Python使用matplotlib绘制图形大全(曲线图、条形图、饼图等)

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建图形
plt.figure()

# 绘制折线图
plt.plot(x, y, '-')

# 设置图表标题和坐标轴标签
plt.title("Simple Plot of Sine Function")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")

# 显示图形
plt.show()

pip install matplotlib

import matplotlib.pyplot as plt

plt.plot(x, y, label='Line 1') # x和y是数据点

plt.scatter(x, y) # x和y是数据点

plt.bar(x, y) # x是分类变量，y是对应值

plt.hist(data, bins=10) # data是要统计的数据，bins是分组数量

plt.pie(sizes, labels=labels) # sizes是各部分大小，labels是标签

plt.title('My Plot')        # 添加标题
plt.xlabel('X Axis Label')  # 添加X轴标签
plt.ylabel('Y Axis Label')  # 添加Y轴标签
plt.legend()                # 添加图例
plt.xlim(0, 10)             # 设置X轴范围
plt.ylim(0, 100)            # 设置Y轴范围

plt.show()  # 显示图形
# 或者
plt.savefig('my_plot.png')  # 保存图形为PNG文件

fig, axs = plt.subplots(nrows=2, ncols=2)  # 创建一个2x2的子图网格
# 然后可以在每个子图上进行绘制，例如：
axs[0, 0].plot(x1, y1)  # 在第一个子图上绘图
axs[0, 1].scatter(x2, y2)  # 在第二个子图上绘图
# ...以此类推

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 绘制线图
plt.plot(x, y)
plt.title('Line Plot')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.grid(True)
plt.show()

# 创建数据
x = np.random.rand(50)
y = np.random.rand(50)

# 绘制散点图
plt.scatter(x, y)
plt.title('Scatter Plot')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.grid(True)
plt.show()

# 创建数据
categories = ['Category1', 'Category2', 'Category3', 'Category4']
values = [23, 45, 56, 12]
# 设置字体为支持中文的字体，比如'SimHei'（黑体），确保你的系统中安装了该字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用于正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

# 绘制条形图
plt.bar(categories, values, label='测试图例')
plt.title('Bar Chart')
plt.xlabel('Categories')
plt.ylabel('Values')
plt.legend()
plt.show()

# 创建数据（正态分布的随机样本）
data = np.random.rand(100)
print(data)

data = np.sort(data)
print(data)
# 绘制直方图
plt.hist(data, bins=20, edgecolor='black', color='skyblue', alpha=0.7)

# 定制图形
plt.title('Histogram of Data Distribution')
plt.xlabel('Value Range')
plt.ylabel('Frequency')
plt.grid(True)

# 显示图形
plt.show()

# 创建数据
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]

# 绘制饼图
plt.pie(sizes, labels=labels)
plt.title('Pie Chart')
plt.show()

# 创建数据
x = np.array([1, 2, 3, 4, 2, 2, 2, 1])
y = np.array([1, 2, 3, 4, 1, 2, 3, 4])

# 绘制直方图
plt.hist2d(x, y, bins=[20, 20], cmap=plt.cm.jet)
plt.title('Histogram')
plt.xlabel('Value')
plt.ylabel('Frequency')
# 添加带有标签的颜色条
plt.colorbar(label='Counts')
plt.grid(True)
plt.show()

import matplotlib.pyplot as plt  
import numpy as np  
  
# 模拟数据  
x = np.arange(1, 6)  
y1 = np.random.randint(1, 5, 5)  
y2 = np.random.randint(1, 5, 5)  
  
# 绘制面积图  
# 绘制 y1 到 0 之间的区域
plt.fill_between(x, y1, color='blue', alpha=0.5, label='Area 1')  
# 绘制 y1 到 y2 之间的区域
plt.fill_between(x, y1, y2, color='red', alpha=0.5, label='Area 2')  
  
plt.legend()  
plt.show()

import matplotlib.pyplot as plt  
import numpy as np  
import seaborn as sns  
  
# 创建一个数据矩阵  
data = np.random.rand(10, 12)  
  
# 绘制热力图  
sns.heatmap(data, cmap='coolwarm')  
plt.show()

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 创建一个假设的数据集
data = {
    'Product': ['A', 'B', 'C', 'D', 'E'],
    'January': np.random.randint(10, 100, 5),
    'February': np.random.randint(10, 100, 5),
    'March': np.random.randint(10, 100, 5),
    'April': np.random.randint(10, 100, 5),
    'May': np.random.randint(10, 100, 5),
    'June': np.random.randint(10, 100, 5)
}

# 将数据转换为Pandas DataFrame
df = pd.DataFrame(data)
df = df.set_index('Product')

# 绘制热力图
plt.figure(figsize=(10, 8))
sns.heatmap(df, annot=True, cmap='coolwarm', fmt='d', linewidth=0.5)

# 设置图表标题和坐标轴标签
plt.title('Monthly Sales Heatmap')
plt.xlabel('Month')
plt.ylabel('Product')

# 显示图表
plt.show()

import matplotlib.pyplot as plt
import numpy as np

# 创建3D坐标轴
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 模拟三维数据点
x = np.random.standard_normal(100)
y = np.random.standard_normal(100)
z = np.random.standard_normal(100)

# 绘制三维散点图
ax.scatter(x, y, z, c='b', marker='o')

plt.show()

import matplotlib.pyplot as plt
import numpy as np

# 模拟数据
N = 5
menMeans = (20, 35, 30, 35, 27)
womenMeans = (25, 32, 34, 20, 25)
ind = np.arange(N)  # the x locations for the groups
width = 0.35  # the width of the bars: can also be len(x) sequence

# 绘制男性数据堆叠图
p1 = plt.bar(ind, menMeans, width, label='Men')

# 绘制女性数据堆叠图，注意这里的bottom参数，它使得女性数据的柱状图从男性数据的顶部开始绘制
p2 = plt.bar(ind, womenMeans, width, label='Women', bottom=menMeans)

plt.ylabel('Scores')
plt.title('Scores by group and gender')
# 设置X轴刻度
plt.xticks(ind, ('G1', 'G2', 'G3', 'G4', 'G5'))
# 设置y轴刻度
plt.yticks(np.arange(0, 81, 10))
# 显示图例
plt.legend()
plt.show()