matlab绘图 数据点_Python可视化库Matplotlib绘图入门详解

Matplotlib是Python的绘图库，其中的pyplot包封装了很多画图的函数。

Matplotlib.pyplot 包含一系列类似 MATLAB 中绘图函数的相关函数。每个 Matplotlib.pyplot 中的函数会对当前的图像进行一些修改，例如：产生新的图像，在图像中产生新的绘图区域，在绘图区域中画线，给绘图加上标记，等等…… Matplotlib.pyplot 会自动记住当前的图像和绘图区域，因此这些函数会直接作用在当前的图像上。

绘制线图plt.plot() 函数可以用来绘制线型图：

1基本用法指定x和y

• plt.plot(x,y)

默认参数，x 为 0~N-1

• plt.plot(y)

因此，在上面的例子中，我们没有给定 x 的值，所以其默认值为 [0,1,2,3]。分别传入 x 和 y：

2字符参数和 MATLAB 中类似，我们还可以用字符来指定绘图的格式。表示颜色的字符参数有：表示类型的字符参数有：例如我们要画出红色圆点：

可以看出，有两个点在图像的边缘，因此，我们需要改变轴的显示范围。3显示范围

与 MATLAB 类似，这里可以使用 axis 函数指定坐标轴显示的范围：

plt.axis([xmin, xmax, ymin, ymax])

4传入Numpy参数之前我们传给 plot 的参数都是列表，事实上，向 plot 中传入 numpy 数组是更常用的做法。事实上，如果传入的是列表，matplotlib 会在内部将它转化成数组再进行处理：5子图figure() 函数会产生一个指定编号为 num 的图：

plt.figure(num)

这里，figure(1) 其实是可以省略的，因为默认情况下 plt 会自动产生一幅图像。使用 subplot 可以在一副图中生成多个子图，其参数为：

plt.subplot(numrows, numcols, fignum)

当 numrows * numcols < 10 时，中间的逗号可以省略，因此 plt.subplot(211) 就相当于 plt.subplot(2,1,1)。

绘制柱状图柱状图(bar chart)，是一种以长方形的长度为变量的表达图形的统计报告图，由一系列高度不等的纵向条纹表示数据分布的情况，用来比较两个或以上的价值(不同时间或者不同条件)，只有一个变量，通常利用于较小的数据集分析。柱状图亦可横向排列，或用多维方式表达。

绘制每个国家或地区的电影数量的柱状图：

绘制散点图

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。

根据电影时长和电影评分绘制散点图：

绘制饼图饼图英文学名为Sector Graph, 有名Pie Graph。常用于统计学模块。2D饼图为圆形，手画时，常用圆规作图。仅排列在工作表的一列或一行中的数据可以绘制到饼图中。饼图显示一个数据系列中各项的大小与各项总和的比例，数据点显示为整个饼图的百分比。函数原型:

pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6,    shadow=False, labeldistance=1.1, startangle=None, radius=None)

参数: x (每一块)的比例，如果sum(x) > 1会使用sum(x)归一化labels (每一块)饼图外侧显示的说明文字explode (每一块)离开中心距离startangle 起始绘制角度,默认图是从x轴正方向逆时针画起,如设定=90则从y轴正方向画起shadow表示是否阴影labeldistance label绘制位置,相对于半径的比例, 如<1则绘制在饼图内侧autopct 控制饼图内百分比设置,可以使用format字符串或者format function'%1.1f'指小数点前后位数(没有用空格补齐)pctdistance 类似于labeldistance,指定autopct的位置刻度radius 控制饼图半径返回值: 如果没有设置autopct,返回(patches, texts)

如果设置autopct,返回(patches, texts, autotexts)

根据电影的长度绘制饼图：

绘制直方图

直方图(Histogram)又称质量分布图。是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型，纵轴表示分布情况。

直方图是数值数据分布的精确图形表示。这是一个连续变量(定量变量)的概率分布的估计，并且被卡尔·皮尔逊(Karl Pearson)首先引入。它是一种条形图。

为了构建直方图，第一步是将值的范围分段，即将整个值的范围分成一系列间隔，然后计算每个间隔中有多少值。这些值通常被指定为连续的，不重叠的变量间隔。间隔必须相邻，并且通常是(但不是必须的)相等的大小。

直方图也可以被归一化以显示“相对”频率。然后，它显示了属于几个类别中的每个案例的比例，其高度等于1。

根据电影的评分绘制直方图：

hist的参数非常多，但常用的就这七个，只有第一个是必须的，其他是可选的。

arr: 需要计算直方图的一维数组

bins: 直方图的柱数，可选项，默认为10

normed: 是否将得到的直方图向量归一化。默认为0

facecolor: 直方图颜色

edgecolor: 直方图边框颜色

alpha: 透明度

histtype: 直方图类型，‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’

返回值 ：

n: 直方图向量，是否归一化由参数normed设定

bins: 返回各个bin的区间范围

patches: 返回每个bin里面包含的数据，是一个list

推荐阅读

使用Matplotlib的数据可视化初学者指南