Matplotlib绘制折线图、散点图、柱状图、直方图、饼图代码

news2024/11/26 2:53:47

一、折线图

以折线的上升或下降来表示统计数量的增减变化的统计图

特点：能够显示数据的变化趋势，反映事物的变化情况(变化)
函数：plt.plot(x, y)

import matplotlib.pyplot as plt
import random

from pylab import mpl
mpl.rcParams["font.sans-serif"] = ["SimHei"]   # 设置显示中文字体
mpl.rcParams["axes.unicode_minus"] = False   # 设置正常显示符号

# 数据准备
x = range(24)   
y = [random.uniform(13, 20) for i in x]   # random.uniform()：随机生成13-20范围内的浮点数

plt.figure(figsize=(10, 5), dpi=80)   # 创建画布
plt.plot(x, y, color='y', linestyle='-',label='樟树')   # 绘制折线图

x_ticks_label = ["{}:00".format(i) for i in x]   # 构建x轴刻度标签
y_ticks = range(40)   # 构建y轴刻度

# 修改x,y轴坐标的刻度显示
plt.xticks(x[::2], x_ticks_label[::2])
plt.yticks(y_ticks[10:20:1])

plt.grid(True, linestyle='-', alpha=0.9)   # 添加网格
plt.legend(loc=0)   # 显示图例

# 描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("24小时内温度变化图", fontsize=18)

plt.savefig("./plot.jpg")  # 保存至指定位置
plt.show()  # 显示图像

结果如下

二、散点图

用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式

特点：判断变量之间是否存在数量关联趋势，展示离群点(分布规律)
函数：plt.scatter(x, y)

import matplotlib.pyplot as plt
import random

# 数据准备
x = range(100)   
y = [random.uniform(13, 20) for i in x]   # random.uniform()：随机生成13-20范围内的浮点数

plt.figure(figsize=(10, 5), dpi=80)   # 创建画布
plt.scatter(x, y, color='r', linestyle='-',label='樟树')   # 绘制折线图

x_ticks_label = ["{}天".format(i) for i in x]   # 构建x轴刻度标签
y_ticks = range(25)   # 构建y轴刻度

# 修改x,y轴坐标的刻度显示
plt.xticks(x[::10], x_ticks_label[::10])
plt.yticks(y_ticks[10:22:2])

plt.grid(True, linestyle='-', alpha=0.9)   # 添加网格
plt.legend(loc=0)   # 显示图例

# 描述信息
plt.xlabel("时间/天")
plt.ylabel("温度")
plt.title("24小时内温度变化图", fontsize=18)

plt.savefig("./scatter.jpg")  # 保存至指定位置
plt.show()  # 显示图像

结果如下

三、柱状图

排列在工作表的列或行中的数据可以绘制到柱状图中

特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别(统计/对比)
函数：plt.bar(x, width, align='center', **kwargs)
- x：需要传递的数据
- width：柱状图的宽度
- align：每个柱状图的位置对齐方式
- **kwargs
  - color：选择柱状图的颜色

import matplotlib.pyplot as plt
import random

# 数据准备
x = range(0,10)   
y = [random.randint(35, 45) for i in x]   # random.uniform()：随机生成13-20范围内的浮点数

plt.figure(figsize=(10, 5), dpi=80)   # 创建画布
plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g'])   # 绘制折线图

x_ticks_label = ["21{}班".format(i) for i in x]   # 构建x轴刻度标签
y_ticks = range(55)   # 构建y轴刻度

# 修改x,y轴坐标的刻度显示
plt.xticks(x[::1], x_ticks_label[::1])
plt.yticks(y_ticks[0:55:5])

plt.grid(True, linestyle=':', alpha=0.3)   # 添加网格

# 描述信息
plt.xlabel("班级")
plt.ylabel("人数")
plt.title("2021级各班人数柱状图", fontsize=18)

plt.savefig("./bar.jpg")  # 保存至指定位置
plt.show()  # 显示图像

结果如下

四、直方图

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范围，纵轴表示分布情况

特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)
函数：matplotlib.pyplot.hist(x, bins=None)
- x：需要传递的数据
- bins：组距

import matplotlib.pyplot as plt
import numpy as np

plt.style.use('_mpl-gallery')

# 生成数据
np.random.seed(1)   # 随机数种子，用于生成随机数
x = 4 + np.random.normal(0, 1.5, 200) 
# numpy.random.normal(loc=0.0, scale=1.0, size=None)  为一个正态分布
# loc(float)：均值，对应着这个分布的中心。loc=0说明这一个以y轴为对称轴的正态分布
# scale(float)：标准差，对应分布的宽度，scale越大越矮胖，scale越小，越瘦高
# size(int 或者整数元组)：输出的值赋在shape里，默认为None

# plot:
fig, ax = plt.subplots()

ax.hist(x, bins=8, linewidth=0.5, edgecolor="white")

ax.set(xlim=(0, 10), xticks=np.arange(1, 10),
       ylim=(0, 56), yticks=np.linspace(0, 56, 9)) # 9个，包含0，间隔为7，7×8=56，即[0,7,14,21,28,35,42,49,56]
# np.arange()：返回一个有终点和起点的固定步长的排列
# np.linspace(start, stop, num):用来创建等差数列，num为个数

plt.show()

结果如下

五、饼图

用于表示不同分类的占比情况，通过弧度大小来对比各种分类

特点：分类数据的占比情况(占比)
plt.pie(x, labels=,autopct=,colors)
- x：数量，自动算百分比
- labels：每部分名称
- autopct：占比显示指定%1.2f%%
- colors：每部分颜色
- startangle：开始绘制的角度
- shadow=True：阴影

import matplotlib.pyplot as plt

# 饼图，其中切片将按逆时针顺序排序和绘制：
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 20]
explode = (0, 0.1, 0, 0)  # 仅分解第二个切片,间距为0.1

fig1, ax1 = plt.subplots()
ax1.pie(sizes, explode=explode, labels=labels, autopct='%1.3f%%',colors=['r','y','c','g'], 
        shadow=True, startangle=90)
ax1.axis('equal')  # 等长宽比确保饼被画成圆

plt.show()

结果如下