越学坑越多,哭!来不及做图了。
1】柱状图
matplotlib.pyplot. bar (*args, **kwargs)
bar(left, height, width, bottom, * args, align='center', **kwargs)
参数: left:数据标量 height:高 width:款 bottom:底端对应Y轴align:对齐如果为 "居中", 则将x参数解释为条形中心的坐标。如果 "边缘", 将条形按其左边缘对齐要对齐右边缘的条形图, 可传递负的宽度和对align='edge'
2】直方图
matplotlib.pyplot.hist(
x,bins=10,range=None,normed=False,weights=None,cumulative=False,
histtype='bar', align='mid',orientation=u'vertical', log=False,color=None, label=None,stacked=False,hold=None,**kwargs)
– x: 一个列表或者多个列表(表示不同数据集,长度可以不一致)
– range: 元组
– weights: x里每个元素对bin高度的贡献(默认为1)
– histtype: ['bar' | 'barstacked' | 'step' | 'stepfilled']
– align: ['left' | 'mid' | 'right']
– orientation: ['horizontal' | 'vertical']
– color: 一种颜色或者颜色列表(针对不同数据集)
3】散点图
matplotlib.pyplot. scatter (x, y, s=none, c=none, marker=none, cmap= None,
norm=none, vmin=none, vmax=none, alpha=none, Linewidths=none,
verts=none, edgecolors=none, hold=none, data= None, **kwargs)
参数:
x,y:相同长度的数组序列
s :散点的大小标量或形同数组,可选参数,默认20
c :散点的色彩或颜色序列,可选
maker:标记风格,可选,默认是‘o’
alpha:散点的透明度
4】饼图
matplotlib.pyplot. pie(x, explode=None, labels=None, colors=('b', 'g', 'r', 'c', 'm', 'y', 'k', 'w'), autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center = (0, 0), frame = False )
参数:
x (每一块)的比例(numpy.array)
explode [每一块]离开中心距离
labels [每一块]饼图外侧显示的说明文字
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 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
'%.2f%%'指小数点后位数
pctdistance 类似于labeldistance,指定autopct的位置刻度
radius 控制饼图半径
本文是关于Python数据可视化库matplotlib的学习笔记,主要介绍了柱状图、直方图、散点图和饼图的创建及其参数用法。通过实例解析各个图表的参数设置,帮助理解如何利用matplotlib进行数据可视化。
2万+

被折叠的 条评论
为什么被折叠?



