使用pycha快速绘制办公常用图(饼图、垂直直方图、水平直方图、散点图等七种图形)

最新推荐文章于 2024-05-16 11:32:03 发布
转载 最新推荐文章于 2024-05-16 11:32:03 发布 · 1.9k 阅读 · 0
文章标签：

#图形 #dataset #smalltalk #mozilla #python #scheme

本文详细介绍了如何使用pycha模块轻松绘制饼图、直方图、线图等常见办公用图，提供了完整的代码示例和图表展示。

原文链接：http://blog.youkuaiyun.com/dyx1024/article/details/7300497

pychar下载地址已改为https://bitbucket.org/lgs/pycha/downloads

另需要cairo模块，下载地址为： http://www.lfd.uci.edu/~gohlke/pythonlibs/#pygtk

cairo说明：

在信息领域中，cairo 是一个让用于提供矢量图形绘图的免费库，cairo 提供在多个背景下做 2-D 的绘图，高级的更可以使用硬件加速功能。

虽然 cairo 是使用C语言撰写的，但是当使用 cairo 时，可以用许多其他种语言来使用，包括有C++、C#、Java、Python、Perl、Ruby、Scheme、Smalltalk 以及许多种语言，cairo 在 GNU LGPL 与 Mozilla Public License (MPL) 两个认证下发布。


今天晚上学习了下使用pycha模块来制作各种办公用图的方法，非常简单，本文使用其绘制了7种图表。

   此模块和API地址为：http://www.lorenzogil.com/projects/pycha/，需要的朋友可以下载下来玩一下，下面是我晚上学习时写的一点东东，分享之。


一、代码：

[python]  view plain copy print ?
  1. #!/usr/bin/env python  
  2. # -*- coding: utf-8 -*-  
  3.   
  4. import cairo   
  5. import pycha.pie  
  6. import pycha.bar  
  7. import pycha.scatter  
  8. import pycha.stackedbar  
  9. import pycha.line  
  10.   
  11. #设置画布  
  12. def set_charvalue():  
  13.     width,height=600,600   
  14.     surface=cairo.ImageSurface(cairo.FORMAT_ARGB32,width,height)   
  15.     return surface  
  16.       
  17. #画饼图  
  18. def draw_pie(surface, options, dataSet):  
  19.     chart=pycha.pie.PieChart(surface,options)   
  20.     chart.addDataset(dataSet)   
  21.     chart.render()   
  22.     surface.write_to_png('d:\\Pie.png')   
  23.   
  24. #垂直直方图  
  25. def draw_vertical_bar(surface, options, dataSet):  
  26.     chart=pycha.bar.VerticalBarChart(surface,options)   
  27.     chart.addDataset(dataSet)   
  28.     chart.render()   
  29.     surface.write_to_png('d:\\vertical_bar.png')     
  30.    
  31. #垂直水平直方图      
  32. def draw_horizontal_bar(surface, options, dataSet):  
  33.     chart = pycha.bar.HorizontalBarChart(surface,options)   
  34.     chart.addDataset(dataSet)   
  35.     chart.render()   
  36.     surface.write_to_png('d:\\horizontal_bar.png')     
  37.       
  38. #线图      
  39. def draw_line(surface, options, dataSet):  
  40.     chart = pycha.line.LineChart(surface,options)   
  41.     chart.addDataset(dataSet)   
  42.     chart.render()   
  43.     surface.write_to_png('d:\\line.png')        
  44.   
  45. #点图      
  46. def draw_scatterplot(surface, options, dataSet):  
  47.     chart = pycha.scatter.ScatterplotChart(surface,options)   
  48.     chart.addDataset(dataSet)   
  49.     chart.render()   
  50.     surface.write_to_png('d:\\scatterplotChart.png')           
  51.   
  52. #垂直块图       
  53. def draw_stackedverticalbarChar(surface, options, dataSet):  
  54.     chart = pycha.stackedbar.StackedVerticalBarChart(surface,options)   
  55.     chart.addDataset(dataSet)   
  56.     chart.render()   
  57.     surface.write_to_png('d:\\stackedVerticalBarChart.png')        
  58.   
  59. #水平块图  
  60. def draw_stackedhorizontalbarChart(surface, options, dataSet):  
  61.     chart = pycha.stackedbar.StackedHorizontalBarChart(surface,options)   
  62.     chart.addDataset(dataSet)   
  63.     chart.render()   
  64.     surface.write_to_png('d:\\stackedhorizontalbarChart.png')      
  65.       
  66. if __name__ == '__main__':  
  67.     ''''' 
  68.     Function:使用pycha画各种图表 
  69.     Input：NONE 
  70.     Output: NONE 
  71.     author: socrates 
  72.     blog:http://blog.youkuaiyun.com/dyx1024 
  73.     date:2012-02-28 
  74.     '''  
  75.     #数据来源  
  76.     dataSet=(   
  77.              ('iphone',((0,1),(1,3),(2,2.5))),   
  78.              ('htc',((0,2),(1,4),(2,3))),   
  79.              ('hw',((0,5),(1,1,),(2,0.5))),   
  80.              ('zte',((0,3),(1,2,),(2,1.5))),   
  81.             )   
  82.       
  83.     #图像属性定义  
  84.     options={   
  85.                 'legend':{'hide':False},   
  86.                 'title':'手机销售量分布图(by dyx1024)',  
  87.                 'titleColor':'#0000ff',  
  88.                 'titleFont':'字体',  
  89.                 'background':{'chartColor': '#ffffff'},   
  90.                 'axis':{'labelColor':'#ff0000'},  
  91.             }       
  92.       
  93.       
  94.     surface = set_charvalue()  
  95.       
  96.     #根据需要调用不同函数画不同形状的图  
  97.     #draw_pie(surface, options, dataSet)  
  98.     #draw_vertical_bar(surface, options, dataSet)  
  99.     #draw_horizontal_bar(surface, options, dataSet)  
  100.     #draw_scatterplot(surface, options, dataSet)  
  101.     #draw_stackedverticalbarChar(surface, options, dataSet)  
  102.     #draw_stackedhorizontalbarChart(surface, options, dataSet)  
  103.     draw_line(surface, options, dataSet)  
  104.       
  105.           

python画直方图成绩分析-使用Python绘制直方图和正态分布曲线
weixin_37988176的博客
11-01 3183
本文主要介绍两个内容：如何使用记事本生成包含某一数据集的CSV文件；如何使用Python绘制给定数据集的直方图和正态分布曲线。1. 使用记事本创建CSV文件① 新建一个文本文件，打开后输入数据，格式如下：name,age,addressMike,20,shanghai这里需要注意的是：关键字之间使用英文逗号隔开；第一行为引用字段，第二行为对应值。② 将文本文件另存为CSV文件，如下：依次选择【文件...
python画直方图代码-Python绘制直方图及子图的方法分析（代码示例）
weixin_37988176的博客
11-01 2257
本篇文章给大家带来的内容是关于Python绘制直方图及子图的方法分析（代码示例），有一定的参考价值，有需要的朋友可以参考一下，希望对你有所帮助。1、直方图的绘制也需要用到matplotlib下的pylab，只不过在绘制折线图时我们采用的是plot()，而绘制直方图时我们需要采用hist()。由于在绘制过程中缺少真实数据，我在这里采用np.random.normal(a,b,c)生成的随机数绘制直方...
绘制图像直方图
09-05
帮助数学建模快速学习通常经输入系统获取的图像信息中含有各种各样的噪声与畸变，例如室外光照度不够均匀会造成图像灰度过于集中；由摄像头获得的图像经过A/D转换、线路传送都会产生噪声污染等等，这些不可避免地影响系统图像清晰度，降低了图像质量，轻者表现为图像不干净，难以看清细节；重者表现为图像模糊不清，连概貌都看不出来。因此，在对图像经行分析前，必须对图像质量经行改善，一般情况下改善的方法有两类：图像增强和图像复原。图像增强的目的是设法改善图像的视觉效果，提高图像的可读性，将图像中感兴趣的特征有选择的突出，便于人与计算机的分析和处理
python绘制直方图用什么函数_用Python绘制直方图
weixin_39995439的博客
11-20 436
计算频数：给定一个序列t：hist = {}for x in t:hist[x] = hist.get(x,0)+1得到的结果是一个将值映射到其频数的字典。将其除以n即可把频数转换成频率，这称为归一化：n = float(len(t))pmf = {}for x, freq in hist.items():pmf[x] = freq/n绘制直方图：Vals, freqs = hist.Render...
python绘制成绩直方图_Python数据可视化 – matplotlib 常见图表绘制 — 直方图
weixin_39939510的博客
11-24 573
series.hist():单个# 多个直方图df = pd.DataFrame({'f': np.random.randn(1000) + 1, 'i': np.random.randn(1000),'s': np.random.randn(1000) - 1, 'h': np.random.randn(1000)-2},columns=['f', 'i', 's','h'])df.hist(b...
python直方图/饼图/散点图的画法
lishangyin88的博客
05-10 2941
import numpy as np import pandas as pd import matplotlib.pyplot as plt % matplotlib inline from matplotlib.pyplot import *1.直方图x=np.arange(0,10,1) y=np.log(x) xe=0.1*np.abs(np.random.randn(len(y))) p...
python数据可视化之pyecharts(一)——柱状图、折线图、散点图、饼图、词云的绘制
热门推荐
jQueryZK的博客
08-24 1万+
1、下载安装pyecharts cmd输入以下命令 pip install pyecharts 如果是用的pycharm可以直接在Terminal中输入 （如果上述命令没有效果的话，可用下面的命令） python -m pip install pyecharts --trusted-host=pypi.python.org --trusted-host=pypi.org --trusted-host=files.pythonhosted.org 关于版本问题我在这提一下，最新版本的pyecharts导
matplotlib柱状图上方显示数据_Python数据分析matplotlib可视化之绘图！
weixin_39899021的博客
11-21 2709
Matplotlib是一个基于python的2D画图库，能够用python脚本方便的画出折线图，直方图，功率谱图，散点图等常用图表，而且语法简单。Python中通过matplotlib模块的pyplot子库来完成绘图。Matplotlib可用于创建高质量的图表和图形，也可以用于绘制和可视化结果。matplotlib是Python优秀的数据可视化第三方库，matplotlb.pyplot是绘制种类可...
python画直方图代码-python的pyecharts绘制各种图表详细（附代码）
weixin_37988176的博客
11-01 2654
环境：pyecharts库，echarts-countries-pypkg，echarts-china-provinces-pypkg，echarts-china-cities-pypkg数据：2018年4月16号的全国各地最高最低和天气类型的数据――2018-4-16.json（爬虫爬的）一、公共属性1、标题栏的属性：一般在实例化（初始化）类型时给与，如bar = Bar（“大标题”，“副标题”...
40张Python可视化图形
weixin_69674774的博客
06-05 2574
40张PyCharm基础图 1.熊猫基本花图 import pandas as pd import matplotlib.pyplot as plt # 数据集1：4组只有4个值： df = pd.DataFrame([8,8,1,2], index=['a', 'b', 'c', 'd'], columns=['x']) # 制定计划 df.plot(kind='pie', subplots=True, figsize=(8, 8)) # 显示情节 plt.show() 2.堆叠面积图的基线
python入门实战项目：绘制条形图和直方图（含资源）
隔壁王叔的博客
10-01 3330
我们一起来学习用python绘制条形图和直方图
python绘制直方图
youyouxiong的博客
03-29 846
在这个例子中，我们使用`numpy`生成了1000个服从标准正态分布的随机数，然后用`matplotlib`的`hist`函数绘制了这些数据的直方图。`edgecolor`参数用于设置直方图柱子边缘的颜色。在Python中，绘制直方图通常使用`matplotlib`库，这是一个非常流行的绘图库，它提供了大量的绘图功能。3. **绘制直方图**：使用`hist`函数来绘制直方图。1. **导入库**：首先需要从`matplotlib`中导入`pyplot`模块，它是`matplotlib`的核心绘图接口。
python绘制直方图用什么函数_如何在Python中使用Matplotlib绘制直方图和数据列表？...
weixin_39755890的博客
11-23 227
如果你想要一个直方图，你不需要在x值上附加任何“名称”，因为在x轴上你会有一个箱子：import matplotlib.pyplot as pltimport numpy as np%matplotlib inlinex = np.random.normal(size = 1000)plt.hist(x, normed=True, bins=30)plt.ylabel('Probability')...
python绘画直方图hist()函数参数讲解
Y_Y_DS的博客
05-16 2856
histtype：指定直方图的类型，可以是 ‘bar’、‘barstacked’、‘step’、‘stepfilled’ 中的一个。可以是一个整数，表示箱子的数量，也可以是一个序列，指定每个箱子的边界。例如，如果某些数据点比其他数据点重要，则可以为每个数据点提供相应的权重。align：指定直方图箱子的对齐方式，可以是 ‘left’、‘mid’、‘right’ 中的一个。density：如果为 True，则返回直方图的密度，即每个箱子的频率除以总频率。range：指定直方图的范围，即绘制的数据的范围。
Python绘图-5直方图
2202_75971130的博客
12-25 4212
学习各种直方图绘图。
【Python 实战基础】如何绘制直方图分析张三成绩数据
菜鸟实战的博客
07-08 1039
Python如何绘制直方图分析张三成绩数据 文件读写 基础语法 字符串处理 文件生成 数据构建
python画直方图成绩分析-python plotly绘制直方图实例详解
weixin_37988176的博客
11-01 618
计算数值出现的次数import cufflinks as cfcf.go_offline()import numpy as npimport pandas as pdset_slippage_avg_cost = [22.01, 20.98, 17.11, 9.06, 9.4, 3.65, 19.65, 7.01, 11.21, 10.3, 5.1, 23.98, 12.03, 8.13, 8.0...
python绘制直方图（成绩可视化），turtle绘图
weixin_51446993的博客
07-04 4032
1.成绩可视化，输入成绩，绘制直方图 lis_score=[] n=int(input("输入学生人数：")) while n<1: print("学生人数需大于1") n = int(input("输入学生人数：")) def check_score(score): if score >= 0 and score <= 100: return score else: print("分数未符合规范，请在1~100之间，确认后...
一文讲透Python数据分析可视化之直方图（柱状图）
m0_72274883的博客
01-06 5098
直方图（Histogram）又称柱状图，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。通过绘制直方图可以较为直观地传递有关数据的变化信息，使数据使用者能够较好地观察数据波动的状态，使数据决策者能够依据分析结果确定在什么地方需要集中力量改进工作。
在pycharm中绘制直方图，怎么改变直方图的宽度
最新发布
09-16
<think> 在PyCharm中使用Matplotlib绘制直方图时，调整直方图的宽度可以通过设置`plt.bar()`或`plt.hist()`函数的参数来实现。具体方法取决于你使用的是条形图（bar）还是直方图（hist）。这里我们主要讨论两种情况： 1. **使用`plt.bar()`绘制条形图（类似于直方图）**：此时可以通过`width`参数直接控制每个条形的宽度。 2. **使用`plt.hist()`绘制直方图**：此时可以通过`rwidth`参数（相对宽度）来控制条形的宽度。 ### 方法1：使用`plt.bar()`调整宽度（推荐用于类别数据） 如果你已经将数据分好类（即每个条形代表一个类别），那么使用`plt.bar()`更为合适，因为你可以直接设置每个条形的宽度。 ```python import matplotlib.pyplot as plt data = [82, 76, 24, 40, 67, 62, 75, 78, 71, 32] categories = range(len(data)) # 设置条形宽度，例如0.5（默认是0.8） bar_width = 0.5 plt.bar(categories, data, width=bar_width) plt.title('调整宽度的直方图（条形图）') plt.xlabel('类别') plt.ylabel('数值') plt.show() ``` **参数说明**： - `width`: 条形的宽度（以X轴单位计）。默认值为0.8。减小这个值会使条形变窄，增大则变宽。 ### 方法2：使用`plt.hist()`调整宽度（用于连续数据的分箱） 如果你正在绘制连续数据的频率分布（即直方图），则使用`plt.hist()`，并通过`rwidth`参数控制宽度。 ```python import matplotlib.pyplot as plt import numpy as np # 生成连续数据 data = np.random.randn(1000) # 设置直方图的相对宽度（0到1之间），默认是1 relative_width = 0.8 plt.hist(data, bins=30, rwidth=relative_width) plt.title('调整宽度的直方图') plt.xlabel('值') plt.ylabel('频率') plt.show() ``` **参数说明**： - `rwidth`: 条形的相对宽度（相对于分箱宽度的比例）。例如，如果分箱宽度是2，`rwidth=0.8`则条形宽度为1.6。设置为0.8意味着条形之间会有空隙。 ### 注意事项： 1. **`plt.bar()` vs `plt.hist()`**： - `plt.bar()`用于绘制类别数据的条形图（每个条形代表一个类别）。 - `plt.hist()`用于绘制连续数据的频率分布（自动分箱）。 2. **PyCharm中的显示**：确保在PyCharm中正确配置了Matplotlib的后端（通常会自动使用交互式后端）。如果图表没有显示，可以检查是否调用了`plt.show()`。 3. **宽度值的选择**： - 在`plt.bar()`中，`width`的值应小于1（特别是当类别较多时）以避免条形重叠。 - 在`plt.hist()`中，`rwidth`的值在0到1之间，设置为1表示条形之间没有空隙。 ### 示例：在同一个图中绘制多个直方图（调整宽度避免重叠） 当需要比较多个分布时，可能需要调整宽度以避免重叠： ```python import matplotlib.pyplot as plt import numpy as np data1 = np.random.normal(0, 1, 1000) data2 = np.random.normal(3, 1, 1000) # 设置分箱 bins = np.linspace(-5, 5, 30) # 绘制两个直方图，并调整宽度 plt.hist(data1, bins=bins, alpha=0.5, rwidth=0.8, label='Data 1') plt.hist(data2, bins=bins, alpha=0.5, rwidth=0.8, label='Data 2') plt.legend() plt.title('两个分布的直方图') plt.show() ``` 在这个例子中，`rwidth=0.8`使得每个条形宽度为分箱宽度的80%，这样两个直方图并置时不会完全重叠，同时通过`alpha`（透明度）参数使重叠部分可见。 --- §§相关问题§§: 1. 如何在Matplotlib中调整直方图的边缘颜色？ 2. 如何设置直方图的透明度（alpha）？ 3. 在绘制多个直方图时，如何避免重叠？ 4. 如何使用`plt.bar()`绘制水平条形图？ </think> 在 PyCharm 中使用 Matplotlib 绘制直方图时，调整直方图宽度的方法取决于你使用的是 `plt.hist()`（用于数值分布）还是 `plt.bar()`（用于分类数据）。以下是详细的解决方案： ### 解决方案：调整直方图宽度 #### 情况1：使用 `plt.hist()` 绘制数值分布直方图 当处理连续数值数据时，通常使用 `plt.hist()`。调整宽度需要使用 `rwidth` 参数： ```python import matplotlib.pyplot as plt import numpy as np # 生成示例数据 data = np.random.normal(170, 10, 250) # 平均身高170cm，标准差10 # 绘制直方图并调整宽度 (rwidth 范围: 0.0-1.0) plt.hist(data, bins=20, rwidth=0.7, color='skyblue', edgecolor='black') plt.title('身高分布 (rwidth=0.7)') plt.xlabel('身高 (cm)') plt.ylabel('频数') plt.show() ``` **关键参数说明**： - `rwidth`: 条形的相对宽度（默认1.0），取值范围0.0-1.0 - `bins`: 分箱数量，影响条的粗细（更多分箱 → 更细的条） - `edgecolor`: 条形边框颜色，使相邻条形更易区分 #### 情况2：使用 `plt.bar()` 绘制分类数据直方图 当处理分类数据时，使用 `plt.bar()` 并直接设置 `width` 参数： ```python import matplotlib.pyplot as plt # 分类数据示例 categories = ['A', 'B', 'C', 'D'] values = [23, 45, 56, 78] # 绘制直方图并指定宽度 (width 范围基于X轴刻度) plt.bar(categories, values, width=0.5, color='salmon', edgecolor='black') plt.title('分类数据直方图 (width=0.5)') plt.xlabel('类别') plt.ylabel('数值') plt.show() ``` **关键参数说明**： - `width`: 条形的绝对宽度（默认0.8），以X轴单位计 - 当X轴是分类数据时，宽度值通常设置在0.1-1.0之间 ### 高级技巧：动态调整宽度 #### 方法1：根据数据范围自动调整 ```python import matplotlib.pyplot as plt import numpy as np data = np.random.randn(1000) # 自动计算合适的宽度 bin_width = 0.5 # 自定义宽度因子 bins = np.arange(min(data), max(data) + bin_width, bin_width) plt.hist(data, bins=bins, rwidth=0.8) plt.title('动态宽度直方图') plt.show() ``` #### 方法2：分组直方图的宽度控制 ```python import numpy as np import matplotlib.pyplot as plt # 分组数据 data1 = np.random.normal(0, 1, 1000) data2 = np.random.normal(3, 1, 1000) plt.hist(data1, bins=30, alpha=0.5, rwidth=0.8, label='组1') plt.hist(data2, bins=30, alpha=0.5, rwidth=0.8, label='组2') plt.title('分组直方图') plt.legend() plt.show() ``` ### 注意事项： 1. **宽度类型区别**： - `plt.hist()` 使用相对宽度 `rwidth` (0.0-1.0) - `plt.bar()` 使用绝对宽度 `width` (基于X轴刻度) 2. **避免重叠**： - 当宽度设置过大时条形会重叠 - 解决方法：减小宽度或增加直方图间距 3. **PyCharm 显示优化**： ```python plt.figure(figsize=(10, 6)) # 调整整个图形大小 plt.tight_layout() # 自动调整子图参数 ``` 4. **宽度与分箱关系**： 更多分箱（bins） → 更细的条形 更少分箱 → 更宽的条形 ---
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值