使用统计函数绘制简单图形

1.函数bar()–用于绘制柱状图

函数功能： 在x轴上绘制定性数据的分布特征
调用签名： plt.bar(x, y)
参数说明：

• x: 标示在x轴上的定性数据的类别
• y: 每种定性数据的类别的数量

# -*- coding: utf-8 -*-

import matplotlib as mpl
import matplotlib.pyplot as plt

mpl.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题

# 生成数据
x = [1, 2, 3, 4, 5, 6, 7, 8]
y = [3, 1, 4, 5, 8, 9, 7, 2]

# 绘制柱状图
plt.bar(x, y, color='c', align='center', tick_label=['q', 'a', 'c', 'e', 'r', 'j', 'b', 'p'], hatch='/')

# 添加标题
plt.title('bar chart')

# 添加坐标轴标签
plt.xlabel('category')
plt.ylabel('weight(kg)')

plt.show()

2.函数barh()–用于绘制条形图

函数功能： 在y轴上绘制定性数据的分布特征
调用签名： plt.barh(x, y)
参数说明：

• x: 标示在y轴上的定性数据的类别
• y: 每种定性数据的类别的数量

# -*- coding: utf-8 -*-

import matplotlib as mpl
import matplotlib.pyplot as plt

mpl.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题

# 生成数据
x = [1, 2, 3, 4, 5, 6, 7, 8]
y = [3, 1, 4, 5, 8, 9, 7, 2]

# 绘制条形图
plt.barh(x, y, color='c', align='center', tick_label=['q', 'a', 'c', 'e', 'r', 'j', 'b', 'p'], hatch='/')

# 添加标题
plt.title('bar chart')

# 添加坐标轴标签
plt.xlabel('category')
plt.ylabel('weight(kg)')

plt.show()

3.函数hist()–用于绘制条形图

函数功能： 在x轴上绘制定量数据的分布特征
调用签名： plt.hist(x)
参数说明：

• x: 在x轴上绘制箱体的定量数据输入值

# -*- coding: utf-8 -*-

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

mpl.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题

# 生成数据
boxWeight = np.random.randint(0, 10, 100)

x = boxWeight

# 绘制直方图
bins = range(0, 11, 1)

plt.hist(x, bins=bins, color='g', histtype='bar', rwidth=1, alpha=0.6)

# 添加标题
plt.title('hist chart')

# 添加坐标轴标签
plt.xlabel('weight(kg)')
plt.ylabel('sell count')

plt.show()

4.函数pie()–用于绘制饼图

函数功能： 绘制定性数据的不同类别的百分比
调用签名： plt.pie(x)
参数说明：

• x: 定性数据的不同类别的百分比

# -*- coding: utf-8 -*-

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np

mpl.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题

kinds = 'simple', 'worm', 'sawtooth', 'mixture'

colors = ['#e41a1c', '#377eb8', '#4daf4a', '#984ea3']

soldNums = [0.05, 0.45, 0.15, 0.35]

# 画饼图
plt.pie(soldNums, labels=kinds, autopct='%3.1f%%', startangle=60, colors=colors)

# 设置标题
plt.title('pie chart')

# 显示图形
plt.show()

5.函数polar()–用于绘制极线图

函数功能： 在极坐标轴上绘制折线图
调用签名： plt.polar(theta, r)
参数说明：

• theta: 每个标记所在射线与极径的夹角
• r: 每个标记到原点的距离

import matplotlib.pyplot as plt
import numpy as np

barSlices = 12

theta = np.linspace(0.0, 2 * np.pi, barSlices, endpoint=False)
r = 30 * np.random.rand(barSlices)

plt.polar(theta, r,
          color='chartreuse',
          linewidth=2,
          marker='*',
          mfc='b',
          ms=10)

plt.show()

6.函数scatter()–用于绘制气泡图

函数功能： 二维数据借助气泡大小展示三维数据
调用签名： plt.scatter(x, y)
参数说明：

• x: x轴上的数值
• y: y轴上的数值
• s: 散点标记的大小
• c: 散点标记的颜色
• cmap: 将浮点数映射成颜色的颜色映射表

import matplotlib.pyplot as plt
import matplotlib as mpl
import numpy as np

a = np.random.randn(100)
b = np.random.randn(100)

plt.scatter(a, b, s=np.power(10*a+20*b, 2),
            c=np.random.randn(100),
            cmap=mpl.cm.RdYlBu, marker='o')

plt.show()

7.函数stem()–用于绘制棉棒图

函数功能： 绘制离散有序数据
调用签名： plt.stem(x, y)
参数说明：

• x: 指定棉棒的x轴基线上的位置
• y: 绘制棉棒的长度
• linefmt: 棉棒的样式
• marketfmt: 棉棒末端的样式
• basefmt: 指定基线的样式

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.5, 2*np.pi, 20)
y = np.random.randn(20)

plt.stem(x, y, linefmt='-.', markerfmt='o', basefmt='-')

plt.show()

8.函数boxplot()–用于绘制箱线图

函数功能： 绘制箱线图
调用签名： plt.boxplot(x)
参数说明：

• x: 绘制箱线图的输入数据

import matplotlib.pyplot as plt
import numpy as np

x = np.random.randn(1000)

plt.boxplot(x)

plt.xticks([1], ['AlphaRM'])
plt.ylabel('Value')
plt.title('Boxplot of AlphaRM')

plt.grid(axis='y', ls=':', lw=1, color='gray', alpha=0.4)

plt.show()

9.函数errorbar()–用于绘制误差棒图

函数功能： 绘制y轴方向或者x轴方向的误差范围
调用签名： plt.errorbar(x, y, yerr=a, xerr=b)
参数说明：

• x: 数据点的水平位置
• y: 数据点的垂直位置
• yerr: y轴方向的数据点的误差计算方法
• xerr: x轴方向的数据点的误差计算方法

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0.1, 0.6, 6)
y = np.exp(x)

plt.errorbar(x, y, fmt='bo:', yerr=0.2, xerr=0.02)

plt.xlim(0, 0.7)

plt.show()