一、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)函数：plt.plot(x, y)
import matplotlib.pyplot as pltimport randomfrom pylab import mplmpl.rcParams["font.sans-serif"] = ["SimHei"] # 设置显示中文字体mpl.rcParams["axes.unicode_minus"] = False # 设置正常显示符号# 数据准备x = range(24) y = [random.uniform(13, 20) for i in x] # random.uniform()：随机生成13-20范围内的浮点数plt.figure(figsize=(10, 5), dpi=80) # 创建画布plt.plot(x, y, color='y', linestyle='-',label='樟树') # 绘制折线图x_ticks_label = ["{}:00".format(i) for i in x] # 构建x轴刻度标签y_ticks = range(40) # 构建y轴刻度# 修改x,y轴坐标的刻度显示plt.xticks(x[::2], x_ticks_label[::2])plt.yticks(y_ticks[10:20:1])plt.grid(True, linestyle='-', alpha=0.9) # 添加网格plt.legend(loc=0) # 显示图例# 描述信息plt.xlabel("时间")plt.ylabel("温度")plt.title("24小时内温度变化图", fontsize=18)plt.savefig("./plot.jpg") # 保存至指定位置plt.show() # 显示图像
结果如下
二、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)函数：plt.scatter(x, y)
import matplotlib.pyplot as pltimport random# 数据准备x = range(100) y = [random.uniform(13, 20) for i in x] # random.uniform()：随机生成13-20范围内的浮点数plt.figure(figsize=(10, 5), dpi=80) # 创建画布plt.scatter(x, y, color='r', linestyle='-',label='樟树') # 绘制折线图x_ticks_label = ["{}天".format(i) for i in x] # 构建x轴刻度标签y_ticks = range(25) # 构建y轴刻度# 修改x,y轴坐标的刻度显示plt.xticks(x[::10], x_ticks_label[::10])plt.yticks(y_ticks[10:22:2])plt.grid(True, linestyle='-', alpha=0.9) # 添加网格plt.legend(loc=0) # 显示图例# 描述信息plt.xlabel("时间/天")plt.ylabel("温度")plt.title("24小时内温度变化图", fontsize=18)plt.savefig("./scatter.jpg") # 保存至指定位置plt.show() # 显示图像
结果如下
三、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)函数：plt.bar(x, width, align='center', **kwargs) 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**kwargs color：选择柱状图的颜色
import matplotlib.pyplot as pltimport random# 数据准备x = range(0,10) y = [random.randint(35, 45) for i in x] # random.uniform()：随机生成13-20范围内的浮点数plt.figure(figsize=(10, 5), dpi=80) # 创建画布plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g']) # 绘制折线图x_ticks_label = ["21{}班".format(i) for i in x] # 构建x轴刻度标签y_ticks = range(55) # 构建y轴刻度# 修改x,y轴坐标的刻度显示plt.xticks(x[::1], x_ticks_label[::1])plt.yticks(y_ticks[0:55:5])plt.grid(True, linestyle=':', alpha=0.3) # 添加网格# 描述信息plt.xlabel("班级")plt.ylabel("人数")plt.title("级各班人数柱状图", fontsize=18)plt.savefig("./bar.jpg") # 保存至指定位置plt.show() # 显示图像
结果如下
四、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)函数：matplotlib.pyplot.hist(x, bins=None)x：需要传递的数据bins：组距
import matplotlib.pyplot as pltimport numpy as npplt.style.use('_mpl-gallery')# 生成数据np.random.seed(1) # 随机数种子，用于生成随机数x = 4 + np.random.normal(0, 1.5, 200) # numpy.random.normal(loc=0.0, scale=1.0, size=None) 为一个正态分布# loc(float)：均值，对应着这个分布的中心。loc=0说明这一个以y轴为对称轴的正态分布# scale(float)：标准差，对应分布的宽度，scale越大越矮胖，scale越小，越瘦高# size(int 或者整数元组)：输出的值赋在shape里，默认为None# plot:fig, ax = plt.subplots()ax.hist(x, bins=8, linewidth=0.5, edgecolor="white")ax.set(xlim=(0, 10), xticks=np.arange(1, 10),ylim=(0, 56), yticks=np.linspace(0, 56, 9)) # 9个，包含0，间隔为7，7×8=56，即[0,7,14,21,28,35,42,49,56]# np.arange()：返回一个有终点和起点的固定步长的排列# np.linspace(start, stop, num):用来创建等差数列，num为个数plt.show()
结果如下
五、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)plt.pie(x, labels=,autopct=,colors) 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startangle：开始绘制的角度shadow=True：阴影
import matplotlib.pyplot as plt# 饼图，其中切片将按逆时针顺序排序和绘制：labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'sizes = [15, 30, 45, 20]explode = (0, 0.1, 0, 0) # 仅分解第二个切片,间距为0.1fig1, ax1 = plt.subplots()ax1.pie(sizes, explode=explode, labels=labels, autopct='%1.3f%%',colors=['r','y','c','g'], shadow=True, startangle=90)ax1.axis('equal') # 等长宽比确保饼被画成圆plt.show()
结果如下
Matplotlib官网：/stable/
学习导航：http://xqnav.top/
如果觉得《Matplotlib绘制折线图 散点图 柱状图 直方图 饼图代码》对你有帮助，请点赞、收藏，并留下你的观点哦！
