python 绘图库Matplotlib-,matplotlib绘制函数图像
将绘制精美的图表作为数学编程语言(Mathematical Programming Language)导入
将matplotlib.pyplot输入为血小板计数
汇入数组为铭牌堆积柱状图def no1():
""选项卡
堆积柱状图
:返回:
""选项卡
例如,rcparams[ font。sans-serif ]=[ simhei ]
例如,rcparams[轴。unicode _ MINUS ]=false
x=[1、2、3、4、5]
y=[6,10,4,5,1]
y1=[2、6、3、8、5]
工厂酒吧(
x轴,
然后呢?
align=居中,
颜色= # 66c2-5 ,
tick_label=[
" a "
" b "
" c "
“d”,
是],
标签=班级(一)"
plt.bar(x,y1,align=center ,bottom=y,color= # 8 from 0 CB),
tick_label=[A , b , c , d ,
是,标签=班级(b)"
plt.xlabel(测试难度)
plt.ylabel(试卷份数)
plt .图例()
PLT。保存配置(r e:\ programmer \ python \ matplot lib实践\图\图(单位)
R3)\否1。png "
plt.show()堆积条形图def no2():
""选项卡
堆积条形图
:返回:
""选项卡
例如,rcparams[ font。sans-serif ]=[ simhei ]
例如,rcparams[轴。unicode _ MINUS ]=false
x=[1、2、3、4、5]
y=[6,10,4,5,1]
y1=[2、6、3、8、5]
plt.barh(
x轴,
然后呢?
align=居中,
颜色= # 66c2-5 ,
tick_label=[
" a "
" b "
" c "
“d”,
是],
标签=班级(一)"
plt.barh(x,y1,align=center ,left=y,color= # 8 from 0 CB),
tick_label=[A , b , c , d ,
是,标签=班级(b)"
plt.ylabel(测试难度)
plt.xlabel(试卷份数)
plt .图例()
PLT。保存配置(r e:\ programmer \ python \ matplot lib实践\图\图(单位)
r 3)\否。2 .png "
plt.show()多数据并列柱状图def no3():
""选项卡
多数据并列柱状图
:返回:
""选项卡
例如,rcparams[ font。sans-serif ]=[ simhei ]
例如,rcparams[轴。unicode _ MINUS ]=false
x=橙色NP(5)
y=[6,10,4,5,1]
y1=[2、6、3、8、5]
条形宽度=0.35
tick_label=[A , b , c , d , E]
plt.bar(x,y,bar_width,color=c ,align=center ,label=班级=0.5)
plt.bar(x bar_width,y1,bar_width,color=b ,align=center),
标签=班级b,=0.5)
plt.xlabel(测试难度)
plt.ylabel(试卷份数)
PLT。xts(x条形宽度//2,刻度标签)
plt .图例()
PLT。保存配置(r e:\ programmer \ python \ matplot lib实践\图\图(单位)
R3)\否3。png "
plt.show()多数据平行条形图def no4():
""选项卡
多数据平行条形图
:返回:
""选项卡
例如,rcparams[ font。sans-serif ]=[ simhei ]
例如,rcparams[轴。unicode _ MINUS ]=false
x=橙色NP(5)
y=[6,10,4,5,1]
y1=[2、6、3、8、5]
条形宽度=0.35
tick_label=[A , b , c , d , E]
plt.barh(
x轴,
然后呢?
酒吧_宽度,
颜色=c ,
align=居中,
标签=班级答:
阿尔法=0.5)
plt.barh(x bar_width,y1,bar_width,color=b ,align=center),
标签=班级b,=0.5)
plt.ylabel(测试难度)
plt.xlabel(试卷份数)
plt.yticks(x bar_width //2,tick_label)
plt .图例()
PLT。保存配置(r e:\ programmer \ python \ matplot lib实践\图\图(单位)
R3)\否4。png "
plt.show()堆积折线图def no5():
""选项卡
堆积折线图
:返回:
""选项卡
x=橙色NP(1,6,1)
y=[0,4,3,5,6]
y1=[1,3,4,2,7]
y2=[3,4,1,6,5]
标签=[蓝色星球,棕色星球,绿色星球]
colors=[# 8 from 0 CB, #fc8d62 , # 66c2-5 ]
plt.stackplot(x,y,y1,y2,标签=标签,颜色=颜色)
plt.legend(loc=左上")
PLT。保存配置(r e:\ programmer \ python \ matplot lib实践\图\图(单位)
R3)\否5。png "
plt.show()间断条形图def no6():
""选项卡
间断条形图
:返回:
""选项卡
例如,rcparams[ font。sans-serif ]=[ simhei ]
例如,rcparams[轴。unicode _ MINUS ]=false
#(60.90):从x个轴的数值为60的位置起,沿x个轴正方向移动90个单位。
#(10.8):从起点是然后呢轴的数值为10的位置起,沿然后呢轴正方向移动8个单位。
#面部颜色:每个柱面的填充颜色
PLT。broken _ bar([(30,100),(180,50),(260,70)],
(20,8),facecolors=#1f78b4 "
PLT。broken _ bar[(60,90),(190,20),(230,30),(280,60)],(10,8),
facecolors=(#7fc97f , #beaed4 , #fdc086 , #ffff99 ))
PLT。xlim(0.360)
PLT。伊利姆(5.35)
plt.xlabel(演出时间)
PLT。xts(NP。阿朗(0.361.60))
plt.yticks([15,25],[歌剧院一个,”歌剧院页:1
plt.grid(ls=-、lw=1、color=gray )"
plt.title(不同地区的歌剧院的演出时间比较)
plt .图例()
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图(单位
r3)\no6.png )
plt.show()阶梯图def no7():
阶梯图
:返回:
x=np.linspace(1,10,10)
y=np.sin(x)
#其中:默认参数是pre,表示x轴上的每个数据点对应的y轴上的数值向左侧绘制水平直线到x轴
# 上的此数据点的左侧相邻数据点为止,左开右闭数据点
#帖子
plt.step(x,y,color=#8dd3c7 ,其中=pre ,lw=2)
plt.xlim(0,11)
plt.xticks(np.arange(1,11,1))
plt.ylim(-1.2,1.2)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图(单位
r3)\no7.png )
plt.show()堆积直方图def no8():
堆积直方图
:返回:
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
scoreT1=np.random.randint(1,100,100)
scoreT2=np.random.randint(1,100,100)
x=[得分1,得分2]
colors=[#8dd3c7 , #bebada]
标签=[班级一个,班级B]
箱子=范围(0,101,10)
#堆叠设置为错误的得到并排直方图
#历史类型设置直方图形状(分步填充:阶梯图)
plt.hist(x,bins=bins,color=colors,histtype=bar ,rwidth=10,
堆叠=真,标签=标签)
plt.xlabel(测试成绩)
plt.ylabel(学生人数)
plt.title(不同班级的测试成绩的直方图)
plt.legend(loc=左上角)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图(单位
r3)\no8.png )
plt.show()饼图def no9():
饼图
:返回:
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
标签=A难度水平, B难度水平, C难度水平, D难度水平
学生=[0.35,0.15,0.20,0.30]
colors=[#377eb8 , #4daf4a , #984ea3 , #ff7f00]
分解=(0.1,0.1,0.1,0.1)
#学生:饼片代表的百分比
#爆炸:饼片边缘偏离半径的百分比
#标签:标记每份饼片的文本标签内容
#自动执行:饼片文本标签内容对应的数值百分比样式
#开始角度:从x轴作为其实位置,第一个饼片逆时针旋转的角度
#阴影:是否绘制饼片的阴影
#颜色:饼片的颜色
plt.pie(students,explode=explode,labels=labels,autopct=%3.1f%% ,
startangle=45,shadow=True,colors=colors)
plt.title(选择不同难度测试试卷的学生的百分比)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图(单位
r3)\no9.png )
plt.show()非分裂式饼图def no10():
非分裂式饼图
:返回:
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
标签=A难度水平, B难度水平, C难度水平, D难度水平
学生=[0.35,0.15,0.20,0.30]
colors=[#377eb8 , #4daf4a , #984ea3 , #ff7f00]
分解=(0.1,0.1,0.1,0.1)
plt.pie(students,labels=labels,autopct=%3.1f%% ,
开始角度=45,颜色=颜色,百分比距离=0.7,
labeldistance=1.2)
plt.title(选择不同难度测试试卷的学生的百分比)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图(单位
r3)\no10.png )
plt.show()内嵌环形饼图def no11():
内嵌环形饼图
:返回:
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
元素=[面粉, 砂糖, 奶油, 草莓酱, 坚果]
权重1=[40,15,20,10,15]
权重2=[30,25,15,20,10]
colormapList=[#e41a1c , #377eb8 , #4daf4a , #984ea3 , #ff7f00]
outer_colors=colormapList
inner_colors=colormapList
wedges1,texts1,autotexts1=plt.pie(weight1,
autopct=%3.1f%% ,
半径=1,
百分比距离=0.85,
颜色=外部颜色,
textprops=dict(color=w ),
wedgeprops=dict(宽度=0.3,
edgecolor=w ))
wedges2,texts2,autotexts2=plt.pie(weight2,
autopct=%3.1f%% ,
半径=0.7,
百分比距离=0.75,
颜色=内部颜色
textprops=dict(color=w ),
wedgeprops=dict(宽度=0.3,
edgecolor=w ))
plt.legend(wedges1,elements,fontsize=12,title=配料表,loc=中央偏左,
bbox_to_anchor=(0.91,0,0.3,1))
plt.setp(autotexts1,size=15,weight=bold )
plt.setp(autotexts2,size=15,weight=bold )
plt.setp(texts1,size=12)
plt.title(不同果酱面包配料比例表的比较)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图(单位
r3)\no11.png )
plt.show()多组定量数据的分布比较def no12():
多组定量数据的分布比较
:返回:
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
testA=np.random.randn(5000)
testB=np.random.randn(5000)
testList=[testA,testB]
标签=[随机数生成器AlphaRM ,随机数生成器BetaRM]
colors=[#1b9e77 , #d95f02]
whis=1.6
宽度=0.35
#测试列表绘制箱线图的输入数据
#小声点四分位间距的倍数,用来确定箱须包含数据的范围的大小
#宽度设置箱体的宽度
# sym离群值的标记样式
标签数量绘制每一个数据集的刻度标签
# patch_artisi是否给箱体添加颜色
bplot=plt.boxplot(testList,whis=whis,widths=width,sym=o ,
标签=标签,补丁_艺术家=真)
对于补丁,zip中的颜色(英国石油公司批次[方框],颜色):
patch.set_facecolor(颜色)
plt.ylabel(随机数值)
plt.title(生成器抗干扰能力的稳定性比较)
工厂网格(轴=y ,ls=:,lw=1,颜色=灰色=0.4)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图(单位
r3)\no12.png )
plt.show()水平方向的箱线图def no13():
水平方向的箱线图
:返回:
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
x=np.random.randn(1000)
plt.boxplot(x,vert=False)
plt.xlabel(随机数值)
plt.yticks([1],[随机数生成器AlphaRM],旋转=90 )
plt.title(随机数生成器抗干扰能力的稳定性)
工厂网格(轴=x ,ls=:,lw=1,颜色=灰色=0.4)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图(单位
r3)\no13.png )
plt.show()不绘制离群值的水平放置的箱线图def no14():
不绘制离群值的水平放置的箱线图
:返回:
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
x=np.random.randn(1000)
plt.boxplot(x,vert=False,showfliers=False)
plt.xlabel(随机数值)
plt.yticks([1],[随机数生成器AlphaRM],旋转=90 )
plt.title(随机数生成器抗干扰能力的稳定性)
工厂网格(轴=x ,ls=:,lw=1,颜色=灰色=0.4)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图(单位
r3)\no14.png )
plt.show()误差棒图def no15():
误差棒图
:返回:
x=np.linspace(0.1,0.6,10)
y=np.exp(x)
误差=0.05 0.15 * x
下限_错误=错误
上限误差=0.3 *误差
错误限制=[下限错误,上限错误]
# x,y数据点位置
# yerr:单一数值的非对称形式误差范围
# fmt:数据点的标记样式和数据点标记的连接线样式
# ecolor:误差棒的线条颜色
#电子宽度:误差棒的线条粗细
#毫秒:数据点的标记边缘颜色
# mfc:数据点的标记颜色
# mec:数据点的标记边缘颜色
# capthick:误差棒边界横杠的厚度
#翻船:误差棒边界横杠的大小
plt.errorbar(x,y,yerr=error_limit,fmt=:o ,
ecolor=y ,elinewidth=4,ms=5,
mfc=c ,mec=r ,capthick=1,over=2)
plt.xlim(0,0.7)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图(单位
r3)\no15.png )
plt.show()带误差棒的柱状图def no16():
带误差棒的柱状图
:返回:
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
x=np.arange(5)
y=[100,68,79,91,82]
std_err=[7,2,6,10,5]
error_attri=dict(elinewidth=2,ecolor=black ,over=3)
plt.bar(x,y
color=c ,
宽度=0.6,
align=居中,
yerr=std_err,
错误_千瓦=错误_属性,
tick_label=[园区1, 园区2, 园区3, 园区4, 园区5])
plt.xlabel(芒果种植区)
plt.ylabel(收割量)
plt.title(不同芒果种植区的单次收割量)
plt.grid(True,axis=y ,ls=:,color=gray ,alpha=0.2)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图(单位
r3)\no16.png )
plt.show()绘制带误差棒的条形图def no17():
绘制带误差棒的条形图
:返回:
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
x=np.arange(5)
y=[1200,2400,1800,2200,1600]
标准错误=[150,100,180,130,80]
条形宽度=0.6
colors=[#e41a1c , #377eb8 , #4daf4a , #984ea3 , #ff7f00]
plt.barh(x,y,
条形宽度,
颜色=颜色,
align=居中,
xerr=std_err,
tick_label=[家庭, 小说, 心理, 科技, 儿童])
plt.xlabel(订购数量)
plt.ylabel(图书种类)
plt.title(大型图书展销会的不同图书种类的采购情况)
plt.grid(True,axis=x ,ls=:,color=gray ,alpha=0.2)
(0.2600)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图(单位
r3)\no17.png )
plt.show()带误差棒的多数据并列柱状图def no18():
带误差棒的多数据并列柱状图
:返回:
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
x=np.arange(5)
y1=[100,68,79,91,82]
y2=[120,75,70,78,85]
std_err1=[7,2,6,10,5]
std_err2=[5,1,4,8,9]
error_attri=dict(elinewidth=2,ecolor=black ,over=3)
条形宽度=0.4
tick_label=[园区1, 园区2, 园区3, 园区4, 园区5]
工厂酒吧(x,y1,
条形宽度,
color=#87CEEB ,
align=居中,
yerr=std_err1,
错误_千瓦=错误_属性,
label=2010 )
plt.bar(x bar_width,y2,
条形宽度,
color=#CD5C5C ,
align=居中,
yerr=std_err2,
错误_千瓦=错误_属性,
label=2013 )
plt.xlabel(芒果种植区)
plt.ylabel(收割量)
plt.xticks(x bar_width //2,tick_label)
plt.title(不同年份芒果种植区的单次收割量)
plt.grid(True,axis=y ,ls=:,color=gray ,alpha=0.2)
plt。图例()
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图(单位
r3)\no18.png )
plt.show()带误差棒的堆积柱状图def no19():
带误差棒的堆积柱状图
:返回:
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
x=np.arange(5)
y1=[1200,2400,1800,2200,1600]
y2=[1050,2100,1300,1600,1340]
std_err1=[150,100,180,130,80]
std_err2=[120,110,170,150,120]
条形宽度=0.4
tick_label=[家庭, 小说, 心理, 科技, 儿童]
error_attri=dict(elinewidth=2,ecolor=black ,over=0)
工厂酒吧(
x,
y1,
条形宽度,
align=居中,
color=#6495ED ,
tick_label=地区1,
错误功率=错误属性)
工厂酒吧(
x,
y2,
条形宽度,
底部=y1,
align=居中,
color=#FFA500 ,
yerr=std_err2,
tick_label=地区2,
错误功率=错误属性)
plt.xlabel(图书种类)
plt.ylabel(订购数量)
plt.title(不同地区大型图书展销会图书采购情况)
plt.grid(True,axis=y ,ls=:,color=gray ,alpha=0.2)
plt.xticks(x,刻度标签)
plt。图例()
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图(单位
r3)\no19.png )
plt.show()本篇博文特别感谢刘大成的《Python数据可视化之matplotlib实践》
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。