python绘图 条形图 直方图 饼图 箱型图 误差图 多图绘制 图表注释 三维图形
python的主要作图库是Matplotlib，该库提供了较为强大的作图能力。
如果您还未安装该库，请命令行运行“pip install matplotlib”安装一下，同时安装“pip install numpy”提供对n维数组对象的支持以支持绘图
接下来我们举例分析：
1. 绘制线性二维图，折线图：plot（x,y,S）
2. 绘制散点图
3. 绘制饼形图：pie（size）
4. 绘制二维条形直方图：hist（x，y）
5. 绘制样本数据的箱型图
6. 绘制误差图
7. 在一张图表中画多个图
8. 图表的注释与标识
9. 从文件中读入数据并绘制图
10. 绘制三维图形
1. 绘制线性二维图，折线图：plot（x,y,S）
import matplotlib.pyplot as plt
import numpy as np
plt.figure(1,dpi=50) #dpi为设置图表的大小，默认为80
x=np.linspace(-np.pi,np.pi,100) #x范围-π到π
plt.plot(x,np.sin(x)) #绘制sin（x）的图像
plt.show() #显示图像
2. 绘制散点图
import matplotlib.pyplot as plt
import numpy as np
x = np.arange(1,10) #散点的x坐标从1到10
y = x #散点的y坐标和x一致
fig = plt.figure()
plt.scatter(x,y,c = 'g',marker = '*') #c = 'g'表示散点的颜色为绿色，marker 表示指定散点为*
plt.show() #显示图形
3. 绘制饼形图：pie（size）
import matplotlib.pyplot as plt
import numpy as np
data=[100,200,400,500] #饼图三块所占的大小，如果和不为1，会进行归一化处理
fig = plt.figure(dpi=120) #dpi为设置图像的大小
plt.pie(data,
explode=[0.0,0.0,0.0,0.1], #每个饼块离中心的距离
colors=['b','y','r','g'], #设置每个饼块的颜色
labels=['A part','B part','C part','D part'], #设置每个饼块的标签
labeldistance=1.3, #每个饼块标签到中心的距离
autopct='%1.1f%%', #百分比的显示格式
pctdistance=0.4, #百分比到中心的距离
shadow=True, #显示阴影
startangle=0, #默认从x轴逆时针转起
radius=1 #饼块半径
)
plt.show()
4. 绘制二维条形直方图：hist（x，y）
import matplotlib.pyplot as plt
import numpy as np
plt.figure(1,dpi=80)
data=[1,1,0,1,1,0,1,1,9,1,2,0,6,6,6,8,8,8]
plt.hist(data,facecolor='red') #只要传入数据，直方图就会统计数字出现的次数
plt.show()
5. 绘制样本数据的箱型图
需要用到数据分析工具pandas 可以通过“pip install pandas”进行安装
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
x = np.random.randn(1000) #1000个服从正太分布的随机数
D = pd.DataFrame([x,x+1]).T #构造两列的DataFrame
D.plot(kind='box') #调用Series内置的作图方法画图，用kind参数指定箱型图box
plt.show()
6. 绘制误差图
需要用到数据分析工具pandas 可以通过“pip install pandas”进行安装
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
error = np.random.randn(10) #定义误差列
y = pd.Series(np.sin(np.arange(10))) #均值数据列
y.plot(yerr=error) #绘制误差图
plt.show()
7. 在一张图表中画多个图
import matplotlib.pyplot as plt
import numpy as np
plt.figure(1,dpi=100) #创建图表1，大小100dpi
ax1=plt.subplot(211) #总2*1个图 第1个
ax2=plt.subplot(212) #总2*1个图 第2个
x=np.linspace(0,10,100) #x轴定义域
plt.sca(ax1) #选择子图ax1
plt.plot(x,np.exp(x)) #e的x次方的图像
plt.sca(ax2) #选择子图ax2
plt.plot(x,np.sin(x)) #sin(x)的图像
plt.show() #展示图表中所有的图
8. 图表的注释与标识
import matplotlib.pyplot as plt
import numpy as np
fig = plt.figure()
x = np.linspace(0,10,100)
plt.plot(x,np.sin(x),label="sin(x)",color='y')
plt.xlabel("X axe") #设置x轴显示
plt.ylabel("Y axe") #设置Y轴显示
plt.title("sin(x) image") #设置图的标题
plt.legend() #显示图例
plt.show() #展示图表中所有的图
9. 从文件中读入数据并绘制图
import matplotlib.pyplot as plt
import numpy as np
data = np.loadtxt("F:/1.txt",delimiter=',') #文件中内容通过,分隔
plt.plot(data[:,0],data[:,1],'go') #同行第一个横坐标，第二个纵坐标，颜色：green 形状：O
plt.show()”F:/1.txt“内容如下
10. 绘制三维图形
import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
fig=plt.figure(1) #创建图表1
ax=fig.add_subplot(1,1,1,projection='3d') #指定三维空间作图
t=np.linspace(0,4,200) #t从0到4分为200份
theta=t*2*np.pi #theta=2πt
z=t
x=np.sin(theta)
y=np.cos(theta)
ax.plot(x,y,z,label='r(t)',color='red')
#对t求导
z=1
x=np.cos(theta)
y=-np.sin(theta)
ax.plot(x,y,z,label='r\'(t)',color='blue')
ax.legend()
plt.show()
感谢您的学习，祝您学习进步！
------希望兄弟有朝一日能翱翔于天际
最近大火的 "好久不见" 女主杨子姗真是太漂亮了~~~ 分享美照一波