Matplotlib绘图

Matplotlib 是绘图工具，下面结合面向对象的方式使用matplotlib库绘制图表.

导入模块：

import matplotlib.pyplot as plt
import numpy as np

准备数据：

data = np.array([1,2,3,4,5])

创建画布并添加绘画区域：

fig = plt.figure( )                   
ax = fig.add_subplot(111)

绘制图表：

ax.plot(data) 

展示图表：

plt.show()  

绘制直方图：

使用hist（）绘制直方图

hist(x,bins=None,range=None,density=None,weights=None,cumulative=False,
bottom=None,histtype='bar',align='mid',orientation='vertical',rwidth=None,
log=False,label=None,stacked=False,normed=None,*,data=None,**kwargs)

 该函数常用参数的含义如下。
x:表示x轴的数据，可以为单个数组或多个数组的序列。
bins:表示矩形条的个数，默认为 10。
range:表示数据的范围。若没有提供 range 参数的值，则数据范围为(x.min()，x.max())。cumulative:表示是否计算累计频数或频率。
align:表示矩形条边界的对齐方式。可设为"left'、'mid'或'right'，默认为 'mid'。'
orientation:表示矩形条的摆放方式，默认为'vertical，即垂直方向。
rwidth :表示矩形条宽度的百分比，默认为0。若 histtype的值为'step'或'stepfilled，则
直接忽略 rwidth 参数的值。
stacked:表示是否将多个矩形条以堆积形式摆放。

实例：在生成10000个随机数前提下，另外再生成一个包含20000个数据的标准正态分布数组，并在同一个绘图区域并排展示。

#导入模块
import matplotlib.pyplot as plt
import numpy as np

# 1.生成10000个随机数
random_state1 = np.random.RandomState(19680801)
random_x1 = random_state1.randn(10000)

# 2.生成20000个随机数
random_state2 = np.random.RandomState(19680801)
random_x2 = random_state1.randn(10000)

#创建画布并添加绘画区域：
fig = plt.figure( )                                           
ax = fig.add_subplot(111)

# 3.绘制包含25个矩形条的两组直方图（并排展示）
ax.hist([random_x1,random_x2],bins=25,histtype="bar")

# 4.展示图表
plt.show()

运行如图所示：

绘制饼图或圆环图

使用pie（）绘制饼图或圆环图

pie(x, explode=None, labels=None, colors=None, autopct=None, 
pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, 
radius=1, counterclock=True, wedgeprops=None, textprops=None, 
center=(0, 0), frame=False, rotatelabels=False, *, normalize=True,
 hatch=None, data=None)

该函数常用参数的含义如下。

x:表示扇形或楔形的数据.
explode:表示扇形或楔形离开圆心的距离。
labels:表示扇形或楔形对应的标签文本。
autopct:表示控制扇形或楔形的数值显示的字符串，可通过格式字符串指定小数点后
的位数。    
pctdistance:表示扇形或楔形对应的数值标签距离圆心的比例，默认为 0.6。

shadow:表示是否显示阴影
abeldistance:表示标签文本的绘制位置(相对于半径的比例)，默认为 1.1。
startangle:表示起始绘制角度，默认从x轴的正方向逆时针绘制。
radius:表示扇形或楔形的半径。
wedgeprops:表示控制扇形或楔形属性的字典。例如，通过wedgeprops={'width':0.7}将楔形的宽度设为 0.7。
textprops:表示控制图表中文本属性的字典。
center:表示图表的中心点位置，默认为(0,0 )。
frame:表示是否显示图框。

实例：对原有的圆环数据进行改用圆环图展示数据，并将圆环图中的数值标签（即百分数）需精确到小数点后1位，且其必须位于楔形中间位置，并圆环图中"购物"楔形绘制到左下角

# 需求一： 改用圆环图展示数据
# 需求二： 圆环图中的数值标签（即百分数）需精确到小数点后1位，且其必须位于楔形
中间位置
# 需求三： 圆环图中"购物"楔形绘制到左下角

import matplotlib.pyplot as plt
import matplotlib as mpl

# 设置中文
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False

# 外侧说明文字
kinds = ['购物', '人情往来', '餐饮美食', '通信物流', '生活日用', '交通出行', 
         '休闲娱乐', '其他']

# 原有数据
money_scale = [800, 100, 1000, 200, 300, 200, 200, 200]

# 爆炸程度
dev_position = [0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1]

#创建画布并添加绘画区域：
fig = plt.figure( )                   #创建代表画布的Figure类的对象fig
ax = fig.add_subplot(111)             #在画布fig上添加坐标系风格的绘画区域ax

# 绘制
ax.pie(money_scale,radius=1.5,wedgeprops= 
        {'width':0.7},pctdistance=3/4,labels=kinds,autopct='%.1f%%',
        shadow=True,explode=dev_position,startangle=180)

plt.show()

运行如图所示：

绘制散点图或气泡图

使用scatter（）绘制散点图或气泡图

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None,
 norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, *, 
edgecolors=None, plotnonfinite=False, data=None, **kwargs)

该函数常用参数的含义如下：

x，y:表示数据点的位置。 
s:表示数据点的大小。
c:表示数据点的颜色。
marker:表示数据点的样式，默认为圆形。
cmap:表示数据点的颜色映射表，仅当参数c为浮点数组时才使用。
norm:表示数据亮度，可以取值为0~ 1。
vmin，vmax:表示亮度的最小值和最大值。若传入了norm 参数，则忽略 vmin 和 vmax 参数。
alpha:表示透明度，可以取值为0~1。(越小越透明) linewidths:表示数据点边缘的宽度。
edgecolors:表示数据点边缘的颜色。

实例：将汽车速度与制动距离的散点图绘制成气泡图，气泡从左到右越来越大，并将所有气泡设置为橙色。

# 需求一： 将散点图绘制成气泡图，气泡从左到右越来越大
# 需求二： 将所有气泡设置为橙色

#导入模块
import numpy as np
import matplotlib.pyplot as plt

#显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False

# 准备 x 轴和 y 轴的数据
x_speed = np.arange(10, 210, 10)
y_distance = np.array([0.5, 2.0, 4.4, 7.9, 12.3,
                       17.7, 24.1, 31.5, 39.9, 49.2,
                       59.5, 70.8, 83.1, 96.4, 110.7,
                       126.0, 142.2, 159.4, 177.6, 196.8])


# 绘制气泡图
area=np.linspace(20,300,20)  #生成一个等距递增数列

#创建画布并添加绘画区域：
fig = plt.figure( )                   #创建代表画布的Figure类的对象fig
ax = fig.add_subplot(111)             #在画布fig上添加坐标系风格的绘画区域ax

#绘制图表
ax.scatter(x_speed,y_distance,s=area,c='orange')

# 展示图表
plt.show()

运行如图所示：

绘制误差棒图

使用errorbar（）绘制误差棒图

matplotlib.pyplot.errorbar(x, y, yerr=None, xerr=None, fmt='', 
ecolor=None, elinewidth=None, capsize=None, barsabove=False,
 lolims=False, uplims=False,xlolims=False, xuplims=False,errorevery=1, 
capthick=None, *, data=None, **kwargs)

该函数常用参数的含义如下。
x，y:表示数据点的位置。
xerr，yerr:表示数据的误差范围。
fint:表示数据点的标记样式和数据点之间连接线的样式。ecolor:表示误差棒的线条颜色。
elinewidth:表示误差棒的线条宽度。
capsize:表示误差棒边界横杆的大小。
capthick:表示误差棒边界横杆的厚度。

实例：4个树种不同季节的细根生物量

代码如下：

#导入模块
import numpy as np
import matplotlib.pyplot as plt

#显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False

#准备x轴和y轴的数据
x=np.arange(3)
y1=np.array([2.04, 1.57, 1.63]) 
y2=np.array([1.69,1.61,1.64]) 
y3=np.array([4.65,4.99,4.94]) 
y4=np.array([3.39,2.33,4.10])

# 指定测量偏差
error1 = [0.16, 0.08, 0.10] 
error2 = [0.27, 0.14, 0.14] 
error3 = [0.34, 0.32, 0.29] 
error4 = [0.23, 0.23, 0.39] 

#宽度为0.2
bar_width =0.2

#创建画布并添加绘画区域：
fig = plt.figure( )                   #创建代表画布的Figure类的对象fig
ax = fig.add_subplot(111)             #在画布fig上添加坐标系风格的绘画区域ax

#绘制柱形图
ax.bar(x, y1, bar_width)

ax.bar(x + bar_width, y2, bar_width, align="center",
        tick_label=["春季","夏季","秋季"])
        
ax.bar(x + 2*bar_width, y3, bar_width) 
ax.bar(x + 3*bar_width, y4, bar_width)
        
#绘制误差棒 ; 横杆大小为 3，线条宽度为 3，线条颜色为黑色，数据点标记为像素点
ax.errorbar(x, y1,yerr=error1,capsize=3, elinewidth=2,fmt='k,') 
ax.errorbar(x + bar_width,y2, yerr=error2, capsize=3,elinewidth=2, fmt='k,')
ax.errorbar(x + 2*bar_width,y3,yerr=error3,capsize=3,elinewidth=2, fmt='k,')
ax.errorbar(x + 3*bar_width, y4, yerr=error4,capsize=3,elinewidth=2, fmt='k,')
        
#展示
plt.show()

运行如图所示：