python 绘图库Matplotlib-,matplotlib绘制函数图像

  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。

留言与评论(共有 条评论)
   
验证码: