matplotlib基本图形绘制操作实例

 更新时间:2022年12月05日 16:18:31   作者:YiiiiiiQ  
这篇文章主要为大家介绍了matplotlib基本图形绘制操作实例详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪

matplotlib

matplotlib是最流行的python底层绘图库,接下来就由小编为大家介绍一些关于matplotlib的一些基本图形的绘制操作。这些操作可以将你的数据更加直观的呈现在你的面前。

首先要使用Import导入pyplot库并设置一个别名plt

from matplotlib import pyplot as plt

1.折线图

以下实例绘制气温曲线。(气温是依靠numpy中随机数产生的,因此要导入numpy)

import numpy as np
import random
a = [np.random.randint(20, 35) for i in range(120)]
x = np.arange(0, 120)
fig = plt.figure(figsize=(20, 8), dpi=80) # 设置图形大小和图形分辨率
plt.plot(x, a) #调用plot绘制图形 将x轴坐标和对应的y轴的点传入
# 调整x轴的刻度
_x = list(x)
_xtick_labels = ['10点{}分'.format(i) for i in range(60)]
_xtick_labels += ['11点{}分'.format(i) for i in range(60)]
plt.xticks(_x[::3], _xtick_labels[::3], rotation=45)   # rotation表示x轴标签旋转度数
# 添加描述信息
plt.xlabel('时间')
plt.ylabel('温度 单位(C)')
plt.title('10点-12点每分钟的气温变化')
plt.show()

运行后发现中文字体无法显示。

这是因为matplotlib在绘制过程中无法显示中文,需要自己设置。

plt.rcParams['font.sans-serif'] = ['YouYuan']
plt.rcParams['axes.unicode_minus'] = False

加入这些代码后,中文就可以正常显示了

我们还可以加入网格 使图像y轴对应的值更加清楚

gitd()语法格式

matplotlib.pyplot.grid(b=None, which='major',axis='both)

b,which,axis 都是可选的操作

只要在代码末行添加以下一行代码即可

plt.grid()

2.散点图

(使用scatter方法绘制散点图)

from numpy as np
import random
a = np.random.randint(6, 25, size=(31,))
a = list(a)
b = np.random.randint(12, 23, size=(31,))
# 设置字体
plt.rcParams['font.sans-serif'] = ['YouYuan']
plt.rcParams['axes.unicode_minus'] = False
x1 = np.arange(1, 32)
x2 = np.arange(40, 71)
# 使用plt.scatter()绘制散点图
plt.scatter(x1, a, label='三月', s=20, color='orange')
plt.scatter(x2, b, label='四月',s=10, color='red')
# label表示不同颜色点的标签,s是点的大小,color设置点的颜色
# 设置x轴刻度
_x = list(x1) + list(x2)
_xtick_labels = ['三月{}日'.format(i) for i in x1]
_xtick_labels += ['四月{}日'.format(i-39) for i in x2]
plt.xticks(_x[::3], _xtick_labels[::3], rotation=45)
plt.xlabel('时间')
plt.legend()
plt.ylabel('温度')
plt.show()

运行后

3.条形图

(使用bar或者barh方法绘制) (1).竖着的条形图

a = ['猫', '狗', '蛇', '大象', '兔子', '马', '驴', '斑马', '猎豹', '豺狼']
b = [32.4, 23.3, 232, 2423, 232, 2332, 123, 132, 213, 132]
_x = list(range(len(a)))
plt.rcParams['font.sans-serif'] = ['YouYuan']
plt.rcParams['axes.unicode_minus'] = False
# 设置图形大小
plt.figure(figsize=(20, 8), dpi=80)
# 竖着的条形图 使用bar函数
# width表示柱形宽距
plt.bar(_x, b, width=0.3)
plt.xticks(_x, a)
plt.xlabel('动物种类')
plt.ylabel('动物数量')
plt.show()

(2).横着的条形图

a = ['猫', '狗', '蛇', '大象', '兔子', '马', '驴', '斑马', '猎豹', '豺狼']
b = [32.4, 23.3, 232, 2423, 232, 2332, 123, 132, 213, 132]
_x = list(range(len(a)))
plt.rcParams['font.sans-serif'] = ['YouYuan']
plt.rcParams['axes.unicode_minus'] = False
# 设置图形大小
plt.figure(figsize=(20, 15), dpi=80)
# 横着的条形图 使用barh函数 注意柱形宽度要使用height
plt.barh(_x, b, height=0.3, color='orange')
plt.yticks(_x, a)
plt.ylabel('动物种类')
plt.xlabel('动物数量')
# alpha可以调节网格颜色深浅
plt.grid(alpha=0.3)
plt.show()

4.直方图

(使用hist方法)

在传入数据之后往往要以以下方式分组

组数:将数据分组 当数据在100个之内 一般分为5-12组
组距: 每个小组端点的距离
组数 = 极差/组距 = (max() - min()) or numpy.plp()// bin_width 

以下案例为电影时长分布直方图

a = np.random.randint(90, 150, size=(250,))
print(a)
plt.figure(figsize=(20, 10), dpi=100)
bin_width = 3  # 设置组距
num_bins = int((max(a) - min(a)) // bin_width)  # 分组
plt.xticks(list(range(min(a), max(a) + bin_width, bin_width)))
plt.hist(a, num_bins)  # 传入需要统计的数据 以及组数
plt.show()

但以上案例是组距相同的情况

实际生活往往有许多组距不相同的情况

这时候往往用条形图来展现组距不相同的情况

a = [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 60, 90]
b = [5, 5, 5, 5, 5, 5, 5, 5, 5, 15, 30, 60]
c = [836, 2737, 3723, 3926, 3596, 1438, 3273, 642, 824, 613, 215, 47]
plt.figure(figsize=(20, 10), dpi=100)
plt.bar(range(len(a)), c, width=1)
_x = [i-0.5 for i in range(13)]
_xtick_labels = a + [150]  # + [150] 使得条形图能显示90,150之间的数据
plt.xticks(_x, _xtick_labels, )
plt.grid(alpha=0.3)
plt.show()

以上就是matplotlib基本图形绘制操作实例的详细内容,更多关于matplotlib 图形绘制的资料请关注脚本之家其它相关文章!

相关文章

  • 关于Python参数解析器argparse的应用场景

    关于Python参数解析器argparse的应用场景

    这篇文章主要介绍了关于Python参数解析器argparse的应用场景,argparse 模块使编写用户友好的命令行界面变得容易,程序定义了所需的参数,而 argparse 将找出如何从 sys.argv 中解析这些参数,需要的朋友可以参考下
    2023-08-08
  • 使用FastCGI部署Python的Django应用的教程

    使用FastCGI部署Python的Django应用的教程

    这篇文章主要介绍了使用FastCGI部署Python的Django应用的教程,FastCGI也是被最广泛的应用于Python框架和服务器连接的模块,需要的朋友可以参考下
    2015-07-07
  • Python金融数据可视化汇总

    Python金融数据可视化汇总

    这篇文章主要介绍了Python金融数据可视化(两列数据的提取,分别画,双坐标轴,双图,两种不同的图)等内容。
    2017-11-11
  • Github Copilot结合python的使用方法详解

    Github Copilot结合python的使用方法详解

    最近也是听说github出了一种最新的插件叫做copilot,于是申请了,下面这篇文章主要给大家介绍了关于Github Copilot结合python使用的相关资料,需要的朋友可以参考下
    2022-04-04
  • Python实现的一个自动售饮料程序代码分享

    Python实现的一个自动售饮料程序代码分享

    这篇文章主要介绍了Python实现的一个自动售饮料程序代码分享,就是用python实现的生活中一种投币式自动售饮料机的内部程序判断代码,需要的朋友可以参考下
    2014-08-08
  • Python实现统计单词出现的个数

    Python实现统计单词出现的个数

    这篇文章主要介绍了Python实现统计单词出现的个数,本文给出了实现代码以及使用方法,需要的朋友可以参考下
    2015-05-05
  • Python实现聚类K-means算法详解

    Python实现聚类K-means算法详解

    这篇文章主要介绍了Python实现聚类K-means算法详解,K-means(K均值)算法是最简单的一种聚类算法,它期望最小化平方误差,具体详解需要的朋友可以参考一下
    2022-07-07
  • 浅谈python之自动化运维(Paramiko)

    浅谈python之自动化运维(Paramiko)

    这篇文章主要介绍了浅谈python之自动化运维(Paramiko),文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2020-01-01
  • python sys模块使用方法介绍

    python sys模块使用方法介绍

    sys模块功能多,我们这里介绍一些比较实用的功能,相信你会喜欢的,和我一起走进python的模块吧
    2023-01-01
  • 18个Python入门经典必背的程序分享

    18个Python入门经典必背的程序分享

    这篇文章主要为大家介绍了Python入门经典必背的18个程序。注意:这是初学者要牢记的 18 个代码,入门之后就简单了,快跟随小编一起来学习一下吧
    2023-02-02

最新评论