标签:plt 入门 -- Matplotlib 柱状图 ax 绘制
Matplotlib专门用于开发2D图表(包括3D图表),在日常数据处理中经常需要运用到它,它的用法非常多样,这里记录一些基础用法,算是一个小入门,后面如果有更复杂的画图要求,再进一步学习。
如果有需要绘制某种类型的表格可以访问-->官网文档,下文也会进一步说一下这个网站~
一、实现一个简单的Matplotlib画图
— 以折线图为例
-
matplotlib.pyplot模块
import matplotlib.pyplot as plt
-
图形绘制流程:
-
1.创建画布 -- plt.figure()
plt.figure(figsize=(), dpi=) figsize:指定图的长宽 dpi:图像的清晰度 返回fig对象
-
2.绘制图像 -- plt.plot(x, y)
-
3.显示图像 -- plt.show()
-
-
实例如下:
二、认识Matplotlib图像结构
通过了解Matplotlib的图像结构,有利于进一步理解它的画图流程
三、基础操作
-
添加x,y轴刻度
plt.xticks() plt.yticks()
-
添加网格显示
plt.grid(linestyle="--", alpha=0.5)
-
添加描述信息
plt.xlabel() plt.ylabel() plt.title()
-
图像保存
plt.savefig("路径")
-
画多条线
直接进行plt.plt(x,z)添加
-
显示图例
plt.legend(loc="best") 注意:一定要在plt.plot()里面设置一个label,如果不设置,没法显示
-
多个坐标系显示
plt.subplots(nrows=, ncols=)
-
代码实例:
点击查看代码
x = range(60)
y = [random.uniform(15, 18) for i in x]
z = x
#1、创建画布
plt.figure(figsize=(8, 4), dpi=80) #指定画布大小,像素值
#2、绘制图表
plt.plot(x,y,label="SH")
plt.plot(x,z,label="BJ")
#添加x,y轴刻度
x_ticks = ["12:{}".format(i) for i in x]
#plt.xticks(x[::10],x_ticks[::10])
plt.xticks(x[::5]) #第一个参数可以改变刻度大小,这里选择 5 为刻度间隔
#添加一些细节
plt.grid(linestyle='--', alpha=0.5) #网格
plt.xlabel("Time(s)")
plt.ylabel("Volt")
plt.title("Temperature")
plt.legend()
#图像保存
#plt.savefig("test.png")
四、官网文档的妙用
Matplotlib能够绘制折线图、散点图、柱状图、直方图、饼图。官网文档这里面有很多类型的图表还有相应代码,有需要可以复制粘贴,修改一下为我所用
比如:柱状图怎么画
点击查看代码
N = 5
menMeans = (20, 35, 30, 35, -27)
womenMeans = (25, 32, 34, 20, -25)
menStd = (2, 3, 4, 1, 2)
womenStd = (3, 5, 2, 3, 3)
ind = np.arange(N) # x轴刻度
fig, ax = plt.subplots() #多个子图
p1 = ax.bar(ind, menMeans,yerr=menStd, label='Men') #柱状图
p2 = ax.bar(ind, womenMeans,bottom=menMeans, yerr=womenStd, label='Women')
#添加细节信息
ax.axhline(0, color='grey', linewidth=0.8)
ax.set_ylabel('Scores')
ax.set_title('Scores by group and gender')
ax.set_xticks(ind, ['G1', 'G2', 'G3', 'G4', 'G5'])
ax.legend()
plt.show()
这里记录一下常见图图形的API
-
折线图:以折线的上升或下降来表示统计数量的增减变化的统计图
- 特点:能够显示数据的变化趋势,反映事物的变化情况。(变化)
api:plt.plot(x, y)
- 特点:能够显示数据的变化趋势,反映事物的变化情况。(变化)
-
散点图:用两组数据构成多个坐标点,考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。
- 特点:判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
api:plt.scatter(x, y)
- 特点:判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
-
柱状图:排列在工作表的列或行中的数据可以绘制到柱状图中。
-
特点:绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)
api:plt.bar(x, width, align='center', **kwargs)Parameters:
x : 需要传递的数据width : 柱状图的宽度
align : 每个柱状图的位置对齐方式
{‘center’, ‘edge’}, optional, default: ‘center’**kwargs :
color:选择柱状图的颜色
-
-
直方图:由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围,纵轴表示分布情况。
-
特点:绘制连续性的数据展示一组或者多组数据的分布状况(统计)
api:matplotlib.pyplot.hist(x, bins=None)Parameters:
x : 需要传递的数据
bins : 组距
-
-
饼图:用于表示不同分类的占比情况,通过弧度大小来对比各种分类。
-
特点:分类数据的占比情况(占比)
api:plt.pie(x, labels=,autopct=,colors)Parameters:
x:数量,自动算百分比
labels:每部分名称
autopct:占比显示指定%1.2f%%
colors:每部分颜色
-
参考文献
1、Matplotlib简介、结构以及绘制基本图像的代码
2、《Pthon科学计算》-张若愚
标签:plt,入门,--,Matplotlib,柱状图,ax,绘制 来源: https://www.cnblogs.com/caolanying/p/16116368.html
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。