2')
# plt.plot(data["day"], data["ppat"], color='gray', linewidth=5, linestyle=':', marker='3')
# plt.plot(data["day"], data["pbio"], color='gray', linewidth=5, linestyle='-', marker='*')
plt.ylim(0, 11000)
plt.legend()
plt.yticks(y)
plt.xlabel("天", fontsize="10")
plt.ylabel("期刊平均訪問量", fontsize="11")
plt.show()
4、散點圖
# -*- coding: utf-8 -*-
"""
@Datetime: 2018/11/17
@Author: Zhang Yafei
"""
"""
假設經過爬蟲你獲取到了北京2016年3,10月份天天白天的最高氣溫(分別位於列表a,b),那麼此時如何尋找出氣溫和隨時間(天)變化的某種規律?
a = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
"""
from matplotlib import pyplot as plt
from matplotlib import font_manager
#設置中文字體
my_font = font_manager.FontProperties(fname='font/simsun.ttc')
#設置圖形大小
plt.figure(figsize=(13,6),dpi=80)
#數據準備
x_3 = range(1,32)
x_10 = range(51,82)
y_3 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
#使用scatter繪製散點圖和折線圖的惟一區別
plt.scatter(x_3,y_3,label='3月份')
plt.scatter(x_10,y_10,label='10月份')
plt.legend(loc='upper left',prop=my_font)
#調整x的刻度
_x = list(x_3) + list(x_10)
_xtick_labels = ['3月{}日'.format(i) for i in x_3]
_xtick_labels += ['10月{}日'.format(i-50) for i in x_10]
plt.xticks(_x[::3],_xtick_labels[::3],fontproperties=my_font,rotation=45)
#添加描述信息
plt.xlabel('時間',fontproperties=my_font)
plt.ylabel('溫度',fontproperties=my_font)
plt.title('3月份和10月份溫度對比圖',fontproperties=my_font)
#顯示
plt.show()
5、條形圖
# -*- coding: utf-8 -*-
"""
@Datetime: 2018/11/17
@Author: Zhang Yafei
"""
"""
假設你獲取到了2017年內地電影票房前20的電影(列表a)和電影票房數據(列表b),那麼如何更加直觀的展現該數據?
a = ["戰狼2","速度與激情8","功夫瑜伽","西遊伏妖篇","變形金剛5：最後的騎士","摔跤吧！爸爸","加勒比海盜5：死無對證","金剛：骷髏島","極限特工：終極迴歸","生化危機6：終章","乘風破浪","神偷奶爸3","智取威虎山","大鬧天竺","金剛狼3：殊死一戰","蜘蛛俠：英雄歸來","悟空傳","銀河護衛隊2","情聖","新木乃伊",]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23] 單位:億
"""
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname='font/simsun.ttc')
plt.figure(figsize=(15,8),dpi=80)
a = ["戰狼2","速度與激情8","功夫瑜伽","西遊伏妖篇","變形金剛5：最後的騎士","摔跤吧！爸爸","加勒比海盜5：死無對證","金剛：骷髏島","極限特工：終極迴歸","生化危機6：終章","乘風破浪","神偷奶爸3","智取威虎山","大鬧天竺","金剛狼3：殊死一戰","蜘蛛俠：英雄歸來","悟空傳","銀河護衛隊2","情聖","新木乃伊",]
b = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
plt.bar(range(len(a)),b,width=0.3)
plt.xticks(range(len(a)),a,fontproperties=my_font,rotation=90)
plt.savefig('movie.png')
plt.show()
6、橫條形圖
"""
假設你獲取到了2017年內地電影票房前20的電影(列表a)和電影票房數據(列表b),那麼如何更加直觀的展現該數據?
a = ["戰狼2","速度與激情8","功夫瑜伽","西遊伏妖篇","變形金剛5：最後的騎士","摔跤吧！爸爸","加勒比海盜5：死無對證","金剛：骷髏島","極限特工：終極迴歸","生化危機6：終章","乘風破浪","神偷奶爸3","智取威虎山","大鬧天竺","金剛狼3：殊死一戰","蜘蛛俠：英雄歸來","悟空傳","銀河護衛隊2","情聖","新木乃伊",]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23] 單位:億
"""
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname='font/simsun.ttc')
plt.figure(figsize=(15,8),dpi=80)
a = ["戰狼2","速度與激情8","功夫瑜伽","西遊伏妖篇","變形金剛5：最後的騎士","摔跤吧！爸爸","加勒比海盜5：死無對證","金剛：骷髏島","極限特工：終極迴歸","生化危機6：終章","乘風破浪","神偷奶爸3","智取威虎山","大鬧天竺","金剛狼3：殊死一戰","蜘蛛俠：英雄歸來","悟空傳","銀河護衛隊2","情聖","新木乃伊",]
b = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
plt.barh(range(len(a)),b,height=0.3,color='orange')
plt.yticks(range(len(a)),a,fontproperties=my_font)
plt.grid(alpha=0.4)
# plt.savefig('movie.png')
plt.show()
7、繪製屢次條形圖
# -*- coding: utf-8 -*-
"""
@Datetime: 2018/11/17
@Author: Zhang Yafei
"""
"""
假設你知道了列表a中電影分別在2017-09-14(b_14), 2017-09-15(b_15), 2017-09-16(b_16)三天的票房,爲了展現列表中電影自己的票房以及同其餘電影的數據對比狀況,應該如何更加直觀的呈現該數據?
a = ["猩球崛起3：終極之戰","敦刻爾克","蜘蛛俠：英雄歸來","戰狼2"]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]
"""
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname='font/simsun.ttc')
plt.figure(figsize=(15,8),dpi=80)
a = ["猩球崛起3：終極之戰","敦刻爾克","蜘蛛俠：英雄歸來","戰狼2"]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]
bar_width = 0.2
x_14 = list(range(len(a)))
x_15 = [i+bar_width for i in x_14]
x_16 = [i+bar_width*2 for i in x_14]
plt.bar(range(len(a)),b_14,width=bar_width,label='14日')
plt.bar(x_15,b_15,width=bar_width,label='15日')
plt.bar(x_16,b_16,width=bar_width,label='16日')
plt.legend(prop=my_font)
plt.xticks(x_14,a,fontproperties=my_font)
plt.grid(alpha=0.4)
# plt.savefig('movie.png')
plt.show()
例：dataframe繪製柱狀圖
import matplotlib.pyplot as plt import numpy as np from numpy.random import randn from pandas import DataFrame df = DataFrame(abs(randn(10, 5)), columns=['A', 'B', 'C', 'D', 'E'], index=np.arange(0, 100, 10)) df.plot(kind='bar') plt.show()
8、直方圖
# -*- coding: utf-8 -*- """ @Datetime: 2018/11/17 @Author: Zhang Yafei """ """ 直方圖：分佈狀態 假設你獲取了250部電影的時長(列表a中),但願統計出這些電影時長的分佈狀態(好比時長爲100分鐘到120分鐘電影的數量,出現的頻率)等信息,你應該如何呈現這些數據? a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150] """ from matplotlib import pyplot as plt from matplotlib import font_manager a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150] #計算組數 d = 3 num_bins = (max(a)-min(a))//d #設置圖形大小 plt.figure(figsize=(15,8),dpi=80) plt.hist(a,num_bins) #頻數分佈直方圖 # plt.hist(a,num_bins,density=True) #頻率分佈直方圖 #設置x軸的刻度 plt.xticks(range(min(a),max(a)+d,d)) plt.grid(alpha=0.3) plt.show()
9、案例
# -*- coding: utf-8 -*- """ @Datetime: 2018/11/17 @Author: Zhang Yafei """ """ 在美國2004年人口普查發現有124 million的人在離家相對較遠的地方工做。根據他們從家到上班地點所須要的時間,經過抽樣統計(最後一列)出了下表的數據,這些數據可以繪製成直方圖麼? interval = [0,5,10,15,20,25,30,35,40,45,60,90] width = [5,5,5,5,5,5,5,5,5,15,30,60] quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47] """ from matplotlib import pyplot as plt from matplotlib import font_manager interval = [0,5,10,15,20,25,30,35,40,45,60,90] width = [5,5,5,5,5,5,5,5,5,15,30,60] quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47] plt.figure(figsize=(13,6),dpi=80) plt.bar(range(len(quantity)),quantity,width=1) #設置x軸的刻度 _x = [i-0.5 for i in range(13)] _xtick_labels = interval + [150] plt.xticks(_x,_xtick_labels) plt.show()
10、餅圖
餅圖（Pie Graph）:又稱圓形圖，是一個劃分爲幾個扇形的扇形統計圖，它可以直觀的反映個體與整體的比例關係
例1：芝麻信用失信用戶教育水平分佈
import matplotlib.pyplot as plt
# font = {
# 'family':'SimHei'
# }
# mpl.rc('font',**font)
# 設置繪圖的主題風格（不妨使用R中的ggplot分隔）
plt.style.use('ggplot')
# 構造數據
edu = [0.2515, 0.3724, 0.3336, 0.0368, 0.0057]
labels = ['中專', '大專', '本科', '碩士', '其餘']
explode = [0, 0.1, 0, 0, 0] # 用於突出顯示大專學歷人羣
colors = ['#9999ff', '#ff9999', '#7777aa', '#2442aa', '#dd5555'] # 自定義顏色
# 中文亂碼和座標軸負號的處理
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 將橫、縱座標軸標準化處理，保證餅圖是一個正圓，不然爲橢圓
plt.axes(aspect='equal')
# 控制x軸和y軸的範圍
plt.xlim(0, 4)
plt.ylim(0, 4)
# 繪製餅圖
plt.pie(x=edu, # 繪圖數據
explode=explode, # 突出顯示大專人羣
labels=labels, # 添加教育水平標籤
colors=colors, # 設置餅圖的自定義填充色
autopct='%.1f%%', # 設置百分比的格式，這裏保留一位小數
pctdistance=0.8, # 設置百分比標籤與圓心的距離
labeldistance=1.15, # 設置教育水平標籤與圓心的距離
startangle=180, # 設置餅圖的初始角度
radius=1.5, # 設置餅圖的半徑
counterclock=False, # 是否逆時針，這裏設置爲順時針方向
wedgeprops={'linewidth': 1.5, 'edgecolor': 'green'}, # 設置餅圖內外邊界的屬性值
textprops={'fontsize': 12, 'color': 'k'}, # 設置文本標籤的屬性值
center=(1.8, 1.8), # 設置餅圖的原點
frame=1) # 是否顯示餅圖的圖框，這裏設置顯示
# 刪除x軸和y軸的刻度
plt.xticks(())
plt.yticks(())
# 添加圖標題
plt.title('芝麻信用失信用戶教育水平分佈')
# 保存圖形
plt.savefig('芝麻信用失信用戶教育水平分佈.png')
# 顯示圖形
plt.show()
例2：手機品牌市場佔有率
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy
from pandas import read_csv
data = read_csv('E:/python/data_analysis/data/pie.csv')
gb = data.groupby(
by=['通訊品牌'],
as_index=False
)['號碼'].agg({
'用戶數': numpy.size
})
font = {
'family': 'SimHei'
}
mpl.rc('font', **font)
explode = [0.1, 0, 0] # 0.1 凸出這部分，
plt.pie(gb['用戶數'], labels=gb['通訊品牌'], explode=explode, autopct='%.f%%',
shadow=True, labeldistance=1.1, startangle=90, pctdistance=0.6)
plt.title('手機品牌市場佔有率')
plt.savefig('手機品牌市場佔有率.png')
plt.show()
# labeldistance，文本的位置離遠點有多遠，1.1指1.1倍半徑的位置
# autopct，圓裏面的文本格式，%3.1f%%表示小數有三位，整數有一位的浮點數
# shadow，餅是否有陰影
# startangle，起始角度，0，表示從0開始逆時針轉，爲第一塊。通常選擇從90度開始比較好看
# pctdistance，百分比的text離圓心的距離
# patches, l_texts, p_texts，爲了獲得餅圖的返回值，p_texts餅圖內部文本的，l_texts餅圖外label的文本
例3：各個國家之間的GDP佔比圖
import matplotlib.pyplot as plt
def draw_pie(labels, quants):
# make a square figure
plt.figure(1, figsize=(6, 6))
# For China, make the piece explode a bit
expl = [0, 0.1, 0, 0, 0, 0, 0, 0, 0, 0] # 第二塊即China離開圓心0.1
# Colors used. Recycle if not enough.
colors = ["blue", "red", "coral", "green", "yellow", "orange"] # 設置顏色（循環顯示）
# Pie Plot
# autopct: format of "percent" string;百分數格式
plt.pie(quants, explode=expl, colors=colors, labels=labels, autopct='%1.1f%%', pctdistance=0.8, shadow=True)
plt.title('Top 10 GDP Countries', bbox={'facecolor': '0.8', 'pad': 5})
plt.savefig("pie.jpg")
plt.show()
plt.close()
# quants: GDP
# labels: country name
labels = ['USA', 'China', 'India', 'Japan', 'Germany', 'Russia', 'Brazil', 'UK', 'France', 'Italy']
quants = [15094025.0, 11299967.0, 4457784.0, 4440376.0, 3099080.0, 2383402.0, 2293954.0, 2260803.0, 2217900.0,
1846950.0]
draw_pie(labels, quants)
例4：series畫餅圖
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
# 簡單的餅圖
series = pd.Series(3 * np.random.rand(4), index=['a', 'b', 'c', 'd'], name='series')
# series.plot.pie(figsize=(6, 6))
#
#
##多子圖餅圖
# df = pd.DataFrame(3 * np.random.rand(4, 2), index=['a', 'b', 'c', 'd'], columns=['x', 'y'])
# df.plot.pie(subplots=True, figsize=(8, 4))
# 有比例詳情的餅圖
series.plot.pie(labels=['AA', 'BB', 'CC', 'DD'], colors=['r', 'g', 'b', 'c'],
autopct='%.2f', fontsize=10, figsize=(6, 6))
plt.show()
11、等高線圖
import matplotlib.pyplot as plt
import numpy as np
# 創建等高線的函數
def f(x, y):
return (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)
n = 256
x = np.linspace(-3, 3, n)
y = np.linspace(-3, 3, n)
# 等高線圖就是網格圖,生成網格
X, Y = np.meshgrid(x, y)
# 向等高線圖形上面的一些線條增長顏色
C = plt.contour(X, Y, f(X, Y), 5, color='black', linewidth=0.5)
# 向等高線圖形不一樣位置增長顏色
plt.contourf(X, Y, f(X, Y), 5, alpha=0.75, cmap=plt.cm.hot)
# 增長字體
plt.clabel(C, inline=True, fontsize=10)
# 若是修改上面的代碼True 改爲False 那麼線會直接穿過字體
# plt.clabel(C,inline=False,fontsize=10)
# 去掉x，y軸
plt.xticks(())
plt.yticks(())
plt.show()
12、image
# 設置一個圖片的數據 a = np.random.random(9).reshape(3, 3) print(a) # origin='lower' 換成 origin='upper' # interpolation='nearest' 顯示的是類別，什麼方式進行顯示 # http://matplotlib.org/examples/images_contours_and_fields/interpolation_methods.html plt.imshow(a, interpolation='nearest', cmap='bone', origin='lower') # 在旁邊增長一個說明 shrink=0.9 顯示的比例是多少 也就是壓縮 # plt.colorbar() plt.colorbar(shrink=1.2) # 去掉x，y軸 plt.xticks(()) plt.yticks(()) plt.show()
十3、3D圖像
# 由於是3D圖像咱們須要額外的導入一個庫
from mpl_toolkits.mplot3d import Axes3D
# 創建窗口
fig = plt.figure()
# 在3D上面加上軸
ax = Axes3D(fig)
# x，y數據
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)
# 造成高度值
Z = np.sin(R)
# rstride=1 cstride=1 跨度（行列跨）
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.get_cmap('rainbow'))
# 等高線圖offset=-2 表示比0點的位置低兩個點
ax.contourf(X, Y, Z, zdir='z', offset=-2, cmap='rainbow')
ax.set_zlim(-2, 2)
plt.show()
相關文章
- 1. Matplotlib學習(一)
- 2. 一文學會JSP
- 3. 一文學會MongoDB
- 4. 一文學會Json
- 5. 一文學會Scala
- 6. 一文學會zigbee
- 7. 機器學習 -- matplotlib（一）matplotlib的介紹
- 8. 一文學會Dockerfile語法
- 9. 一文學會 React Hooks
- 10. 一文學會使用Vuex
- 更多相關文章...
- • 您已經學習了 XML Schema，下一步學習什麼呢？ - XML Schema 教程
- • 我們已經學習了 SQL，下一步學習什麼呢？ - SQL 教程
- • Kotlin學習（一）基本語法
- • Tomcat學習筆記（史上最全tomcat學習筆記）
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. Matplotlib學習(一)
- 2. 一文學會JSP
- 3. 一文學會MongoDB
- 4. 一文學會Json
- 5. 一文學會Scala
- 6. 一文學會zigbee
- 7. 機器學習 -- matplotlib（一）matplotlib的介紹
- 8. 一文學會Dockerfile語法
- 9. 一文學會 React Hooks
- 10. 一文學會使用Vuex