包括散点图，折线统计图，柱状图，直方图，饼图的绘制

1，散点图的绘制

import matplotlib.pyplot as plt
import numpy as np            
plt.rcParams['font.family'] = 'SimHei'   #设置中文
plt.rcParams['axes.unicode_minus'] = False   #使负数可以显示
n = 1024    
x = np.random.normal(0,1,n)
y = np.random.normal(0,1,n)  #生成1024个正态分布的点
plt.scatter(x, y,s = 12,c= 'blue',marker ='o',label= "正态分布") #绘制散点图，颜色为blue,绘制的点为’.',c代表颜色，s代表点的大小,label为增加图例
plt.legend() #与label搭配使用，显示图例
plt.title('散点图',fontsize = 28)    #设置标题，字号
plt.xlabel('X轴')    #x轴的名字
plt.ylabel('Y轴')
plt.text(2.5,2.5,'均值：0\n标准差：1',fontsize = 14)  #在散点图上加上注释，坐标为2，2
plt.xlim(-4,4)  #设置x轴的坐标范围
plt.ylim(-4,4)
plt.show()

image.png

2，折线统计图

#绘制24小时温度折线统计图
import matplotlib.pyplot as plt
import numpy as np            
plt.rcParams['font.family'] = 'SimHei'   #设置中文
plt.rcParams['axes.unicode_minus'] = False   #使负数可以显示
n =24
y1 = np.random.randint(30,40,n)
y2 = np.random.randint(10,30,n)#生成两个随机数列y1,y2
plt.plot(y1,c ='r',label ='长沙')  #设置图例，c和’r’是color和red的缩写
plt.plot(y2,c ='b',label ='哈尔滨') #x可以省略，默认0，1....
plt.xlim(0,24)
plt.ylim(0,50)   #设置横纵坐标轴取值范围
plt.xlabel('时间',fontsize =12)
plt.ylabel('温度',fontsize = 12)
plt.title('24小时温度统计图',fontsize = 16)
plt.legend()
plt.show()

image.png

3，柱状图的绘制。
柱状图要用到bar函数

plt.bar(left,width,height,facecolor,edgecolor,label)

其中，left为直方图左边的坐标值（通常取x值），width代表直方图的宽度，默认为0.8，隔一厘米绘制一个直方图。height为直方图的高度（通常取y）。left,height均不能省略

import matplotlib.pyplot as plt
import numpy as np            
plt.rcParams['font.family'] = 'SimHei'   #设置中文
plt.rcParams['axes.unicode_minus'] = False   #使负数可以显示
n =8
y1 = np.random.randint(5,30,n)  #生成两个随机数列y1,y2,
y2 = np.random.randint(-30,-10,n)#通常需要导入数据，而不是生成随机数列，
plt.bar(range(len(y1)),y1,facecolor = 'g',edgecolor = 'w',label = '统计量1')
plt.bar(range(len(y2)),y2,facecolor = 'b',edgecolor = 'w',label = '统计量1')
plt.title('柱状图',fontsize = 24) #^使用range(len())自动获取y1,y2长度
plt.legend()
plt.show()

image.png

4,直方图的绘制
hist和bar的区别：
hist是制作一个频率分布图，比如说把一个数据分成10个部分，每个部分的频率是多少。就是大概看一下数据的分布。 bar是用来把已经总结好的数据画出来，可以用来对比各个组的数据。 hist只是专门制作频率分布的，而bar的应用范围很广，可以同时对比多个组。
直方图的绘制需要调用到hist函数，调用方式为：

plt.hist(arr,bins,normed,facecolor,edgecolor,alpha,histtype)

arr为必需的，指需要绘出的数据，而其它的都有默认值。
bins默认值为10，表示绘制的直方图的柱子数量，bins越大，反映的数据分布越精细
normed 默认值为（False）0，表示是否归一化，如果设为1，纵坐标将变为直方图的百分比概率。
alpha为透明度；
histtype指直方图的类型，‘bar’, ‘barstacked’, ‘step’, ‘stepfilled‘；默认为’bar’

image.png

示例：

import matplotlib.pyplot as plt
import numpy as np            
plt.rcParams['font.family'] = 'SimHei'   #设置中文
plt.rcParams['axes.unicode_minus'] = False   #使负数可以显示
np.random.seed(0)
mu,sigma = 100,20 #设定均值和方差
a = np.random.normal(mu,sigma,size = 100)#生成100个
plt.hist(a,20,normed = 1,histtype ='stepfilled',facecolor = 'b',edgecolor = 'w')
plt.title('直方图')
plt.show()

image.png

5,饼图的绘制
饼图的绘制需要用到pie函数
其调用方式为

plt.pie(x,labels,explode,autopct,shadow,startangle)

x :(每一块)的比例，如果sum(x) > 1会使用sum(x)归一化；
labels :(每一块)饼图外侧显示的说明文字；
explode :(每一块)离开中心距离；
autopct :控制饼图内百分比设置,可以使用format字符串或者format function
'%1.1f'指小数点前后位数(没有用空格补齐)；
startangle :起始绘制角度,默认图是从x轴正方向逆时针画起,如设定=90则从y轴正方向画起；
shadow :在饼图下面画一个阴影。默认值：False，即不画阴影；
实例：

import matplotlib.pyplot as plt
import numpy as np            
plt.rcParams['font.family'] = 'SimHei'   #设置中文
plt.rcParams['axes.unicode_minus'] = False   #使负数可以显示
labels = '东部','西部','南部','中部','北部'
x = [15,30,35,5,15] #设置对应比例
explode =(0,0.1,0,0,0)  #使第二个突出0.1
plt.pie(x,explode = explode,labels = labels,autopct = '%1.1f%%',shadow =True,startangle =90)
plt.axis('equal')  #使饼图长宽相等
plt.title('公司销售分布区域图')
plt.show()

image.png