matplotlib.pyplot画折线图,pythonmatplotlib折线图

　　Plotlib绘制直方图、折线图、饼图、散点图、误差图和堆积直方图。首先导入matplotlib绘图函数。

　　将matplotlib.pyplot作为plt导入首先在python中导入我们的excel数据：

　　接下来，我们进入正题：

　　1.直方图以上表为例。我们以姓名为横坐标，工资为纵坐标，画一个直方图：

　　代码如下：

　　将熊猫导入为pd #导入熊猫库将matplotlib.pyplot导入为plt #导入图形库excel_file=。/try.xlsx #导入excel数据data=PD . Read _ excel(excel _ file)#读入数据 histogram PLT . RC params[ font . sans-serif ]=[ simhei ]#可以显示中文PLT.figure (figure size=(10，6)) #绘图时，可以设置自己的尺寸plt.ylabel (salary(元))#设置纵横坐标名称PLT . xlabel( name )x=data[ name ]#导入

　　2.散点图散点图 PLT . RC params[ font . sans-serif ]=[ sim hei ]#可以显示中文FIG=PLT.subplots (FIG size=(10，6)) x=np.array (data [name )

　　3.折线图知道条形图之后的折线图都差不多：

　　代码如下：

　　折线图导入pandas as pd #导入pandas库导入matplotlib.pyplot as plt #导入绘图库excel_file=。/try . xlsx # Import excel data=PD . Read _ excel(excel _ file)# Read in data PLT . RC params[ font . sans-serif ]=[ sim hei ]#可以显示中文PLT . fig(figsize=(10，6)) #绘图，可以设置plt.plot的大小(data[ name ]，data[ salary]，)。Label=线的名称，marker= s )# marker polyline shape PLT . legend()# Display legend，这里指的是显示线的名称 label= PLT . y label( salary(yuan))PLT . show()# Display效果图比较简单，就不显示了。

　　4.饼状图4.1普通饼状图(显示比例)显示各部门的经济规模图：

　　方法有很多。我的办法是先算出各个部门的工资总额，然后画个图。

　　绘图的关键是函数plt.pie()

　　饼图导入pandas为pd #导入pandas库导入matplotlib.pyplot为plt #导入绘图库excel_file=。/try . xlsx # Import excel data=PD . Read _ excel(excel _ file)# Read in data PLT . RC params[ font . sans-serif ]=[ sim hei ]#可以显示中文PLT . fig size=(8，6)) #绘图，可以设置bumenshuju={department: [a ， B ， c . Department Salary :[sum(data.loc[data[ Department ]= a ， salary ])、sum(data . loc[data图例( a b c) PLT。Title(部门工资分配)plt.axis(equal)plt.show()效果图：

　　4.2能显示具体数值的饼状图稍微难一点。

　　代码显示：

　　高级饼图导入熊猫为pd #导入熊猫库导入Numpy为NP导入matplotlib.py plot为PLT Excel _ file=。/try.xlsx #导入excel数据data=PD . Read _ excel(excel _ file)#读入数据PLT . RC params[ font . sans-serif ]=[ sim hei ]#中文figure，ax=plt.subplots (figure size=(8，6)，Plot _ KW=dict(aspect= equal )#画布基本设置bumenshuju={ A department :sum(data . loc[data[ department ]= A ， salary )，#建立各部门工资字典salary ]} data _ 1=[bumenshuju . keys中I的bumenshuju[I]]#即总工资指数=[bumenshuju . keys中I的I()]# department def func(PCT，Allvals): #返回一串字符absolute=int (PCT/100。 * NP。SUM (allVals))返回“{:1f}% \ n ({:d}元)”。format (PCT，absolute)wedgets，text，Auto Texts=ax.pie (data _ 1，auto PCT=Lambda PCT: func (PCT，data _ 1)，text props=dict(color= w )#设置饼状图的东西ax.legend(wedges，index，#设置图例，可以设置title= department ，loc= center left ，bbox _ to _ anchor=(1，0，0.5，1)) ax.set _ title(薪资比例和各部门具体薪资总额)# title plt .

　　5.散点图直接编码，使用相同的形式。

　　散点图 PLT . RC params[ font . sans-serif ]=[ sim hei ]#可以显示中文FIG=PLT.subplots (FIG size=(10，6)) x=np.array (data [name]) y=

　　6.错误图表代码如下：

　　绘制误差条形图 PLT . RC params[ font . sans-serif ]=[ sim hei ]#中文error=[]for I in range(len(data[ salary ])可以显示：#只有找出误差才能迭代范围，这里可以看出误差是与平均工资的差，a=data[ salary ][I]-NP . sum(data[ salary ])/len(data[ salary ])error . append(a)y=data

　　7.堆积直方图其实很简单，注意以什么为底画就好，理解性画图

　　恶意的话不多，直接上图。

　　以下是来源数据

　　博主最近在一家服装公司实习，每个月都要观察各个品类的直观变化。

　　上部代码：

　　将熊猫导入为pd #导入熊猫库将matplotlib.pyplot导入为plt #导入图形库excel_file=。/stacked histogram . xlsx data=PD . read _ excel(excel _ file，Index_col=服装类型) stacked histogram PLT。RC params[ font . sans-serif ]=[ sim hei ]# Chinese D1=data[ T-shirt ]D2=data[ dress ]D3=data[ suit ]可以显示。D5=数据[内衣]d6=数据[丝巾] FIG，AXS=PLT.subplots (1，1，FIG size=(14，7)) #随便画一张图AXS.bar (data.index，D1，width=0.4，label=)画d1axs.bar (data.index，D2，width=0.4，bottom=d1，label= suit) #画d2axs.bar (data.index，D3，width=0.4，bottom=d2d1，label= suit )#用D5，width=0.4，bottom=d4d3d2d1，Label=内衣)axs.bar (data.index，d6，width=0.4，bottom=D5D4 D3 D2 D1，label=丝巾)axs.set _ ylim (0，12000)# axs . set _ xticklabels(data . index，Rotation=90) axs.legend (loc=左上，shadow=true) PLT.show () #画出来最后一张就是上图！

　　帅气的堆叠直方图就来了，下一次更新会讲解如何加值。

　　接下来还有matplotlib绘制的各种图形，会主动更新。建议收藏。

　　历史提交的图片或压缩文件

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。