Matplotlib绘制常用图像
一.柱状图
ax.bar
(x, height, width=0.8, bottom=None, align='center', **kwargs)
- x : 柱状图的 X 轴位置，就是柱子的标签。
- height : 柱状图的高度，就是y的值。
- width : 柱状图的宽度，默认为 0.8。
- bottom : 柱状图的底部位置，默认为 0,也就是原点叫啥名取啥值。
- align : 柱状图与标签的对齐方式，可以是 'center'（居中对齐）或 'edge'（边缘对齐）。
- **kwargs : 其他可选参数，用于定制柱状图的外观，如 color、edgecolor、linewidth 等。
import matplotlib.pyplot as plt
import numpy as np
# 给定标签
labels = ['A','B','C','D']
# 给定高度
values = [10,20,30,40]
# 绘制柱状图
plt.bar(labels,values,0.5,align='edge',color='orange')
plt.show()
1.1 堆叠柱状图
啥意思？就是柱状图上方又有柱状图，两个不同的东西连在一起。
import matplotlib.pyplot as plt
import numpy as np
# 给定标签
labels = ['A','B','C','D']
# 给定高度
values = [10,20,30,40]
values1 = [1,2,3,4]
plt.bar(labels,values,color = 'green')
# 设置bottom就是完成堆叠的重要一步
plt.bar(labels,values1,bottom= values,color = 'red')
plt.show()
1.2 分组柱状图
就是把一个标签占的地方分成几份，然后按自定义的大小绘制各自的图像。
# 数据
categories = ['A', 'B', 'C', 'D']
values1 = [20, 35, 30, 25]
values2 = [15, 25, 20, 10]
# 创建图形和子图
fig, ax = plt.subplots()
# 计算柱状图的位置
x = np.arange(len(categories))
width = 0.35
# 绘制第一个数据集的柱状图
ax.bar(x - width/2, values1, width, color='skyblue', label='Values 1')
# 绘制第二个数据集的柱状图
ax.bar(x + width/2, values2, width, color='lightgreen', label='Values 2')
# 设置 X 轴标签
ax.set_xticks(x)
ax.set_xticklabels(categories)
# 设置标题和标签
ax.set_title('Grouped Bar Chart')
ax.set_xlabel('Categories')
ax.set_ylabel('Values')
# 添加图例
ax.legend()
# 显示图形
plt.show()
二.直方图
与柱状图的本质区别是所有柱子连在一起。
ax.hist
(x, bins=None, range=None, density=False, weights=None, cumulative=False, **kwargs)
- x: 数据数组。
- bins : 直方图的柱数，可以是整数或序列。
- range : 直方图的范围，格式为 (min, max)。
- density : 是否将直方图归一化，默认为 False。
- weights : 每个数据点的权重。
- cumulative : 是否绘制累积直方图，默认为 False。
- **kwargs : 其他可选参数，用于定制直方图的外观，如 color、edgecolor、linewidth 等。
from matplotlib import pyplot as plt
import numpy as np
# 生成一个正太分布的数据组
b = np.random.randn(1000)
plt.hist(b, bins = 100,range=(-5,5))
plt.show()
三.饼图
ax.pie
(x, explode=None, labels=None, colors=None, autopct=None, shadow=False, startangle=0, **kwargs)
- x: 数据数组，表示每个扇区的占比。
- explode : 一个数组，表示每个扇区偏离圆心的距离，默认为 None。
- labels : 每个扇区的标签，默认为 None。
- colors : 每个扇区的颜色，默认为 None。
- autopct : 控制显示每个扇区的占比，可以是格式化字符串或函数，默认为 None。
- shadow : 是否显示阴影，默认为 False。
- startangle : 饼图的起始角度，默认为 0。
- **kwargs : 其他可选参数，用于定制饼图的外观。
from matplotlib import pyplot as plt
import numpy as np
a = np.arange(0, 7)
label = ['a', 'b', 'c', 'd', 'e', 'f', 'g']
plt.pie(a,labels = label,autopct='%1.1f%%')
plt.show()
四.散点图
ax.scatter
(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors=None, **kwargs)
- x : X 轴数据。
- y : Y 轴数据。
- s : 点的大小，可以是标量或数组。
- c : 点的颜色，可以是标量、数组或颜色列表。
- marker : 点的形状，默认为 'o'（圆圈）。
- cmap : 颜色映射，用于将颜色映射到数据。
- norm : 归一化对象，用于将数据映射到颜色映射。
- vmin, vmax : 颜色映射的最小值和最大值。
- alpha : 点的透明度，取值范围为 0 到 1。
- linewidths : 点的边框宽度。
- edgecolors : 点的边框颜色。
- **kwargs : 其他可选参数，用于定制散点图的外观。
from matplotlib import pyplot as plt
# 这里直接用的现成的代码，重点是看怎么设计的绘图
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
fig = plt.figure()
axes = fig.add_axes([.1,.1,.8,.8])
# 自定义数据
x = ['Mon', 'Tue', 'Wed', 'Thu', 'Fri', 'Sat', 'Sun']
data = [
[120, 132, 101, 134, 90, 230, 210],
[220, 182, 191, 234, 290, 330, 310],
]
y0 = data[0]
y1 = data[1]
# 绘制图像
axes.scatter(x,y0,color='red')
axes.scatter(x,y1,color='blue')
axes.set_title('散点图')
axes.set_xlabel('日期')
axes.set_ylabel('数量')
plt.legend(labels=['Email', 'Union Ads'],)
plt.show()