matplotlib库的用法——各种图的绘制

news2024/10/6 12:19:19

matplotlib是一个流行的Python绘图库，用于创建各种静态、动态、交互式可视化。以下是一些基本的用法：

线图

plt.plot([1, 2, 3, 4])
plt.ylabel('Some Numbers')
plt.show()

散点图

x = [1,2,3,4,5]
y = [2,3,4,5,6]
plt.scatter(x, y)
plt.show()

条形图

names = ['mk', 'ct']
values = [666, 250]
plt.bar(names, values)
plt.show()

直方图

# 示例数据
data = [1, 2, 2, 3, 3, 3, 4, 4, 5]

# 使用plt.hist()绘制直方图
plt.hist(data, bins=5, edgecolor='black') # 分成5个区间

# 添加标签和标题（可选）
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.title('Histogram')

# 显示图形
plt.show()

饼图

# 数据
sizes = [15, 30, 45, 10]
labels = ['Frogs', 'Hogs', 'Dogs', 'Logs']

# 绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140)

# 设置为圆形（避免变成椭圆）
plt.axis('equal')

# 显示图形
plt.show()

箱线图

# 示例数据
data = [20, 21, 22, 23, 24, 25, 22, 28, 29, 30, 22, 23, 19, 18, 30]

# 绘制箱线图
plt.boxplot(data)

# 添加标题和标签（可选）
plt.title('Box Plot')
plt.ylabel('Value')

# 显示图形
plt.show()

箱线图展示了数据的五个主要统计量：最小值、第一四分位数、中位数、第三四分位数和最大值。这些值可以在图上清楚地看到，并有助于了解数据的分布和中心趋势。

热图

import matplotlib.pyplot as plt
import numpy as np

# 创建一个示例数据，例如10x10的随机数组
data = np.random.rand(10, 10)

# 使用imshow函数创建热图
plt.imshow(data, cmap='hot', interpolation='nearest')

# 添加颜色条
plt.colorbar()

# 添加标题和标签（可选）
plt.title('Heatmap')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')

# 显示图形
plt.show()

三维图

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import numpy as np

# 创建一个坐标网格
X = np.linspace(-5, 5, 50)
Y = np.linspace(-5, 5, 50)
X, Y = np.meshgrid(X, Y)

# 定义一个三维函数，例如一个简单的抛物面
Z = X**2 + Y**2

# 创建一个图形窗口
fig = plt.figure()

# 在图形窗口中创建一个3D坐标轴
ax = fig.add_subplot(111, projection='3d')

# 使用坐标轴上的`plot_surface`方法绘制曲面
ax.plot_surface(X, Y, Z, cmap='viridis')

# 添加标签和标题（可选）
ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')
ax.set_title('3D Surface Plot')

# 显示图形
plt.show()

轮廓图

import matplotlib.pyplot as plt
import numpy as np

# 创建坐标网格
X = np.linspace(-5, 5, 100)
Y = np.linspace(-5, 5, 100)
X, Y = np.meshgrid(X, Y)

# 定义一个三维函数，例如一个简单的抛物面
Z = X**2 + Y**2

# 使用contour函数绘制等高线
plt.contour(X, Y, Z, levels=20)

# 使用contourf函数绘制填充的等高线（可选）
plt.contourf(X, Y, Z, levels=20, alpha=0.5, cmap='viridis')

# 添加标签和标题（可选）
plt.xlabel('X Label')
plt.ylabel('Y Label')
plt.title('Contour Plot')

# 显示图形
plt.show()

棒棒糖图

import matplotlib.pyplot as plt

# 创建数据
categories = ['A', 'B', 'C', 'D', 'E']
values = [10, 23, 17, 14, 28]

# 绘制棒棒糖棒
plt.stem(categories, values, linefmt='-', markerfmt='o')

# 添加标题和标签（可选）
plt.title('Lollipop Chart')
plt.xlabel('Categories')
plt.ylabel('Values')

# 显示图形
plt.show()

误差条形图

import matplotlib.pyplot as plt

# 创建数据
x = [1, 2, 3, 4, 5]
y = [10, 15, 9, 20, 17]
y_error = [1, 2, 1.5, 2.5, 1.2]  # 误差

# 绘制误差条形图
plt.errorbar(x, y, yerr=y_error, fmt='o', capsize=5, color='blue')

# 添加标题和标签（可选）
plt.title('Error Bar Chart')
plt.xlabel('X Values')
plt.ylabel('Y Values')

# 显示图形
plt.show()