matplotlib常见图表(plot,bar,pie,3d,scatter)

本篇以代码的形式,展示了matpoltlib的几种常用图表,包括:折线图,柱状图,饼状图,散点图,三维散点图,实时动态图等。

我是在jupyter notebook上写的代码,所以引入模块有些随意。

import matplotlib.pyplot as plt
import numpy as np

# 方法一:
x1 = np.linspace(start = 0,stop = 2*np.pi,num=100)
print(x1.shape)
# 方法二:
x2 = np.arange(start = 0,stop = 2*np.pi,step = 0.1)
print(x2.shape) # (629,)

y1 = np.sin(x1)
y2 = np.cos(x2)

# 折线图
plt.plot(x1,y1,label="SIN") # 输入x和y,和线的名称
plt.plot(x2,y2,label="COS")
plt.title("Sin & Cos function")
plt.xlabel("X") # 横轴
plt.ylabel("Y") # 纵轴
plt.legend() # 显示图例
plt.show()
曲线
# 柱状图 
x_lable = ["2016","2017","2018","2019","2020"]
number_list = [74.3,83.1,91.4,98.9,101.6]

# plt.bar(x_lable,number_list,width=0.2,color='green',label="China") 上下两种方法一致
plt.bar(range(len(x_lable)),number_list,width=0.3,color='green',label="China",tick_label=x_lable)
plt.xlabel("year")
plt.ylabel("GDP (trillion yuan)")
plt.legend()
plt.show()
单柱状图
# 双柱状图
x_lable = ["2016","2017","2018","2019","2020"]
China_GDP = [11.24,12.32,13.89,14.30,14.73]
US_GDP = [18.24,18.75,19.54,20.6,21.43]

plt.bar(np.array(range(len(x_lable)))-0.2,China_GDP,width=0.2,color='green',label="China")
plt.bar(range(len(x_lable)),np.zeros(len(x_lable)),width=0.2,tick_label=x_lable) # 这是个空白的柱子,只是让年份在两个柱子中间。
plt.bar(np.array(range(len(x_lable)))+0.2,US_GDP,width=0.2,color='orange',label="US")
plt.xlabel("Years")
plt.ylabel("GDP (trillion dollars)")
plt.legend()
plt.show()
双柱状图
# 饼状图
label = ["apple","banana","orange","peach","grapes"]
percent = [10,20,20,40,10]

ex = [0.1,0.1,0,0,0.1] # 这个是用来突出某些块
# 还可以设置startangle= 30来突出立体感
# 最后那个参数用于设置显示百分比
plt.pie(labels=label,x=percent,explode=ex,colors=["blue","orange","green","yellow","red"],shadow=True,autopct='%.1f%%')
plt.title("fruit import pie chart")
#plt.legend()
plt.show()
饼状图
# 实时画图

x = []
y = []

plt.ion() # 打开实时画图
for i in range(10):
    x.append(i)
    y.append(i**3)
    plt.clf() # 把上一帧画面清除
    plt.plot(x,y)
    plt.pause(0.01) #不暂停的话,不会出现图像
plt.ioff()# 关闭实时画图
plt.show()
实时动画
# 画3D图
from mpl_toolkits.mplot3d import Axes3D

x =  np.random.normal(0,1,100)
y =  np.random.normal(0,1,100)
z =  np.random.normal(0,1,100)

location = (x,y,z)

print(x.shape,y.shape,z.shape)
fig = plt.figure() # 创建一个窗口
ax = Axes3D(fig) # 将窗口放到3d空间中
ax.scatter(x,y,z)
plt.show()
3D立体图
# 二维散点图
x1 = np.random.randn(1000)
y1 = np.random.randn(1000)

x2 = np.random.normal(0,0.5,1000)
y2 = np.random.normal(0,0.5,1000)

# s表示点的大小
plt.scatter(x1,y1,s=1,c='blue',label="N(0~1)")
plt.scatter(x2,y2,s=1,c='orange',label="N(0~0.5)")
plt.legend()
plt.xlabel("x")
plt.ylabel("y")
plt.show()
二维散点图
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,099评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,828评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,540评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,848评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,971评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,132评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,193评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,934评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,376评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,687评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,846评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,537评论 4 335
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,175评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,887评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,134评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,674评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,741评论 2 351

推荐阅读更多精彩内容