ICode9
精准搜索请尝试： 精确搜索
首页
编程语言>
数据库
系统相关
互联网
其他分享
Python
Java
JavaScript
android
PHP
首页 > 编程语言> 文章详细

Python绘制图像（Matplotlib）（Ⅲ）

2019-09-26 21:43:25  阅读：334  来源： 互联网

标签：plt bar Python mpl Matplotlib label color rcParams 绘制 


import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
  1. 堆积柱状图
    在这里插入图片描述
def no1():
    """
    堆积柱状图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    x = [1, 2, 3, 4, 5]
    y = [6, 10, 4, 5, 1]
    y1 = [2, 6, 3, 8, 5]
    plt.bar(
        x,
        y,
        align="center",
        color="#66c2a5",
        tick_label=[
            'A',
            'B',
            'C',
            'D',
            'E'],
        label="班级A")
    plt.bar(x, y1, align="center", bottom=y, color="#8da0cb",
            tick_label=['A', 'B', 'C', 'D',
                        'E'], label="班级B")
    plt.xlabel("测试难度")
    plt.ylabel("试卷份数")

    plt.legend()
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no1.png")
    plt.show()
  1. 堆积条形图
    在这里插入图片描述
def no2():
    """
    堆积条形图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    x = [1, 2, 3, 4, 5]
    y = [6, 10, 4, 5, 1]
    y1 = [2, 6, 3, 8, 5]
    plt.barh(
        x,
        y,
        align="center",
        color="#66c2a5",
        tick_label=[
            'A',
            'B',
            'C',
            'D',
            'E'],
        label="班级A")
    plt.barh(x, y1, align="center", left=y, color="#8da0cb",
             tick_label=['A', 'B', 'C', 'D',
                         'E'], label="班级B")
    plt.ylabel("测试难度")
    plt.xlabel("试卷份数")

    plt.legend()
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no2.png")
    plt.show()
  1. 多数据并列柱状图
    在这里插入图片描述
def no3():
    """
    多数据并列柱状图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    x = np.arange(5)
    y = [6, 10, 4, 5, 1]
    y1 = [2, 6, 3, 8, 5]
    bar_width = 0.35
    tick_label = ['A', 'B', 'C', 'D', 'E']
    plt.bar(x, y, bar_width, color='c', align='center', label='班级A', alpha=0.5)
    plt.bar(x + bar_width, y1, bar_width, color='b', align='center',
            label="班级B", alpha=0.5)
    plt.xlabel("测试难度")
    plt.ylabel("试卷份数")

    plt.xticks(x + bar_width // 2, tick_label)

    plt.legend()
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no3.png")
    plt.show()
  1. 多数据平行条形图
    在这里插入图片描述
def no4():
    """
    多数据平行条形图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    x = np.arange(5)
    y = [6, 10, 4, 5, 1]
    y1 = [2, 6, 3, 8, 5]
    bar_width = 0.35
    tick_label = ['A', 'B', 'C', 'D', 'E']
    plt.barh(
        x,
        y,
        bar_width,
        color='c',
        align='center',
        label='班级A',
        alpha=0.5)
    plt.barh(x + bar_width, y1, bar_width, color='b', align='center',
             label="班级B", alpha=0.5)
    plt.ylabel("测试难度")
    plt.xlabel("试卷份数")

    plt.yticks(x + bar_width // 2, tick_label)

    plt.legend()
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no4.png")
    plt.show()
  1. 堆积折线图
    在这里插入图片描述
def no5():
    """
    堆积折线图
    :return:
    """
    x = np.arange(1, 6, 1)
    y = [0, 4, 3, 5, 6]
    y1 = [1, 3, 4, 2, 7]
    y2 = [3, 4, 1, 6, 5]
    labels = ["BluePlanet", "BrownPlanet", "GreenPlanet"]
    colors = ['#8da0cb', '#fc8d62', "#66c2a5"]
    plt.stackplot(x, y, y1, y2, labels=labels, colors=colors)
    plt.legend(loc="upper left")
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no5.png")
    plt.show()
  1. 间断条形图
    在这里插入图片描述
def no6():
    """
    间断条形图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    # （60，90）：从x轴的数值为60的位置起，沿x轴正方向移动90个单位。
    # （10， 8）：从起点是y轴的数值为10的位置起，沿y轴正方向移动8个单位。
    # facecolors：每个柱面的填充颜色
    plt.broken_barh([(30, 100), (180, 50), (260, 70)],
                    (20, 8), facecolors='#1f78b4')
    plt.broken_barh([(60, 90), (190, 20), (230, 30), (280, 60)], (10, 8),
                    facecolors=('#7fc97f', '#beaed4', '#fdc086', '#ffff99'))
    plt.xlim(0, 360)
    plt.ylim(5, 35)
    plt.xlabel('演出时间')
    plt.xticks(np.arange(0, 361, 60))
    plt.yticks([15, 25], ['歌剧院A', '歌剧院B'])
    plt.grid(ls='-', lw=1, color='gray')
    plt.title("不同地区的歌剧院的演出时间比较")
    plt.legend()
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no6.png")
    plt.show()
  1. 阶梯图
    在这里插入图片描述
def no7():
    """
    阶梯图
    :return:
    """
    x = np.linspace(1, 10, 10)
    y = np.sin(x)
    # where:默认参数是pre，表示x轴上的每个数据点对应的y轴上的数值向左侧绘制水平直线到x轴
    # 上的此数据点的左侧相邻数据点为止，左开右闭数据点
    # post
    plt.step(x, y, color='#8dd3c7', where='pre', lw=2)

    plt.xlim(0, 11)
    plt.xticks(np.arange(1, 11, 1))
    plt.ylim(-1.2, 1.2)
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no7.png")
    plt.show()
  1. 堆积直方图
    在这里插入图片描述
def no8():
    """
    堆积直方图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False

    scoreT1 = np.random.randint(1, 100, 100)
    scoreT2 = np.random.randint(1, 100, 100)
    x = [scoreT1, scoreT2]
    colors = ['#8dd3c7', '#bebada']
    labels = ['班级A', '班级B']
    bins = range(0, 101, 10)
    # stacked 设置为False得到并排直方图
    # histtype 设置直方图形状（stepfilled:阶梯图）
    plt.hist(x, bins=bins, color=colors, histtype="bar", rwidth=10,
             stacked=True, label=labels)
    plt.xlabel('测试成绩')
    plt.ylabel("学生人数")

    plt.title("不同班级的测试成绩的直方图")
    plt.legend(loc='upper left')
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no8.png")
    plt.show()
  1. 饼图
    在这里插入图片描述
def no9():
    """
    饼图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False

    labels = 'A 难度水平', 'B 难度水平', 'C 难度水平', 'D 难度水平'

    students = [0.35, 0.15, 0.20, 0.30]
    colors = ['#377eb8', '#4daf4a', '#984ea3', '#ff7f00']

    explode = (0.1, 0.1, 0.1, 0.1)
    # students:饼片代表的百分比
    # explode:饼片边缘偏离半径的百分比
    # labels:标记每份饼片的文本标签内容
    # autopct: 饼片文本标签内容对应的数值百分比样式
    # startangle:从x轴作为其实位置，第一个饼片逆时针旋转的角度
    # shadow：是否绘制饼片的阴影
    # colors: 饼片的颜色
    plt.pie(students, explode=explode, labels=labels, autopct="%3.1f%%",
            startangle=45, shadow=True, colors=colors)
    plt.title('选择不同难度测试试卷的学生的百分比')
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no9.png")
    plt.show()
  1. 非分裂式饼图
    在这里插入图片描述
def no10():
    """
    非分裂式饼图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False

    labels = 'A 难度水平', 'B 难度水平', 'C 难度水平', 'D 难度水平'

    students = [0.35, 0.15, 0.20, 0.30]
    colors = ['#377eb8', '#4daf4a', '#984ea3', '#ff7f00']

    explode = (0.1, 0.1, 0.1, 0.1)

    plt.pie(students, labels=labels, autopct="%3.1f%%",
            startangle=45, colors=colors, pctdistance=0.7,
            labeldistance=1.2)
    plt.title('选择不同难度测试试卷的学生的百分比')
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no10.png")
    plt.show()
  1. 内嵌环形饼图
    在这里插入图片描述
def no11():
    """
    内嵌环形饼图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False

    elements = ["面粉", '砂糖', '奶油', '草莓酱', '坚果']

    weight1 = [40, 15, 20, 10, 15]
    weight2 = [30, 25, 15, 20, 10]

    colormapList = ["#e41a1c", '#377eb8', '#4daf4a', '#984ea3', '#ff7f00']
    outer_colors = colormapList
    inner_colors = colormapList

    wedges1, texts1, autotexts1 = plt.pie(weight1,
                                          autopct="%3.1f%%",
                                          radius=1,
                                          pctdistance=0.85,
                                          colors=outer_colors,
                                          textprops=dict(color='w'),
                                          wedgeprops=dict(width=0.3,
                                                          edgecolor='w'))
    wedges2, texts2, autotexts2 = plt.pie(weight2,
                                          autopct="%3.1f%%",
                                          radius=0.7,
                                          pctdistance=0.75,
                                          colors=inner_colors,
                                          textprops=dict(color='w'),
                                          wedgeprops=dict(width=0.3,
                                                          edgecolor='w'))
    plt.legend(wedges1, elements, fontsize=12, title='配料表', loc='center left',
               bbox_to_anchor=(0.91, 0, 0.3, 1))

    plt.setp(autotexts1, size=15, weight='bold')
    plt.setp(autotexts2, size=15, weight="bold")
    plt.setp(texts1, size=12)

    plt.title('不同果酱面包配料比例表的比较')
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no11.png")
    plt.show()
  1. 多组定量数据的分布比较
    在这里插入图片描述
def no12():
    """
    多组定量数据的分布比较
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False

    testA = np.random.randn(5000)
    testB = np.random.randn(5000)
    testList = [testA, testB]
    labels = ['随机数生成器AlphaRM', '随机数生成器BetaRM']
    colors = ['#1b9e77', "#d95f02"]
    whis = 1.6
    width = 0.35
    # testList 绘制箱线图的输入数据
    # whis 四分位间距的倍数，用来确定箱须包含数据的范围的大小
    # widths 设置箱体的宽度
    # sym 离群值的标记样式
    # labels 绘制每一个数据集的刻度标签
    # patch_artisi 是否给箱体添加颜色
    bplot = plt.boxplot(testList, whis=whis, widths=width, sym='o',
                        labels=labels, patch_artist=True)
    for patch, color in zip(bplot["boxes"], colors):
        patch.set_facecolor(color)
    plt.ylabel('随机数值')
    plt.title("生成器抗干扰能力的稳定性比较")

    plt.grid(axis='y', ls=':', lw=1, color='gray', alpha=0.4)
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no12.png")
    plt.show()
  1. 水平方向的箱线图
    在这里插入图片描述
def no13():
    """
    水平方向的箱线图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False

    x = np.random.randn(1000)

    plt.boxplot(x, vert=False)
    plt.xlabel('随机数值')

    plt.yticks([1], ['随机数生成器AlphaRM'], rotation=90)
    plt.title("随机数生成器抗干扰能力的稳定性")

    plt.grid(axis='x', ls=':', lw=1, color='gray', alpha=0.4)
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no13.png")
    plt.show()
  1. 不绘制离群值的水平放置的箱线图
    在这里插入图片描述
def no14():
    """
    不绘制离群值的水平放置的箱线图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    x = np.random.randn(1000)
    plt.boxplot(x, vert=False, showfliers=False)
    plt.xlabel('随机数值')
    plt.yticks([1], ['随机数生成器AlphaRM'], rotation=90)
    plt.title("随机数生成器抗干扰能力的稳定性")
    plt.grid(axis='x', ls=':', lw=1, color='gray', alpha=0.4)
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no14.png")
    plt.show()
  1. 误差棒图
    在这里插入图片描述
def no15():
    """
    误差棒图
    :return:
    """
    x = np.linspace(0.1, 0.6, 10)
    y = np.exp(x)

    error = 0.05 + 0.15 * x
    lower_error = error
    upper_error = 0.3 * error
    error_limit = [lower_error, upper_error]
    # x, y 数据点位置
    # yerr: 单一数值的非对称形式误差范围
    # fmt: 数据点的标记样式和数据点标记的连接线样式
    # ecolor：误差棒的线条颜色
    # elinewidth：误差棒的线条粗细
    # ms:数据点的标记边缘颜色
    # mfc：数据点的标记颜色
    # mec: 数据点的标记边缘颜色
    # capthick：误差棒边界横杠的厚度
    # capsize: 误差棒边界横杠的大小
    plt.errorbar(x, y, yerr=error_limit, fmt=":o",
                 ecolor='y', elinewidth=4, ms=5,
                 mfc='c', mec='r', capthick=1, capsize=2)
    plt.xlim(0, 0.7)
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no15.png")
    plt.show()
  1. 带误差棒的柱状图
    在这里插入图片描述
def no16():
    """
    带误差棒的柱状图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    x = np.arange(5)
    y = [100, 68, 79, 91, 82]
    std_err = [7, 2, 6, 10, 5]
    error_attri = dict(elinewidth=2, ecolor='black', capsize=3)
    plt.bar(x, y,
            color='c',
            width=0.6,
            align='center',
            yerr=std_err,
            error_kw=error_attri,
            tick_label=["园区 1", "园区 2", "园区 3", "园区 4", "园区 5"])

    plt.xlabel("芒果种植区")
    plt.ylabel("收割量")
    plt.title("不同芒果种植区的单次收割量")

    plt.grid(True, axis='y', ls=':', color='gray', alpha=0.2)

    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no16.png")
    plt.show()
  1. 绘制带误差棒的条形图
    在这里插入图片描述
def no17():
    """
    绘制带误差棒的条形图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    x = np.arange(5)
    y = [1200, 2400, 1800, 2200, 1600]
    std_err = [150, 100, 180, 130, 80]
    bar_width = 0.6
    colors = ["#e41a1c", "#377eb8", '#4daf4a', '#984ea3', '#ff7f00']
    plt.barh(x, y,
             bar_width,
             color=colors,
             align="center",
             xerr=std_err,
             tick_label=['家庭', '小说', '心理', '科技', '儿童'])

    plt.xlabel("订购数量")
    plt.ylabel("图书种类")
    plt.title("大型图书展销会的不同图书种类的采购情况")

    plt.grid(True, axis='x', ls=':', color='gray', alpha=0.2)
    plt.xlim(0, 2600)
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no17.png")
    plt.show()
  1. 带误差棒的多数据并列柱状图
    在这里插入图片描述
def no18():
    """
    带误差棒的多数据并列柱状图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    x = np.arange(5)
    y1 = [100, 68, 79, 91, 82]
    y2 = [120, 75, 70, 78, 85]
    std_err1 = [7, 2, 6, 10, 5]
    std_err2 = [5, 1, 4, 8, 9]

    error_attri = dict(elinewidth=2, ecolor='black', capsize=3)
    bar_width = 0.4
    tick_label = ["园区 1", "园区 2", "园区 3", "园区 4", "园区 5"]

    plt.bar(x, y1,
            bar_width,
            color='#87CEEB',
            align='center',
            yerr=std_err1,
            error_kw=error_attri,
            label="2010")
    plt.bar(x + bar_width, y2,
            bar_width,
            color='#CD5C5C',
            align='center',
            yerr=std_err2,
            error_kw=error_attri,
            label="2013")

    plt.xlabel("芒果种植区")
    plt.ylabel("收割量")
    plt.xticks(x + bar_width // 2, tick_label)
    plt.title("不同年份芒果种植区的单次收割量")

    plt.grid(True, axis='y', ls=':', color='gray', alpha=0.2)
    plt.legend()
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no18.png")
    plt.show()
  1. 带误差棒的堆积柱状图
    在这里插入图片描述
def no19():
    """
    带误差棒的堆积柱状图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    x = np.arange(5)
    y1 = [1200, 2400, 1800, 2200, 1600]
    y2 = [1050, 2100, 1300, 1600, 1340]
    std_err1 = [150, 100, 180, 130, 80]
    std_err2 = [120, 110, 170, 150, 120]

    bar_width = 0.4
    tick_label = ['家庭', '小说', '心理', '科技', '儿童']
    error_attri = dict(elinewidth=2, ecolor='black', capsize=0)

    plt.bar(
        x,
        y1,
        bar_width,
        align="center",
        color="#6495ED",
        tick_label="地区 1",
        error_kw=error_attri)

    plt.bar(
        x,
        y2,
        bar_width,
        bottom=y1,
        align="center",
        color="#FFA500",
        yerr=std_err2,
        tick_label="地区 2",
        error_kw=error_attri)

    plt.xlabel("图书种类")
    plt.ylabel("订购数量")
    plt.title("不同地区大型图书展销会图书采购情况")
    plt.grid(True, axis='y', ls=':', color='gray', alpha=0.2)
    plt.xticks(x, tick_label)
    plt.legend()
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no19.png")
    plt.show()
  • 本篇博文特别感谢刘大成的《Python数据可视化之matplotlib实践》

标签：plt,bar,Python,mpl,Matplotlib,label,color,rcParams,绘制
来源： https://blog.csdn.net/weixin_39541632/article/details/101477210

本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享；
2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关；
3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关；
4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除；
5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。

关于我们 | 联系我们 | 留言反馈

专注分享技术，共同学习，共同进步。侵权联系[81616952@qq.com]

Copyright (C)ICode9.com, All Rights Reserved.

ICode9版权所有