python 绘图库Matplotlib,python图形库matplotlib

　　贺盛德贺盛德python(python语言)朱庇特朱庇特阿卜杜拉赫曼阿卜杜拉赫曼阿卜杜拉赫曼阿卜杜拉赫曼阿卜杜拉赫曼阿卜杜拉赫曼阿卜杜拉赫曼阿卜杜拉赫曼阿卜杜拉赫曼阿卜杜拉赫曼阿齐兹绘制精美的图表陈力宏，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不，不。云娥？云娥？云娥？云娥，吴亚玲？吴亚玲

年欧洲足球锦标赛~我爱你~你好酒吧()僧儿~我爱你~阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金阿金~我爱你~240;国荣（音似"音似"音似"音似"音似"音似"音似"音似"音似"音似"音似"音似"音似"音似"音似"音似"音似"音似"~我爱你~唉哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟阿云哥~我爱你~伊万诺维奇伊万诺维奇伊万诺维奇伊万诺维奇伊万诺维奇伊万诺维奇伊万诺维奇伊万诺维奇伊万诺维奇伊万诺维奇伊万诺维奇伊万诺维奇~我爱你~你好阴谋诡计范雎嘿嘿嘿~我爱你~你好Matplolib中绘制精美的图表是维安维安维安维安维安维安维安维安维安维安维安维安维安维安维安维安维安维安维安维安维安：339 matplotlib。组织/稳定/用户/索引。超文本标记语言

　　绘制精美的图表朱塞佩温塞克温塞克温塞克恩塞克恩塞克恩塞克恩塞克恩塞克恩塞克恩塞克恩塞克恩塞克恩塞克恩塞克恩塞克恩塞克，是朱庇特朱庇特，哎哎哎哎~我爱你~啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊啊~我爱你~阿贺盛瑞~我爱你~唉哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟~我爱你~阿云，阿云，阿云，阿云，阿云，阿云，阿云，阿云，阿云，阿云，阿云，阿云，阿云，阿云，阿云，阿云，阿云，阿云，阿云，阿云，阿云，阿云，阿云。

一、条形图bar()

年欧洲足球锦标赛

　　将matplotlib.pyplot输入为血小板计数

　　从matplotlib.font_manager汇入字体属性

　　font=font properties(fname=r c 3360 \ windows \ fonts \ simun。TTC)

　　#年#月#日鲁仲尼鲁仲尼

　　plt.style.use(ggplot ).

　　类=[3何如四号何如五号何如六号何如"]

　　类别索引=范围(len类)

　　打印(类别索引)

　　# [0、1、2、3]

　　学生数量=[66.55，45.70]

　　#年#月#日阿苏阿苏阿苏阿苏阿苏阿苏阿苏阿苏阿苏阿苏阿苏阿苏阿苏阿苏阿苏阿苏阿苏阿苏阿苏阿苏阿苏

　　图=plt .图()

　　# 1 1 1 1张伯伦医生一什么事一吴亚玲张亚玲一云娥；二，二，一张伯伦医生2什么事2哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟哟四张佳丽是谁(-什么)

　　ax1=图add_subplot(1，1，1)

　　ax1.bar(classes_index、student_amounts、align=center 、color=darkblue )

　　ax 1。xaxis。set _ ticks _ position(“底部”)

　　ax 1。亚克西斯。set _ ticks _ position( left ).

　　PLT。xts(类索引)，

　　教室里，

　　旋转=0,

　　fontsize=13，

　　fontproperties=font字体)

　　plt.xlabel(何如、fontproperties=font字体、fontsize=15)

　　plt.ylabel(老王、fontproperties=font字体、fontsize=15)

　　plt.title(何如-老王、fontproperties=font字体、fontsize=20)

　　#年#月#日云娥，bbox _ inches=紧唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔唔

　　# PLT。保存配置( classes _ students。 png ，dpi=400，bbox_inches=tight )"

　　plt.show()

二、直方图

年欧洲足球锦标赛

　　汇入数组为铭牌

　　将matplotlib.pyplot输入为血小板计数

　　从matplotlib.font_manager汇入字体属性

　　font=font properties(fname=r c 3360 \ windows \ fonts \ simun。TTC)

　　#年#月#日鲁仲尼鲁仲尼

　　plt.style.use(ggplot ).

　　mu1、mu2、西格玛=50、100、10

　　#年#月#日范仲淹不知道50我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊

　　x1=mu 1 sigma * NP。随机的。兰恩(10000)

　　列印(x1)

　　#[59.008559 43.162721141 48.7710974-我.57.94645859 54.703312714

　　# 58.94125528]

　　#年#月#日范仲淹不知道100我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊！我的天啊

　　x2=mu 2 sigma * NP。随机的。兰恩(10000)

　　列印(x2)

　　#[115.1991 5511 82.09208214 110.8892454-我.95 08723103 104 21549068

　　# 133.360251]

　　图=plt .图()

　　ax1=图add_subplo

　　t(121)

　　# bins=50表示每个变量的值分成50份，即会有50根柱子

　　ax1.hist(x1, bins=50, color=darkgreen)

　　ax2 = fig.add_subplot(122)

　　ax2.hist(x2, bins=50, color=orange)

　　fig.suptitle(两个正态分布, fontproperties=font, fontweight=bold, fontsize=15)

　　ax1.set_title(绿色的正态分布, fontproperties=font)

　　ax2.set_title(橙色的正态分布, fontproperties=font)

　　plt.show()

三、折线图

import numpy as np
　　from numpy.random import randn
　　import matplotlib.pyplot as plt
　　from matplotlib.font_manager import FontProperties
　　font = FontProperties(fname=rc:\windows\fonts\simsun.ttc)
　　# 修改背景为条纹
　　plt.style.use(ggplot)
　　np.random.seed(1)
　　# 使用numpy的累加和，保证数据取值范围不会在（0，1）内波动
　　plot_data1 = randn(40).cumsum()
　　print(plot_data1)
　　# [ 1.62434536 1.01258895 0.4844172 -0.58855142 0.2768562 -2.02468249
　　# -0.27987073 -1.04107763 -0.72203853 -0.97140891 0.49069903 -1.56944168
　　# -1.89185888 -2.27591324 -1.1421438 -2.24203506 -2.41446327 -3.29232169
　　# -3.25010794 -2.66729273 -3.76791191 -2.6231882 -1.72159748 -1.21910314
　　# -0.31824719 -1.00197505 -1.12486527 -2.06063471 -2.32852279 -1.79816732
　　# -2.48982807 -2.8865816 -3.5737543 -4.41895994 -5.09020607 -5.10287067
　　# -6.22018102 -5.98576532 -4.32596314 -3.58391898]
　　plot_data2 = randn(40).cumsum()
　　plot_data3 = randn(40).cumsum()
　　plot_data4 = randn(40).cumsum()
　　plt.plot(plot_data1, marker=o, color=red, linestyle=-, label=红实线)
　　plt.plot(plot_data2, marker=x, color=orange, linestyle=--, label=橙虚线)
　　plt.plot(plot_data3, marker=*, color=yellow, linestyle=-., label=黄点线)
　　plt.plot(plot_data4, marker=s, color=green, linestyle=:, label=绿点图)
　　# loc=best给label自动选择最好的位置
　　plt.legend(loc=best, prop=font)
　　plt.show()

四、散点图+直线图

import numpy as np
　　from numpy.random import randn
　　import matplotlib.pyplot as plt
　　from matplotlib.font_manager import FontProperties
　　font = FontProperties(fname=rc:\windows\fonts\simsun.ttc)
　　# 修改背景为条纹
　　plt.style.use(ggplot)
　　x = np.arange(1, 20, 1)
　　print(x)
　　# [ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]
　　# 拟合一条水平散点线
　　np.random.seed(1)
　　y_linear = x + 10 * np.random.randn(19)
　　# print(y_linear)
　　# [ 17.24345364 -4.11756414 -2.28171752 -6.72968622 13.65407629
　　# -17.01538697 24.44811764 0.38793099 12.19039096 7.50629625
　　# 25.62107937 -8.60140709 9.77582796 10.15945645 26.33769442
　　# 5.00108733 15.27571792 9.22141582 19.42213747]
　　# 拟合一条x²的散点线
　　y_quad = x**2 + 10 * np.random.randn(19)
　　print(y_quad)
　　# [ 6.82815214 -7.00619177 20.4472371 25.01590721 30.02494339
　　# 45.00855949 42.16272141 62.77109774 71.64230566 97.3211192
　　# 126.30355467 137.08339248 165.03246473 189.128273 216.54794359
　　# 249.28753869 288.87335401 312.82689651 363.34415698]
　　# s是散点大小
　　fig = plt.figure()
　　ax1 = fig.add_subplot(121)
　　plt.scatter(x, y_linear, s=30, color=r, label=蓝点)
　　plt.scatter(x, y_quad, s=100, color=b, label=红点)
　　ax2 = fig.add_subplot(122)
　　plt.plot(x, y_linear, color=r)
　　plt.plot(x, y_quad, color=b)
　　# 限制x轴和y轴的范围取值
　　plt.xlim(min(x) - 1, max(x) + 1)
　　plt.ylim(min(y_quad) - 10, max(y_quad) + 10)
　　fig.suptitle(散点图+直线图, fontproperties=font, fontsize=20)
　　ax1.set_title(散点图, fontproperties=font)
　　ax1.legend(prop=font)
　　ax2.set_title(直线图, fontproperties=font)
　　plt.show()

五、饼图

import numpy as np
　　import matplotlib.pyplot as plt
　　from pylab import mpl
　　from matplotlib.font_manager import FontProperties
　　font = FontProperties(fname=rc:\windows\fonts\simsun.ttc)
　　mpl.rcParams[font.sans-serif] = [SimHei]
　　fig, ax = plt.subplots(subplot_kw=dict(aspect="equal"))
　　recipe = [优, 良, 轻度污染, 中度污染, 重度污染, 严重污染, 缺]
　　data = [2, 49, 21, 9, 11, 6, 2]
　　colors = [lime, yellow, darkorange, red, purple, maroon, grey]
　　wedges, texts, texts2 = ax.pie(data,
　　 wedgeprops=dict(width=0.5),
　　 startangle=40,
　　 colors=colors,
　　 autopct=%1.0f%%,
　　 pctdistance=0.8)
　　plt.setp(texts2, size=14, weight="bold")
　　bbox_props = dict(boxstyle="square,pad=0.3", fc="w", ec="k", lw=0.72)
　　kw = dict(xycoords=data,
　　 textcoords=data,
　　 arrowprops=dict(arrowstyle="->"),
　　 bbox=None,
　　 zorder=0,
　　 va="center")
　　for i, p in enumerate(wedges):
　　 ang = (p.theta2 - p.theta1) / 2. + p.theta1
　　 y = np.sin(np.deg2rad(ang))
　　 x = np.cos(np.deg2rad(ang))
　　 horizontalalignment = {-1: "right", 1: "left"}[int(np.sign(x))]
　　 connectionstyle = "angle,angleA=0,angleB={}".format(ang)
　　 kw["arrowprops"].update({"connectionstyle": connectionstyle})
　　 ax.annotate(recipe[i],
　　 xy=(x, y),
　　 xytext=(1.25 * np.sign(x), 1.3 * y),
　　 size=16,
　　 horizontalalignment=horizontalalignment,
　　 fontproperties=font,
　　 **kw)
　　ax.set_title("饼图示例", fontproperties=font)
　　plt.show()
　　# plt.savefig(jiaopie2.png)

六、箱型图

　　箱型图：又称为盒须图、盒式图、盒状图或箱线图，是一种用作显示一组数据分散情况资料的统计图（在数据分析中常用在异常值检测）

　　包含一组数据的：最大值、最小值、中位数、上四分位数（Q3）、下四分位数（Q1）、异常值

中位数 →一组数据平均分成两份，中间的数
上四分位数Q1 →是将序列平均分成四份，计算(n+1)/4与(n-1)/4两种，一般使用(n+1)/4
下四分位数Q3 →是将序列平均分成四份，计算(1+n)/4*3=6.75
内限 →T形的盒须就是内限，最大值区间Q3+1.5IQR,最小值区间Q1-1.5IQR （IQR=Q3-Q1）
外限 →T形的盒须就是内限，最大值区间Q3+3IQR,最小值区间Q1-3IQR （IQR=Q3-Q1）
异常值 →内限之外 - 中度异常，外限之外 - 极度异常

import numpy as np
　　import matplotlib.pyplot as plt
　　import pandas as pd
　　from matplotlib.font_manager import FontProperties
　　font = FontProperties(fname=rc:\windows\fonts\simsun.ttc)
　　df = pd.DataFrame(np.random.rand(10, 5), columns=[A, B, C, D, E])
　　plt.figure(figsize=(10, 4))
　　# 创建图表、数据
　　f = df.boxplot(
　　 sym=o, # 异常点形状，参考marker
　　 vert=True, # 是否垂直
　　 whis=1.5, # IQR，默认1.5，也可以设置区间比如[5,95]，代表强制上下边缘为数据95%和5%位置
　　 patch_artist=True, # 上下四分位框内是否填充，True为填充
　　 meanline=False,
　　 showmeans=True, # 是否有均值线及其形状
　　 showbox=True, # 是否显示箱线
　　 showcaps=True, # 是否显示边缘线
　　 showfliers=True, # 是否显示异常值
　　 notch=False, # 中间箱体是否缺口
　　 return_type=dict # 返回类型为字典
　　)
　　plt.title(boxplot)
　　for box in f[boxes]:
　　 box.set(color=b, linewidth=1) # 箱体边框颜色
　　 box.set(facecolor=b, alpha=0.5) # 箱体内部填充颜色
　　for whisker in f[whiskers]:
　　 whisker.set(color=k, linewidth=0.5, linestyle=-)
　　for cap in f[caps]:
　　 cap.set(color=gray, linewidth=2)
　　for median in f[medians]:
　　 median.set(color=DarkBlue, linewidth=2)
　　for flier in f[fliers]:
　　 flier.set(marker=o, color=y, alpha=0.5)
　　# boxes, 箱线
　　# medians, 中位值的横线,
　　# whiskers, 从box到error bar之间的竖线.
　　# fliers, 异常值
　　# caps, error bar横线
　　# means, 均值的横线
　　plt.show()

七、plot函数参数

线型linestyle（-,-.,--,..）
点型marker（v,^,s,*,H,+,x,D,o,…）
颜色color（b,g,r,y,k,w,…）

八、图像标注参数

设置图像标题：plt.title()
设置x轴名称：plt.xlabel()
设置y轴名称：plt.ylabel()
设置X轴范围：plt.xlim()
设置Y轴范围：plt.ylim()
设置X轴刻度：plt.xticks()
设置Y轴刻度：plt.yticks()
设置曲线图例：plt.legend()

九、Matplolib应用

import pandas as pd
　　import matplotlib.pyplot as plt
　　from matplotlib.font_manager import FontProperties
　　font = FontProperties(fname=rc:\windows\fonts\simsun.ttc)
　　header_list = [方程组, 函数, 导数, 微积分, 线性代数, 概率论, 统计学]
　　py3_df = pd.read_excel(py3.xlsx, header=None, skiprows=[0, 1], names=header_list)
　　# 处理带有NaN的行
　　py3_df = py3_df.dropna(axis=0) #
　　print(py3_df)
　　# 自定义映射
　　map_dict = {
　　 不会: 0,
　　 了解: 1,
　　 熟悉: 2,
　　 使用过: 3,
　　}
　　for header in header_list:
　　 py3_df[header] = py3_df[header].map(map_dict)
　　unable_series = (py3_df == 0).sum(axis=0)
　　know_series = (py3_df == 1).sum(axis=0)
　　familiar_series = (py3_df == 2).sum(axis=0)
　　use_series = (py3_df == 3).sum(axis=0)
　　unable_label = 不会
　　know_label = 了解
　　familiar_label = 熟悉
　　use_label = 使用过
　　for i in range(len(header_list)):
　　 bottom = 0
　　 # 描绘不会的条形图
　　 plt.bar(x=header_list[i], height=unable_series[i], width=0.60, color=r, label=unable_label)
　　 if unable_series[i] != 0:
　　 plt.text(header_list[i], bottom, s=unable_series[i], ha=center, va=bottom, fontsize=15, color=white)
　　 bottom += unable_series[i]
　　 # 描绘了解的条形图
　　 plt.bar(x=header_list[i], height=know_series[i], width=0.60, color=y, bottom=bottom, label=know_label)
　　 if know_series[i] != 0:
　　 plt.text(header_list[i], bottom, s=know_series[i], ha=center, va=bottom, fontsize=15, color=white)
　　 bottom += know_series[i]
　　 # 描绘熟悉的条形图
　　 plt.bar(x=header_list[i], height=familiar_series[i], width=0.60, color=g, bottom=bottom, label=familiar_label)
　　 if familiar_series[i] != 0:
　　 plt.text(header_list[i], bottom, s=familiar_series[i], ha=center, va=bottom, fontsize=15, color=white)
　　 bottom += familiar_series[i]
　　 # 描绘使用过的条形图
　　 plt.bar(x=header_list[i], height=use_series[i], width=0.60, color=b, bottom=bottom, label=use_label)
　　 if use_series[i] != 0:
　　 plt.text(header_list[i], bottom, s=use_series[i], ha=center, va=bottom, fontsize=15, color=white)
　　 unable_label = know_label = familiar_label = use_label = 
　　plt.xticks(header_list, fontproperties=font)
　　plt.ylabel(人数, fontproperties=font)
　　plt.title(Python3期数学摸底可视化, fontproperties=font)
　　plt.legend(prop=font, loc=upper left)
　　plt.show()

方程组函数导数微积分线性代数概率论统计学

　　0 使用过使用过不会不会不会不会不会

　　1 使用过使用过了解不会不会不会不会

　　2 使用过使用过熟悉不会不会不会不会

　　3 熟悉熟悉熟悉了解了解了解了解

　　4 使用过使用过使用过使用过使用过使用过使用过

　　5 使用过使用过使用过不会不会不会了解

　　6 熟悉熟悉熟悉熟悉熟悉熟悉不会

　　7 使用过使用过使用过使用过使用过使用过使用过

　　8 熟悉熟悉熟悉熟悉熟悉使用过使用过

　　9 熟悉熟悉使用过不会使用过使用过不会

　　10 使用过使用过熟悉熟悉熟悉熟悉熟悉

　　11 使用过使用过使用过使用过使用过不会不会

　　12 使用过使用过使用过使用过使用过使用过使用过

　　13 使用过使用过了解不会不会不会不会

　　14 使用过使用过使用过使用过使用过不会不会

　　15 使用过使用过熟悉不会不会不会不会

　　16 熟悉熟悉使用过使用过使用过不会不会

　　17 使用过使用过使用过了解不会不会不会

　　18 使用过使用过使用过使用过熟悉熟悉熟悉

　　19 使用过使用过使用过了解不会不会不会

　　20 使用过使用过使用过使用过使用过使用过使用过

　　21 使用过使用过使用过使用过使用过使用过使用过

　　22 使用过很了解熟悉了解一点，不会运用了解一点，不会运用了解不会

　　23 使用过使用过使用过使用过熟悉使用过熟悉

　　24 熟悉熟悉熟悉使用过不会不会不会

　　25 使用过使用过使用过使用过使用过使用过使用过

　　26 使用过使用过使用过使用过使用过不会不会

　　27 使用过使用过不会不会不会不会不会

　　28 使用过使用过使用过使用过使用过使用过了解

　　29 使用过使用过使用过使用过使用过了解不会

　　30 使用过使用过使用过使用过使用过不会不会

　　31 使用过使用过使用过使用过不会使用过使用过

　　32 熟悉熟悉使用过使用过使用过不会不会

　　33 使用过使用过使用过使用过熟悉使用过熟悉

　　34 熟悉熟悉熟悉使用过使用过熟悉不会

　　35 使用过使用过使用过使用过使用过使用过使用过

　　36 使用过使用过使用过使用过使用过使用过了解

　　37 使用过使用过使用过使用过使用过不会不会

　　38 使用过使用过使用过不会不会不会不会

　　39 使用过使用过不会不会不会不会不会

　　40 使用过使用过使用过使用过使用过不会不会

　　41 使用过使用过熟悉了解了解了解不会

　　42 使用过使用过使用过不会不会不会不会

　　43 熟悉使用过了解了解不会不会不会

　　到此这篇关于Python中数据可视化matplotlib与绘图库模块的文章就介绍到这了。希望对大家的学习有所帮助，也希望大家多多支持盛行IT软件开发工作室。

郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。