Matplotlib 中常见的图形

# 导包

from matplotlib import pyplot as plt

import numpy as np

折线图

简单线性图

　　在图表的所有类型中，线性图最为简单。线性图的各个数据点由一条直线来连接. 一对对(x, y)值组成的数据点在图表中的位置取决于两条轴(x和y)的刻度范围
　　如果要绘制一系列的数据点，需要创建两个Numpy数组. 首先, 创建包含x值的数组, 用作x轴. 再创建包含y值得数组，用作y轴. 完成了两个数组创建，只需要调用plot()函数绘制图像即可

# 生成[0, 2π]之间的等间距的100个点

x = np.linspace(0, 2* np.pi,num=100)

y = np.sin(x)

plt.plot(x,y)

plt.show()

绘制样式较全的线形图

# 设置中文字体，否则中文会出现方框状

plt.rcParams["font.sans-serif"] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

# 准备 x 和 y

x = np.linspace(0, 2* np.pi,num=10)

y = np.sin(x)

# 调用绘制线性图函数plot()

plt.plot(x, y,

    color='#3589FF', 　　　# 线的颜色

    linestyle=':',　　　　 # 线的风格

    linewidth=3, 　　　　  # 线的宽度

    marker='o', 　　　　　　# 标记点的样式

    markerfacecolor='r',  # 标记点的颜色

    markersize=10, 　　　　# 标记点的大小

    alpha=0.7, 　　　　　　 # 图形的透明度

    label="cos(x)"

)

plt.show()    

绘制多条折线

y1 = np.random.random(6)

y2 = np.random.random(6)

x = np.arange(6)

plt.plot(x, y1, label='沈阳')

plt.plot(x, y2, label='大连')

plt.legend(loc='best')

plt.rcParams['font.sans-serif']=['SimHei']

plt.title('各城市房价(单位：万)', fontsize=20)

index_name = ['1月', '2月', '3月', '4月', '5月', '6月']

plt.xticks(x, index_name)

plt.show()

x = np.linspace(0, 2 * np.pi, num=20)

y = np.sin(x)

# 调用绘制线性图函数plot()

plt.plot(x, y,

    color='#3589FF', # 线的颜色

    linestyle=':', # 线的风格

    linewidth=3, # 线的宽度

    marker='o', # 标记点的样式

    markerfacecolor='r', # 标记点的颜色

    markersize=10, # 标记点的大小

    alpha=0.7, # 图形的透明度

    label="sin(x)" #设置图例的label

)

siny = y.copy()

cosy = np.cos(x)

plt.plot(x, cosy,

    color='y', # 线的颜色

    linestyle='-', # 线的风格

    linewidth=3, # 线的宽度

    marker='*', # 标记点的样式

    markerfacecolor='b', # 标记点的颜色

    markersize=15, # 标记点的大小

    alpha=0.9, # 图形的透明度

    label="cos(x)" #设置图例的label

)

# 设置x，y轴的label

plt.xlabel('时间（s）')

plt.ylabel('电压（V）')

plt.legend()

plt.title('电压随时间变化的线性图')

# 调用show方法显式

plt.show()

将DataFrame绘制成线性图

from pandas import DataFrame,Series

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

# %matplotlib inline

data_frame = DataFrame({

'东软熙康': np.random.randint(10, 100, 5),

'东软医疗': np.random.randint(10, 100, 5),

'东软睿道': np.random.randint(10, 100, 5),

})

plt.plot(data_frame, marker='o')

# 显示图例

plt.legend(data_frame, loc=2)

# 设置x轴刻度标签

plt.xticks([0, 1, 2, 3, 4], ['first', 'secod', 'third', 'forth', 'fifth'])

plt.title('东软子公司1-5月份在职人员数量')

plt.xlabel('月份')

plt.ylabel('在职人数（百人）')

# True 显示网格

# linestyle 设置线显示的类型(一共四种)

# color 设置网格的颜色

# linewidth 设置网格的宽度

# plt.grid(True, linestyle = "-.", color = "r", linewidth = "3")

plt.grid()

# 显示图形

plt.show()

条状图

　　条状图也是非常常用的一种图表类型. 条形图是统计图资料分析中最常用的图形。主要特点有：

• 能够使人们一眼看出各个各个项目数据的大小
• 易于比较各个不同项目数据之间的差别

垂直条状图

import matplotlib.pyplot as plt

import numpy as np

plt.rcParams["font.sans-serif"] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

index = np.arange(5)

values1 = np.random.randint(11, 20, 5)

values2 = np.random.randint(11, 20, 5)

values3 = np.random.randint(11, 20, 5)

# bar宽度

bar_width = 0.3

# 每一个bar占0.3宽度

plt.bar(index-bar_width, values1, width=bar_width, alpha=0.7, label='社保项目1', color='b')

plt.bar(index, values2, width=bar_width, alpha=0.7, label='社保项目2', color='r')

plt.bar(index+bar_width, values3, width=bar_width, alpha=0.7, label='社保项目3', color='g')

# 显示图例

plt.legend(loc=1)

# 设置X轴、Y轴数值范围

# plt.xlim(-0.5, 5)

# plt.ylim(10, 20)

plt.axis([-0.6, 5, 10, 20])

# 设置x轴刻度标签 rotation旋转角度

plt.xticks(index, ['社保项目'+str(ix) for ix in range(1, 6)], rotation=30)

# 设置标题

plt.title('社保项目营收', fontsize=20)

plt.xlabel('项目类型')

plt.ylabel('项目合同额（亿元）')

# 显示数值标签

for a,b in zip(index, values1):

    plt.text(a-bar_width, b, '%.0f' % b, ha='center', va='bottom', fontsize=7)

for a,b in zip(index, values2):

    plt.text(a, b, '%.0f' % b, ha='center', va='bottom', fontsize=7)

for a,b in zip(index, values3):

    plt.text(a+bar_width, b, '%.0f' % b, ha='center', va='bottom', fontsize=7)

# 显示网格

plt.grid()

plt.show()

水平条状图

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

# 绘制水平条状图

index = np.arange(5)

values1 = np.random.randint(10, 17, 5)

values2 = np.random.randint(10, 17, 5)

values3 = np.random.randint(10, 17, 5)

# 绘制条状图

bar_height = 0.3

plt.barh(index, values1, height=0.3, label='社保项目1', color='r')

plt.barh(index+bar_height, values2, height=0.3, label='社保项目2', color='b')

plt.barh(index+bar_height*2, values3, height=0.3, label='社保项目2', color='y')

# y轴标签

plt.yticks(index + bar_height, list('ABCDE'))

# 显示数值标签

for a, b in zip(values1, index):

    plt.text(a, b, '%.0f' % a, ha='left', va= 'center', fontsize=7)

for a, b in zip(values2, index):

    plt.text(a, b+bar_height, '%.0f' % a, ha='left', va= 'center', fontsize=7)

for a, b in zip(values3, index):

    plt.text(a, b+bar_height*2, '%.0f' % a, ha='left', va= 'center', fontsize=7)

# 设置标题

plt.title('社保项目营收', fontsize=20)

plt.xlabel('项目类型')

plt.ylabel('项目合同额（亿元）')

plt.axis([0, 20, -0.4, 5])

plt.legend(loc=4)

plt.show()

柱状图

　　柱状图我们经常会用到，我们来看下如何画出柱状图，并在图上标注出数据对应的数值

import numpy as np

from matplotlib import pyplot as plt

k = 10

# 生成数据 x 和 y

x = np.arange(k)

y = np.random.random(k)

# 画出 x 和 y 的柱状图

plt.bar(x, y)

# 增加数值

for x, y in zip(x, y):

# 标注数值

# ha='center' 横向居中对齐

# va='bottom'纵向底部（顶部）对齐

    plt.text(x, y , '%.2f' % y, ha='center', va='bottom')

plt.show()

饼图

　　除了条状图, 饼图也可以用来表示数据，用pie()函数制作饼图很简单

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

# %matplotlib inline

# 设置图像大小

plt.figure(figsize=(9, 9))

# 设置标签

labels = ['Java开发', '项目经理', '测试运维人员', 'Python开发', '架构师']

# 标签对应的值

values = [6000, 1000, 2000, 7000, 500]

# 每一个标签饼图的颜色

colors = ['red', '#FEDD62', 'blue', 'gray', 'green']

# 那一块内容需要脱离饼图凸显, 可选值0-1

explode = [0.1, 0.1, 0, 0, 0]

"""

autopct ='%1.1f%%'表示显示百分比

shadow显示阴影

startangle 正值表示逆时针旋转

"""

plt.pie(values,

        labels=labels,

        colors=colors,

        explode=explode,

        startangle=90,

        shadow=True,

        autopct='%1.1f%%'

        )

# 设置为标准圆形

plt.axis('equal')

# 显示图例

plt.legend(loc=2)

plt.title('东软软件工程师人员职位占比')

plt.show()

散点图

　　用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。散点图将序列显示为一组点。值由点在图表中的位置表示。类别由图表中的不同标记表示。散点图通常用于比较跨类别的聚合数据

简单的散点图绘制

　　绘制正态分布

from matplotlib import pyplot as plt

import numpy as np

# 散点 横轴和纵轴都是特征

x = np.random.normal(0, 1, 10000) # 均值为0 方差为1 正态分布

y = np.random.normal(0, 1, 10000)

plt.scatter(x, y, alpha=0.1)

plt.show()

x = np.random.normal(0, 1, 10000)

y = np.random.normal(0, 1, 10000)

a = -2 + np.random.random(100) * 4

b = -2 + np.random.random(100) * 4

plt.scatter(x, y, color='g', alpha=0.1, label='沈阳')

plt.scatter(a, b, color='r', alpha=0.4, label='大连')

plt.rcParams["font.sans-serif"] = ['SimHei']

plt.rcParams['axes.unicode_minus'] = False

plt.legend()

plt.show()

　　绘制随机点

import matplotlib.pylab as plt

import numpy as np

# 随机生成500个点

k = 500

x = np.random.rand(k)

y = np.random.rand(k)

# 生成每个点的大小

size = np.random.rand(k) * 50

# 生成每个点的颜色大小

colour = np.arctan2(x, y)

plt.scatter(x, y, s=size, c=colour)

# 添加颜色栏

plt.colorbar()

plt.show()

直方图

　　直方图由竖立在 x 轴上的多个相邻的矩形组成，这些矩形把 x 轴拆分为一段段彼此不重叠的线段（线段两个端点所标识的数据范围也叫面元），矩形的面积跟落在其所对应的面元的元素数量成正比。这种可视化方法常被用于样本分布等统计研究。
　　pyplot 用于绘制直方图的函数为 hist()，它能够接收一系列样本个体和期望的面元数量作为参数，把样本范围分成多个区间（面元），然后计算每个面元所包含的样本个体的数量

简单直方图

pop = np.random.randint(0, 100, 10000)

plt.hist(pop, bins=200)

plt.show()

画高斯分布直方图

pop = np.random.normal(0, 1, 1000000)

plt.hist(pop, bins=1500)

plt.show()

箱线图

　　箱线图也称箱须图，能提供有关数据位置和分数情况的相关信息，可表现分散程度差异

　　利用数据中的五个统计量（最小值、下四分位数、中位数、上四分位数、最大值）来描述数据，可粗略看出数据是否具有对称性、分布的分散程度等信息