目录

2 matplotlib——条形图

使用 matplotlib.pyplot 中的 bar 或 barh 函数绘制条形图。

2.1 绘制bar类型的条形图

import numpy as np
import matplotlib.pyplot as plt

# 创建一张图
fig = plt.figure(1)
# 创建一个子图
ax1 = plt.subplot(111)
# 使用numpy包中的array函数绘制绘图所需的数据
data = np.array([15, 20, 18, 25])
# 准备绘制条形图的参数，绘制的条形宽度width=0.5，绘制的条形位置(中心)x_bar=np.arange(4)，条形图的高度（height=data）
width = 0.5
x_bar = np.arange(4)
# 通过plt.bar函数来绘制条形的主体,并传入宽度width，位置x_bar，高度data，颜色color="lightblue"等参数
rect = ax1.bar(x=x_bar, height=data, width=width, color='lightblue')
# 向条形图添加数据标签
for rec in rect:
    x = rec.get_x()
    height = rec.get_height()
    ax1.text(x + 0.1, 1.02 * height, str(height))
# 绘制x，y坐标轴刻度及标签，以及图形标题
ax1.set_xticks(x_bar)  # x轴刻度
ax1.set_xticklabels(('first', 'second', 'third', 'fourth'))  # x轴刻度标签
ax1.set_ylabel('Y Axis')  # y轴标签
ax1.set_title("The Bar Graph")  # 子图的标题
ax1.grid(True)  # 绘制网格
ax1.set_ylim(0, 28)  # 绘制y轴的刻度范围
plt.show()

在这里插入图片描述

2.2 绘制barh条形图

import numpy as np
import matplotlib.pyplot as plt

# 创建一张图
fig=plt.figure(1)
# 创建一个子图
ax1=fig.add_subplot(111)
# 使用numpy包中的array函数绘制绘图所需的数据
data=np.array([30,40,35,50])
# 准备绘制条形图的参数，绘制的条形高度height=0.35，绘制的条形位置(中心)bottom=np.arange(4)
height=0.35
bottom=np.arange(4)
# 通过plt.barh函数来绘制条形的主体,并传入宽度data，位置bottom，高度height，颜色color="lightbgreen"等参数
rect=ax1.barh(y=bottom,width=data,height=height,color='lightgreen',align='center')
# 向条形图添上数据标签
for rec in rect:
    y=rec.get_y()
    width=rec.get_width()
    ax1.text(1.02*width,y+0.15,str(width))
# 绘制x，y坐标轴刻度及标签，以及图形标题
ax1.set_yticks(bottom)   #y轴刻度
ax1.set_yticklabels(('first','second','third','fourth')) #y轴刻度标签
ax1.set_ylabel('category')  #y轴标签
ax1.set_xlabel('number')
ax1.set_title("The Barh Graph")  #子图的标题
ax1.set_xlim(0,53)  #绘制x轴的刻度范围
plt.show()

在这里插入图片描述

3 matplotlib——直方图

使用matplotlib.pyplot中的bar或barh函数绘制条形图。

import numpy as np
import matplotlib.pyplot as plt

# 创建一张图
fig=plt.figure(1)
# 创建一个子图
ax1=fig.add_subplot(111)
# 使用numpy包中的array函数绘制绘图所需的数据
np.random.seed(19680801)
mu, sigma = 100, 15
x = mu + sigma * np.random.randn(10000)
# 通过hist函数来绘制直方图的主体，并传入对数据进行正则化normed=1，条数bins=50，颜色facecolor='g'，透明度alpha=0.75等参数
n,bins,patches=ax1.hist(x,bins=50,normed=1,facecolor='g',alpha=0.75)
# 添加一条最完美的mu=100，sigma=15正态曲线
y = ((1 / (np.sqrt(2 * np.pi) * sigma)) *
     np.exp(-0.5 * (1 / sigma * (bins - mu))**2))
ax1.plot(bins, y, '--')
# 绘制x，y坐标轴标签、直方图内容标签，以及图形标题
ax1.set_xlabel('Smarts')
ax1.set_ylabel('Probability')
ax1.set_title('Histogram of IQ')
plt.text(60,0.025,r'$\mu=100,\ \sigma=15$')
# 使用axis函数调整坐标范围，使用grid函数添加网格
ax1.axis([40,160,0,0.03])
ax1.grid(True)
plt.show()

在这里插入图片描述

4 matplotlib——饼状图

使用matplotlib.pyplot中的pie函数绘制饼状图

import numpy as np
import matplotlib.pyplot as plt

# 创建一张图
fig = plt.figure(1)
# 创建一个子图
ax1 = plt.subplot(111)

# 使用numpy包中的array函数创建绘图所需的数据
slices = np.array([7, 2, 2, 13])
# 准备绘制条形图的参数，绘制的每块饼的标签activities，绘制的每块饼的颜色colors，指定某块饼与其它饼隔开explode。
activities = ['sleep', 'eating', 'working', 'playing']
colors = ['lightpink', 'm', 'lightgreen', 'r']
explode = (0, 0.1, 0, 0.1)

# 通过pie函数来绘制饼状图的主体,并传入标签labels=activities，颜色colors=colors，起始角度startangle=90，是否加阴影shadow=False，每一块饼中心与圆心的位移explode=explode，饼上的文本格式autopct='%1.1f%%'等参数。
ax1.pie(slices, labels=activities, colors=colors, startangle=90, shadow=False, explode=explode, autopct='%1.1f%%')
# 绘制饼图的标题
ax1.set_title('Pie chart of the proportion of time in daily life', bbox={'facecolor': '0.8', 'pad': 5})
# 显示图像
plt.show()

在这里插入图片描述

5 matplotlib——散点图

使用matplotlib.pyplot中的scatter函数绘制散点图。

# 使用numpy包的random函数随机生成1000组数据，然后通过scatter函数绘制散点图，参数都用默认值
import numpy as np
import matplotlib.pyplot as plt

N = 1000
x = np.random.randn(N)
y = np.random.randn(N)
plt.scatter(x, y)  
plt.show()

在这里插入图片描述
在这里插入图片描述

# 使用numpy包的random函数随机生成1000组数据，然后通过scatter函数绘制了散点图，设置点的大小参数s=x*20
import numpy as np
import matplotlib.pyplot as plt

N = 1000
x = np.random.randn(N)
y = np.random.randn(N)
plt.scatter(x, y,s=x*20)
plt.show()

在这里插入图片描述
在这里插入图片描述

# 使用numpy包的random函数随机生成1000组数据，然后通过scatter函数绘制散点图，设置颜色参数，形状参数marker=‘>'
import numpy as np
import matplotlib.pyplot as plt

N = 1024
x = np.random.randn(N)
y = np.random.randn(N)
colors=np.random.rand(N)
plt.scatter(x, y,c=colors,marker='>')
plt.show()

在这里插入图片描述
在这里插入图片描述

# 使用numpy包的random函数随机生成1000组数据，然后通过scatter函数绘制散点图，设置透明度参数alpha=0.5
import numpy as np
import matplotlib.pyplot as plt

N = 1000
x = np.random.randn(N)
y = np.random.randn(N)  
plt.scatter(x, y, alpha=0.5)
plt.show()

在这里插入图片描述
在这里插入图片描述

# 使用numpy包的random函数随机生成1000组数据，然后通过scatter函数绘制了散点图，设置颜色参数c为浮点数组x，即c=x时，再设置颜色渐变参数cmap=plt.cm.get_cmap('RdYlBu')，可以使点的颜色逐渐由红变蓝，最后使用colorbar函数为图像增加颜色条
import numpy as np
import matplotlib.pyplot as plt

N = 1000
x = np.random.randn(N)
y = np.random.randn(N)  
cm=plt.cm.get_cmap('RdYlBu')
sc=plt.scatter(x, y,c=x,cmap=cm)
plt.colorbar(sc)
plt.show()

在这里插入图片描述
在这里插入图片描述

# 使用numpy包的random函数随机生成1000组数据，然后通过scatter函数绘制了散点图，设置透明度参数linewidth=[1]*1000，设置边缘颜色edgecolors='r'
import numpy as np
import matplotlib.pyplot as plt  

N = 1000
x = np.random.randn(N)
y = np.random.randn(N)
plt.scatter(x, y,linewidth=[1]*1000,edgecolors=['r','y','g','pink'])
plt.show()

在这里插入图片描述

6 matplotlib——3D图

6.1 绘制三维散点图

import numpy as np
# 载入 2D, 3D 绘图模块
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt

# x, y, z 均为 0 到 1 之间的 100 个随机数  
x = np.random.normal(0, 1, 100)
y = np.random.normal(0, 1, 100)
z = np.random.normal(0, 1, 100)
# 使用 Axes3D() 创建 3D 图形对象
fig = plt.figure()
ax = Axes3D(fig)
# 调用散点图绘制方法绘图并显示出来。
ax.scatter(x, y, z)
plt.show()

在这里插入图片描述

6.2 三维线型图

# 导入包matplotlib的pyplot模块，用别名plt表示，导入包numpy，并用别名np表示，载入3D 绘图模块mpl_toolkits.mplot3d中的Axes3D
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import numpy as np

# 使用numpy中的linspace()函数，生成1000个范围在-6π至6π之间的等间距数组x，将数组x映射到np中的sin、cos函数，分别生成数组y，z
x = np.linspace(-6 * np.pi, 6 * np.pi, 1000)
y = np.sin(x)
z = np.cos(x)

# 创建一个图对象fig，然后使用Axes3D函数将图对象封装成一个3D图对象ax
fig = plt.figure()
ax = Axes3D(fig)
# 调用线型图绘制方法绘图并显示出来
ax.plot(x, y, z)
plt.show()

在这里插入图片描述

6.3 三维柱状图

# 导入包matplotlib的pyplot模块，用别名plt表示，导入包numpy，并用别名np表示，载入3D 绘图模块mpl_toolkits.mplot3d中的Axes3D
from mpl_toolkits.mplot3d import Axes3D
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

# 创建一个图对象fig，然后创建一个3D子图对象ax
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 接下来需要传入 x, y, z 三个坐标的数值，并创建颜色集合color，使用range生成一个1到12的数字序列x，使用numpy.random中的rand()函数，生成12个范围在0至1000之间的浮点数组y，z坐标为列表 [2011, 2012, 2013, 2014]，使用plt.cm.Set2函数，传入用random.choice函数随机选取序列range(plt.cm.Set2.N)中的值作为参数，创建颜色集合color
x = range(1,13)
y = 1000 * np.random.rand(12)
color = plt.cm.Set2(np.random.choice(range(plt.cm.Set2.N)))

# 绘制三维柱状图，设置决定z轴维度的参数zdir='y'，设置颜色参数color=color，透明度参数alpha=0.8，从颜色映射集合中随机选择一种颜色，然后把它和每一个Z轴集合的<x,y>对关联起来。最后，用<x,y>对渲染出柱状条序列
for z in [2011, 2012, 2013, 2014]:
    ax.bar(x, y, zs=z, zdir='y', color=color, alpha=0.8)

# 为坐标轴打标签并显示图片
ax.xaxis.set_major_locator(mpl.ticker.FixedLocator(x))
ax.yaxis.set_major_locator(mpl.ticker.FixedLocator(y))
ax.set_xlabel('X')
ax.set_ylabel('Y')
ax.set_zlabel('Z')
plt.show()

在这里插入图片描述

6.4 三维图曲面图

# 导入包matplotlib的pyplot模块，用别名plt表示，导入包numpy，并用别名np表示，载入3D 绘图模块mpl_toolkits.mplot3d中的Axes3D
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt  
import numpy as np

# 创建一个图对象fig，然后创建一个3D子图对象ax
fig = plt.figure()    
ax = fig.add_subplot(111, projection='3d')

# 需要传入 x, y, z 三个坐标的数值，使用numpy中的arange()函数，生成40个范围在-2至2之间的等间距数组x,y，将数组x**2+y**2映射到np中的sqrt函数，生成数组z
X = np.arange(-2, 2, 0.1)  
Y = np.arange(-2, 2, 0.1)  
X, Y = np.meshgrid(X, Y)  
Z = np.sqrt(X ** 2 + Y ** 2)

# 绘制曲面图，使用 cmap 着色（cmap=plt.cm.winter 表示采用了 winter 配色方案），并显示图
ax.plot_surface(X, Y, Z, cmap=plt.cm.winter)  
plt.show()

在这里插入图片描述

6.5 画一朵花

from mpl_toolkits.mplot3d import Axes3D
from matplotlib import cm
from matplotlib.ticker import LinearLocator
import matplotlib.pyplot as plt
import numpy as np

fig = plt.figure()
ax = fig.gca(projection='3d')

[x, t] = np.meshgrid(np.array(range(25)) / 24.0, np.arange(0, 575.5, 0.5) / 575 * 17 * np.pi - 2 * np.pi)
p = (np.pi / 2) * np.exp(-t / (8 * np.pi))
u = 1 - (1 - np.mod(3.6 * t, 2 * np.pi) / np.pi) ** 4 / 2
y = 2 * (x ** 2 - x) ** 2 * np.sin(p)
r = u * (x * np.sin(p) + y * np.cos(p))
surf = ax.plot_surface(r * np.cos(t), r * np.sin(t), u * (x * np.cos(p) - y * np.sin(p)), rstride=1, cstride=1,
                       cmap=cm.gist_rainbow_r, linewidth=0, antialiased=True)
plt.show()

在这里插入图片描述

7 matplotlib——绘制多个子图

7.1 用matplotlib.pyplot.subplot()函数绘制多个子图

7.1.1 绘制多个子图

import numpy as np
import matplotlib.pyplot as plt

# 自定义一个函数f，输入参数t，返回一个指数e-t*cos(2π*t)表达式
def f(t):
    return np.exp(-t) * np.cos(2 * np.pi * t)

# 使用numpy包中的arange函数绘制绘图所需的数据t1,t2
t1 = np.arange(0.0, 5.0, 0.1)
t2 = np.arange(0.0, 5.0, 0.02)
# 创建一张图figure
plt.figure(1)
# 创建绘制图表样式为 2X1 的图片区域，并选中第一个子图，然后使用plot函数传入数据t1，t2分别绘制走势为函数f(t)，颜色为蓝色形状为点状的图与颜色为黑色形状为默认线条的图
plt.subplot(211)
plt.plot(t1, f(t1), 'bo', t2, f(t2), 'k')
# 创建绘制图表样式为 2X1 的图片区域，并选中第二个子图，然后使用plot函数传入数据t2，绘制走势为cos(2π*t2)，颜色为红色形状为默认虚线条的图
plt.subplot(212)
plt.plot(t2, np.cos(2 * np.pi * t2), 'r--')
# 显示图片
plt.show()

在这里插入图片描述

7.1.2 绘制序号为1,2的两张图

如果不指定 figure() 的轴，figure(1) 命令默认会被建立，同样如果你不指定 subplot(numrows, numcols, fignum) 的轴，subplot(111) 也会自动建立。

import matplotlib.pyplot as plt

plt.figure(1)                        # 创建第一个画板（figure）
plt.subplot(211)                     # 第一个画板的第一个子图
plt.plot([1, 2, 3])
plt.subplot(212)                     # 第一个画板的第二个子图
plt.plot([4, 5, 6])
plt.figure(2)                        #创建第二个画板
plt.plot([4, 5, 6])                  # 默认子图命令是subplot(111)
plt.figure(1)                        # 调取画板1; subplot(212)仍然被调用中
plt.subplot(211)                     #调用subplot(211)
plt.title('First Axis on Figure 1')  # 做出211的标题
plt.show()

在这里插入图片描述

7.1.3 绘制内嵌图

import matplotlib.pyplot as plt
import numpy as np

# 创建数据（使用numpy中的arange、random.randn、convolve创建数据）
dt = 0.001
t = np.arange(0.0, 10.0, dt)
r = np.exp(-t[:1000]/0.05) # impulse response
x = np.random.randn(len(t))
s = np.convolve(x, r)[:len(x)]*dt # colored noise

# 默认主轴图axes是subplot(111) （使用plt.axis画出绘图区域，然后使用plt.plot函数绘制高斯有色噪声图，使用xlabel、ylabel和title来对x轴、y轴和标题命名，默认主轴图axes是subplot(111)）
plt.plot(t, s)
plt.axis([0, 1, 1.1*np.amin(s), 2*np.amax(s)])
plt.xlabel('time (s)')
plt.ylabel('current (nA)')
plt.title('Gaussian colored noise')

# 内嵌图（使用plt.axis画出绘图区域，并标记该区域的颜色为红色，用于内嵌一个图，然后在该内嵌图中使用plt.hist()绘制一个直方图，用plt.title函数设置标题）
a = plt.axes([.65, .6, .2, .2], facecolor='y')
n, bins, patches = plt.hist(s, 400, normed=1)
plt.title('Probability')
plt.xticks([])
plt.yticks([])

# 另外一个内嵌图（使用plt.axis画出绘图区域，并标记该区域的颜色为红色，用于内嵌另外一个图，然后在该内嵌图中使用plt.plot()绘制一个曲线图，用plt.title函数设置标题，plt.xlim函数设置x轴刻度范围）
a = plt.axes([0.2, 0.6, .2, .2], facecolor='y')
plt.plot(t[:len(r)], r)
plt.title('Impulse response')
plt.xlim(0, 0.2)
plt.xticks([])
plt.yticks([])
plt.show()

在这里插入图片描述

7.2 用matplotlib.pyplot.subplot2grid函数绘制多个子图

import matplotlib.pyplot as plt

# 创建一个图像窗口
plt.figure()
# 创建第1个小图, (4,3)表示将整个图像窗口分成4行3列, (0,0)表示从第0行第0列开始作图，colspan=3表示列的跨度为3, rowspan=1表示行的跨度为1. colspan和rowspan缺省, 默认跨度为1
ax1 = plt.subplot2grid((4,3), (0,0), colspan=3)
# # 创建一个散点图, 使用ax1.set_xlabel和ax1.set_ylabel来对x轴和y轴命名
ax1.scatter([1, 2, 3, 4], [1, 2, 3, 4])
ax1.set_xlabel('ax1_x')
ax1.set_ylabel('ax1_y')
ax1.set_title('ax1_title')
# 创建第2个小图, (3,3)表示将整个图像窗口分成3行3列, (1,0)表示从第1行第0列开始作图，colspan=2表示列的跨度为2. 同上画出 ax3, (1,2)表示从第1行第2列开始作图，rowspan=2表示行的跨度为2.再画一个 ax4 和 ax5, 使用默认 colspan, rowspan
ax2 = plt.subplot2grid((3,3), (1,0), colspan=2)
ax3 = plt.subplot2grid((3,3), (1, 2), rowspan=2)
ax4 = plt.subplot2grid((3,3), (2, 0))
ax5 = plt.subplot2grid((3,3), (2, 1))
# 显示图像
plt.show()

在这里插入图片描述

7.3 用matplotlib.gridspec函数绘制多个子图

import matplotlib.pyplot as plt
import matplotlib.gridspec as gridspec

# 用plt.figure()创建一个图像窗口, 使用gridspec.GridSpec将整个图像窗口分成3行3列
plt.figure()
gs = gridspec.GridSpec(3, 3)

# 使用plt.subplot来作图, gs[0, :]表示这个图占第0行和所有列, gs[1, :-1]表示这个图占第1行和倒数第1列前的所有列, gs[1:, -1]表示这个图占第1行后的所有行和倒数第1列, gs[-1, 0]表示这个图占倒数第1行和第0列, gs[-1, -2]表示这个图占倒数第1行和倒数第2列
ax1 = plt.subplot(gs[0, :])
ax2 = plt.subplot(gs[1,:-1])
ax3 = plt.subplot(gs[1:, -1])
ax4 = plt.subplot(gs[-1,0])
ax5 = plt.subplot(gs[-1,-2])
plt.show()

在这里插入图片描述

7.4 用matplotlib.pyplot.subplots()函数绘制多个子图

import matplotlib.pyplot as plt

# 使用plt.subplots建立一个2行2列的图像窗口，sharex=True表示共享x轴坐标, sharey=True表示共享y轴坐标. ((ax11, ax12), (ax13, ax14))表示第1行从左至右依次放ax11和ax12, 第2行从左至右依次放ax13和ax14
f, ((ax11, ax12), (ax13, ax14)) = plt.subplots(2, 2, sharex=True, sharey=True)
# plt.tight_layout()表示紧凑显示图像
plt.tight_layout()  
# 显示图像
plt.show()

在这里插入图片描述

# python # 数据分析 # matplotlib
Logo
腾讯云开发者社区

腾讯云面向开发者汇聚海量精品云计算使用和开发经验，营造开放的云计算技术生态圈。

更多推荐

cover

动物识别系统 python实现+UI

avatar 腾讯云开发者社区

Linux下安装MySQL8.0(超详细)

Linux下安装MySQL8.0(超详细)

avatar 腾讯云开发者社区
cover

安卓手机如何连接苹果电脑

avatar 腾讯云开发者社区