第二章 使用函数绘制简单图形
这一章介绍熟悉的统计图形plot(),scatter()
先介绍基础的统计图形函数的功能、调用签名、参数说明和调用展示四个方面。
2.1 函数bar()——绘制柱状图
plt.bar()
import matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib inline
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]= False
x=[1,2,3,4,5,6,7,8]
y=[3,1,4,5,8,9,7,2]
plt.bar(x,y,align="center",color='c',tick_label=['q','a','c','e','r','j','b','q'],hatch="/")
plt.xlabel("箱子编号")
plt.ylabel("箱子重量(kg)")
plt.show()
柱状图
2.2 函数barh—— 水平的条形图(柱状图)
plt.barh(x,y)
import matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib inline
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]= False
x=[1,2,3,4,5,6,7,8]
y=[3,1,4,5,8,9,7,2]
plt.barh(x,y,align="center",color='c',tick_label=['q','a','c','e','r','j','b','q'],hatch="/")
plt.xlabel("箱子重量(kg)")
plt.ylabel("箱子编号")
plt.show()
条形图
2.3 函数hist() —— 用于绘制直方图
在x轴上绘制定量数据的分布特征
plt.hist(x,bins)
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]= False
x = np.random.randint(0,10,100)
bins = range(0,11,1)
plt.hist(x,bins=bins,
color="g",
histtype="bar",
rwidth=1,
alpha=0.6)
plt.xlabel("箱子重量(kg)")
plt.ylabel("销售个数(个)")
plt.show()
直方图
2.4 函数pie() —— 用于绘制饼图
绘制不同类别的百分比
plt.pie(x,labels)
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]= False
kinds = "简易箱","保温箱","行李箱","密封箱"
colors = ["r",'y','r','b']
soldNums = [0.05,0.45,0.15,0.35]
plt.pie(soldNums,
labels=kinds,
autopct="%3.1f%%"
)
plt.title("不同类型箱子的销售数量占比")
plt.show()
饼图
2.5 函数polar()—— 绘制极线图
在极坐标上绘制折线图(感觉用的不多)
plt.polar(theta,r)
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
barSlices = 12
theta = np.linspace(0.0,2*np.pi,barSlices,endpoint=False)
r = 30*np.random.rand(barSlices)
plt.polar(theta,r,color="chartreuse",marker="*",linewidth=2,mfc='b',ms=10)
plt.title("极线图")
plt.show()
极线图
2.6 函数 scatter() —— 用于绘制气泡图
二维数据借助气泡大小展示三维数据
plt.scatter(x,y)
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
a = np.random.randn(100)
b = np.random.randn(100)
plt.scatter(a,b,s=np.power(10*a+20*b,2),
c=np.random.rand(100),
cmap=plt.cm.RdYlBu,
marker='o'
)
plt.title("气泡图")
plt.show()
气泡图
2.7 函数stem()——绘制棉棒图
绘制离散的有序数据
plt.stem(x,y,linefmt,markerfmt,basefmt)
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
x = np.linspace(0.5,2*np.pi,20)
y = np.random.randn(20)
plt.stem(x,y,linefmt="-.",markerfmt="o",basefmt="-")
plt.title("棉棒图")
plt.show()
棉棒图
2.8 函数boxplot()—— 用于绘制箱线图
plt.boxplot(x)
还有很多其他的参数可以查阅matplotlib的文档
matplotlib可视化箱线图
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams["font.sans-serif"]=["FangSong"]
mpl.rcParams["axes.unicode_minus"]= False
x = np.random.randn(1000)
plt.boxplot(x)
plt.xticks([1],["随机数生成器"])
plt.ylabel("随机数值")
plt.title("随机数生成器的稳定性")
plt.grid(axis='y',ls=":",lw=1,color="r",alpha=0.4)
plt.show() #展示
箱线图
2.9 函数errorbar() —— 绘制误差棒图
绘制x轴或者是y轴方向上的误差范围
plt.errorbar(x,y,yerr,xerr)
yerr,xerr分别是误差计算方法
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
x = np.linspace(0.1,0.6,6)
y = np.exp(x)
plt.errorbar(x,y,fmt="bo:",yerr=0.2,xerr=0.02)
plt.xlim(0,0.7)
plt.title("误差棒图")
plt.show()
误差棒图
References
1、《Python数据可视化之matplotlib实践》 刘大成著
