您现在的位置是：首页 > 技术教程正文

Python中使用matplotlib绘制各类图表示例

admin 阅读： 2024-03-24

后台-插件-广告管理-内容页头部广告（手机）

折线图

折线图是一种用于表示数据随时间、变量或其他连续性变化的趋势的图表。通过在横轴上放置时间或如此类似的连续变量，可以在纵轴上放置数据点的值，从而捕捉到数据随时间发生的变化。折线图可以用于比较不同变量的趋势，轻松地发现不同的变量之间的差异。

import matplotlib.pyplot as plt import numpy as np # 生成数据 x = np.linspace(0, 10, 100) y1 = np.sin(x) y2 = np.cos(x) # 创建一个绘图窗口，大小为8x6英寸 plt.figure(figsize=(8, 6)) # 绘制折线图 plt.plot(x, y1, label='sin(x)') plt.plot(x, y2, label='cos(x)') # 添加图例，显示在右上角 plt.legend(loc='upper right') # 添加标题和轴标签 plt.title('Sin and Cos functions') plt.xlabel('x') plt.ylabel('y') # 显示网格线 plt.grid(True) # 保存图像，支持多种格式，如PNG、PDF、SVG等 plt.savefig('line_plot.png', dpi=300) # 显示图像 plt.show()

示例结果：

在这里插入图片描述

参数说明：

plt.figure(figsize=(8, 6))：创建一个大小为8x6英寸的绘图窗口。
plt.plot(x, y1, label='sin(x)')：绘制折线图，x和y1是数据点的x坐标和y坐标，label是该折线的标签，用于图例中显示。
plt.legend(loc='upper right')：添加图例，loc参数指定图例的位置，可以是字符串’upper right’等也可以是数字0~10。
plt.title('Sin and Cos functions')：添加标题。
plt.xlabel('x')：添加x轴标签。
plt.ylabel('y')：添加y轴标签。
plt.grid(True)：显示网格线。
plt.savefig('line_plot.png', dpi=300)：保存图像到文件line_plot.png中，dpi参数指定输出分辨率。

柱状图

柱状图是一种用于比较不同组数据之间差异的图表。它通过将每个数据组的值表示为柱形的高度来显示差异。柱状图可用于比较不同分类数据的数量、频率或比率，用于显示该类别数据的相对大小。

import matplotlib.pyplot as plt import numpy as np # 生成数据 x = ['A', 'B', 'C', 'D', 'E'] y1 = [3, 7, 2, 5, 9] y2 = [5, 2, 6, 3, 1] # 创建一个绘图窗口，大小为8x6英寸 plt.figure(figsize=(8, 6)) # 绘制柱状图 plt.bar(x, y1, color='lightblue', label='Group 1') plt.bar(x, y2, color='pink', bottom=y1, label='Group 2') # 添加图例，显示在右上角 plt.legend(loc='upper right') # 添加标题和轴标签 plt.title('Bar Plot') plt.xlabel('Category') plt.ylabel('Value') # 显示图像 plt.show()

示例结果：

柱状图

参数说明：

plt.bar(x, y1, color='lightblue', label='Group 1')：绘制柱状图，x是类别列表，y1是每个类别对应的值，label是该组数据的标签，用于图例中显示。color参数指定柱状图的颜色。
plt.bar(x, y2, color='pink', bottom=y1, label='Group 2')：绘制第二组数据的柱状图，bottom参数指定该组数据的底部位置。
plt.legend(loc='upper right')：添加图例，loc参数指定图例的位置，可以是字符串’upper right’等也可以是数字0~10。
plt.title('Bar Plot')：添加标题。
plt.xlabel('Category')：添加x轴标签。
plt.ylabel('Value')：添加y轴标签。

直方图

直方图用于展示数据的分布情况，通常用于分析数据集的偏态和峰态等特征。

import matplotlib.pyplot as plt import numpy as np # 生成随机数据 np.random.seed(42) data = np.random.normal(size=1000) # 绘制直方图 fig, ax = plt.subplots() ax.hist(data, bins=30, density=True, alpha=0.5, color='blue') # 设置图表标题和坐标轴标签 ax.set_title('Histogram of Random Data', fontsize=16) ax.set_xlabel('Value', fontsize=14) ax.set_ylabel('Frequency', fontsize=14) # 设置坐标轴刻度标签大小 ax.tick_params(axis='both', which='major', labelsize=12) # 显示图表 plt.show()

示例结果：
在这里插入图片描述

参数说明：

data：要绘制的数据集。
bins：直方图中的箱数。
density：是否将频数转换为概率密度。
alpha：直方图的透明度。
color：直方图的颜色。
ax.set_title()：设置图表标题。
ax.set_xlabel()：设置x轴标签。
ax.set_ylabel()：设置y轴标签。
ax.tick_params()：设置坐标轴刻度标签的大小。

饼图

饼图用于展示数据的占比情况，通常用于比较不同类别或部分之间的占比情况。

import matplotlib.pyplot as plt # 生成数据 labels = ['A', 'B', 'C', 'D'] sizes = [15, 30, 45, 10] colors = ['red', 'green', 'blue', 'yellow'] # 绘制饼图 fig, ax = plt.subplots() ax.pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%', startangle=90) # 设置图表标题 ax.set_title('Pie Chart of Data', fontsize=16) # 显示图表 plt.show()

示例结果：
在这里插入图片描述

参数说明：

labels：数据的类别标签。
sizes：数据的占比。
colors：数据的颜色。
autopct：占比的显示格式。
startangle：饼图的起始角度。
ax.set_title()：设置图表标题。

括线图

括线图是一种用于比较不同组数据分布情况的图表。它用于显示数据的中位数、上下四分位数、最小值和最大值，可以帮助我们了解数据分布的形状、位置和离散程度。在括线图中，每个箱子代表数据的25%～75%分位数，中位线是每个箱子中的中位数，普通线是每个箱子之外的最小值和最大值。

import matplotlib.pyplot as plt # 生成数据 data = [[3.4, 4.1, 3.8, 2.0], [2.3, 4.5, 1.2, 4.3]] # 创建一个绘图窗口，大小为8x6英寸 plt.figure(figsize=(8, 6)) # 绘制括线图 bp = plt.boxplot(data, widths=0.5, patch_artist=True, notch=True) # 设置每个箱线图的颜色和填充 for patch, color in zip(bp['boxes'], ['lightblue', 'pink']): patch.set_facecolor(color) # 添加标题和轴标签 plt.title('Box Plot') plt.xlabel('Group') plt.ylabel('Data') # 显示图像 plt.show()

示例结果：

在这里插入图片描述

参数说明：

plt.boxplot(data, widths=0.5, patch_artist=True, notch=True)：绘制括线图，data是一个包含两个列表的列表，表示两组数据。widths参数指定每个箱线图的宽度，patch_artist参数指定使用补丁来填充箱线图，notch参数指定绘制出箱线图中的记分牌。
patch.set_facecolor(color)：设置每个箱线图的颜色和填充，zip函数可以将两个列表打包成一个元组，逐个取出元组的值。
plt.title('Box Plot')：添加标题。
plt.xlabel('Group')：添加x轴标签。
plt.ylabel('Data')：添加y轴标签。

散点图

散点图是一种用于展示两个变量之间关系的图表。每个点代表一个数据点，它的位置由变量的值确定。散点图可用于寻找变量之间的相关性，并显示数据中的任何异常值或离群值。

import matplotlib.pyplot as plt import numpy as np # 生成数据 x = np.random.normal(size=100) y = np.random.normal(size=100) # 创建一个绘图窗口，大小为8x6英寸 plt.figure(figsize=(8, 6)) # 绘制散点图 plt.scatter(x, y, s=50, alpha=0.5) # 添加标题和轴标签 plt.title('Scatter Plot') plt.xlabel('x') plt.ylabel('y') # 显示图像 plt.show()

示例结果：

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-GM4O5nQt-1686898200230)(null)]

参数说明：

plt.scatter(x, y, s=50, alpha=0.5)：绘制散点图，x和y是数据点的x坐标和y坐标，s指定点的大小，alpha指定点的透明度。
plt.title('Scatter Plot')：添加标题。
plt.xlabel('x')：添加x轴标签。
plt.ylabel('y')：添加y轴标签。

箱线图

箱线图用于展示数据的分布情况和异常值等信息，通常用于比较不同数据集之间的差异。

import matplotlib.pyplot as plt import numpy as np # 生成随机数据 np.random.seed(42) data = np.random.normal(size=(100, 4), loc=0, scale=1.5) # 绘制箱线图 fig, ax = plt.subplots() ax.boxplot(data, notch=True, sym='o', vert=True, whis=1.5) # 设置图表标题和坐标轴标签 ax.set_title('Boxplot of Random Data', fontsize=16) ax.set_xlabel('Variable', fontsize=14) ax.set_ylabel('Value', fontsize=14) # 设置坐标轴刻度标签大小 ax.tick_params(axis='both', which='major', labelsize=12) # 显示图表 plt.show()

示例结果：
在这里插入图片描述

参数说明：

data：要绘制的数据集。
notch：是否绘制缺口。
sym：异常值的标记形状。
vert：是否垂直绘制箱线图。
whis：箱线图的须长度，以四分位距的1.5倍为标准。
ax.set_title()：设置图表标题。
ax.set_xlabel()：设置x轴标签。
ax.set_ylabel()：设置y轴标签。
ax.tick_params()：设置坐标轴刻度标签的大小。

热力图

热力图用于展示数据之间的关系和趋势，通常用于分析二维数据的相关性和变化。

import matplotlib.pyplot as plt import numpy as np # 生成随机数据 np.random.seed(42) data = np.random.normal(size=(10, 10), loc=0, scale=1) # 绘制热力图 fig, ax = plt.subplots() im = ax.imshow(data, cmap='YlOrRd') # 添加颜色条 cbar = ax.figure.colorbar(im, ax=ax) cbar.ax.set_ylabel('Values', rotation=-90, va='bottom') # 添加轴标签和标题 ax.set_xticks(np.arange(len(data))) ax.set_yticks(np.arange(len(data))) ax.set_xticklabels(np.arange(1, len(data)+1)) ax.set_yticklabels(np.arange(1, len(data)+1)) ax.set_title('Heatmap of Random Data', fontsize=16) # 显示图表 plt.show()

示例结果：
在这里插入图片描述

参数说明：

data：要绘制的数据集。
cmap：颜色映射，用于表示数据大小的颜色范围。
ax.imshow()：绘制热力图。
cbar.ax.set_ylabel()：设置颜色条的标签。
ax.set_xticks()：设置x轴刻度标签。
ax.set_yticks()：设置y轴刻度标签。
ax.set_xticklabels()：设置x轴刻度标签的标签名。
ax.set_yticklabels()：设置y轴刻度标签的标签名。
ax.set_title()：设置图表标题。

树状图

树状图用于展示数据之间的层次结构和关系，通常用于分析树形结构和组织架构等问题。

import matplotlib.pyplot as plt # 绘制树状图 fig, ax = plt.subplots() ax.barh('CEO', 1, color='black') ax.barh('VP1', 0.8, left=1, color='gray') ax.barh('VP2', 0.8, left=1, color='gray') ax.barh('Manager1', 0.6, left=1.8, color='gray') ax.barh('Manager2', 0.6, left=1.8, color='gray') ax.barh('Manager3', 0.6, left=1.8, color='gray') ax.barh('Supervisor1', 0.4, left=2.4, color='gray') ax.barh('Supervisor2', 0.4, left=2.4, color='gray') ax.barh('Supervisor3', 0.4, left=2.4, color='gray') ax.barh('Staff1', 0.2, left=3.2, color='gray') ax.barh('Staff2', 0.2, left=3.2, color='gray') ax.barh('Staff3', 0.2, left=3.2, color='gray') ax.barh('Staff4', 0.2, left=3.2, color='gray') # 设置轴标签和标题 ax.set_yticks([]) ax.set_xlim(0, 4) ax.set_xlabel('Hierarchy', fontsize=14) ax.set_title('Tree Diagram of Organization', fontsize=16) # 显示图表 plt.show()

示例结果：
在这里插入图片描述

参数说明：

ax.barh()：绘制水平条形图。
ax.set_yticks()：设置y轴刻度标签。
ax.set_xlim()：设置x轴坐标范围。
ax.set_xlabel()：设置x轴标签。
ax.set_title()：设置图表标题。

标签:

声明

1.本站遵循行业规范，任何转载的稿件都会明确标注作者和来源；2.本站的原创文章，请转载时务必注明文章作者和来源，不尊重原创的行为我们将追究责任；3.作者投稿可能会经我们编辑修改或补充。

在线投稿：投稿站长QQ：1888636

后台-插件-广告管理-内容页尾部广告（手机）