数据可视化之matlibplot(03)--饼图&圆环图&箱线图&棉棒图&误差棒图&带误差棒的柱状图&子图

函数及参数

plt.pie()

参考文档：官网说明文档

属性	说明	类型
x	数据	list
labels	标签	list
autopct	数据标签	%0.1%% 保留一位小数
explode	突出的部分	list
shadow	是否显示阴影	bool
pctdistance	数据标签的距离圆心位置	0~1
labeldistance	标签的比例	float
startangle	开始绘图的角度	float
radius	半径长	默认是1

简单饼图绘图

列表里的数据是小数时，按照小数所对应分数计算

x = [0.1,0.5,0.2]  
plt.pie(x)

列表里的数据是整数时，按照百分比计算

x = [1,5,2]
plt.pie(x)

label(s)–标签（饼图外侧显示的说明文字）

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"])

explode–与圆心的距离

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
		explode=[0.1,0,0])

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
		explode=[1.5,0.5,0])

startangle–起始绘制角度（默认从x轴正方向逆时针画起）

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        startangle=30)

shadow–在饼图下面画一个阴影。默认值为False

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        shadow=True)

labeldistance–label标签的位置（与半径成比例，默认值为1.1）

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        shadow=True,
        labeldistance=0.8)

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        shadow=True,
        labeldistance=0.5)

autopct–控制饼图内百分比设置

’%1.1f’指小数点前后位数（没有用空格补齐）

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        shadow=True,
        labeldistance=1.2,
        autopct='%1.1f')

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        shadow=True,
        labeldistance=1.2,
        autopct='%1.1f%%')

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        shadow=True,
        labeldistance=1.2,
        autopct='%.0f%%')

pctdistance–指定autopct的位置刻度（饼图百分比与圆心的距离，默认值为0.6）

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        shadow=True,
        labeldistance=1.2,
        autopct='%.0f%%',
        pctdistance=0.2)

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        shadow=True,
        labeldistance=1.2,
        autopct='%0.f%%',
        pctdistance=1.6)

radius–饼图半径，默认值为1

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        radius=2)

counterclock–指定指针方向（默认为True,逆时针）

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        counterclock=False)

frame–绘制带有表的轴框架

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        frame=True)

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        frame=True)
plt.xlim(-1,1)
plt.ylim(-1,1)
plt.grid()

textprops–设置标签和比例文字的格式

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        textprops={'fontsize':20,'color':'blue'})

legend–图例

默认设置

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        textprops={'fontsize':20,'color':'blue'})
plt.axis("equal")#将饼图显示为正圆
plt.legend()   

bbox_to_anchor

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        textprops={'fontsize':20,'color':'blue'})
plt.axis("equal")#将饼图显示为正圆
plt.legend(loc="upper right",#位于右上角
           fontsize=15,   #图例字体大小
           bbox_to_anchor=(2,0.5),#外边距：上边&右边，默认值[0.5,0.5]
           borderaxespad=0.3,#图例的内边距
           #ncol=2
          )#ncol=2分两列

当bbox_to_anchor=(1,1.05)：

当bbox_to_anchor=(2,0.5)：

ncol

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        textprops={'fontsize':20,'color':'blue'})
plt.axis("equal")#将饼图显示为正圆
plt.legend(loc="upper right",#位于右上角
           fontsize=15,
           bbox_to_anchor=(1.1,1.05),#外边距：上边&右边，默认值[0.5,0.5]
           borderaxespad=0.3,#图例的内边距
           ncol=2)#ncol=2分两列

borderaxespad–图例的内边距

当borderaxespad=0.1：

当borderaxespad=4：

圆环图

x = [1,5,2]
plt.pie(x,labels=["apple","orange","banana"],
        textprops={'fontsize':20,'color':'blue'})
plt.pie([1],colors='w',radius=0.7)

箱线图

由五个数值点组成：最小值、下四分位数、中位数、上四分位数、最大值。
下四分位数、中位数、上四分位数组成一个“带有间隔的盒子”。
上四分位数到最大值之间建立一条延伸线，这个延伸线成为“胡须”。

plt.boxplot()

参数	说明
x	指定要绘制箱线图的数据
notch	是否是凹口的形式展现箱线图，默认非凹口
sym	指定异常点的形状，默认为+号显示
vert	是否需要将箱线图垂直摆放，默认垂直摆放
whis	指定上下须与上下四分位的距离，默认为1.5倍的四 分位差
positions	指定箱线图的位置，默认为[0,1,2…]
widths	指定箱线图的宽度，默认为0.5
patch_ artist:	是否填充箱体的颜色
meanline	是否用线的形式表示均值，默认用点来表示
showmeans	是否显示均值，默认不显示
showcaps	是否显示箱线图顶端和末端的两条线，默认显示
showbox	是否显示箱线图的箱体，默认显示
showfliers	是否显示异常值，默认显示
boxprops	设置箱体的属性，如边框色，填充色等
labels	为箱线图添加标签，类似于图例的作用
filerprops	设置异常值的属性，如异常点的形状、大小、填充色等
medianprops	设置中位数的属性，如线的类型、粗细等
meanprops	设置均值的属性，如点的大小、颜色等
capprops	设置箱线图顶端和末端线条的属性，如颜色、粗细等
whiskerprops	设置须的属性，如颜色、粗细、线的类型等

data = [np.random.normal(0,std,100) for std in range(1,4)]
plt.boxplot(data)

notch–是否是凹口的形式展现箱线图，默认非凹口

data = [np.random.normal(0,std,100) for std in range(1,4)]
plt.boxplot(data,notch=True)

sym–指定异常点的形状，默认为+号显示

data = [np.random.normal(0,std,100) for std in range(1,4)]
plt.boxplot(data,notch=True,
           sym = '*',#异常点的形状
           )
plt.boxplot(data)

棉棒图

plt.stem()

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

棉棒的样式–linefmt

#棉棒图
x = np.linspace(0.5,2*np.pi,20)
y = np.random.randn(20)
plt.stem(x,y,
        linefmt = '-.'#棉棒的样式
        )

棉棒末端的样式–markerfmt

#棉棒图
x = np.linspace(0.5,2*np.pi,20)
y = np.random.randn(20)
plt.stem(x,y,
        linefmt = '-.',#棉棒的样式
        markerfmt = 's',#棉棒末端的样式
        )

markerfmt = ‘s’

markerfmt = ‘*’

指定基线的样式–basefmt

#棉棒图
x = np.linspace(0.5,2*np.pi,20)
y = np.random.randn(20)
plt.stem(x,y,
        linefmt = '-.',#棉棒的样式
        markerfmt = '*',#棉棒末端的样式
        basefmt = '--',#指定基线的样式
        )

bottom–设置基线位置

x = np.linspace(0.5,2*np.pi,20)
y = np.random.randn(20)
plt.stem(x,y,
        linefmt = '-.',#棉棒的样式
        markerfmt = '*',#棉棒末端的样式
        basefmt = '--',#指定基线的样式
        bottom=1
        )

误差棒图

plt.errorbar()

x = np.linspace(-4,4,10)
y = np.sin(x)
plt.errorbar(x,y,yerr = 0.2,xerr = 0.2)

fmt–数据点的标记样式和数据点标记的连接样式

x = np.linspace(-4,4,10)
y = np.sin(x)
plt.errorbar(x,y,yerr = 0.2,xerr = 0.2,fmt='ro:')

ecolor–误差棒的线条颜色

x = np.linspace(-4,4,10)
y = np.sin(x)
plt.errorbar(x,y,yerr = 0.2,xerr = 0.2,fmt='ro:',
            ecolor='g')

误差棒的线条粗细

x = np.linspace(-4,4,10)
y = np.sin(x)
plt.errorbar(x,y,yerr = 0.2,xerr = 0.2,fmt='ro:',
            ecolor='g',
            elinewidth = 5)

ms–数据点的大小

x = np.linspace(-4,4,10)
y = np.sin(x)
plt.errorbar(x,y,yerr = 0.2,xerr = 0.2,fmt='ro:',
            ecolor='g',
            elinewidth = 5,
            ms = 10)

mfc–数据点的颜色

x = np.linspace(-4,4,10)
y = np.sin(x)
plt.errorbar(x,y,yerr = 0.2,xerr = 0.2,fmt='ro:',
            ecolor='g',
            elinewidth = 5,
            ms=10,
            mfc='orange')

mec–数据点的边缘颜色

x = np.linspace(-4,4,10)
y = np.sin(x)
plt.errorbar(x,y,yerr = 0.2,xerr = 0.2,fmt='ro:',
            ecolor='g',
            elinewidth = 5,
            ms=10,
            mfc='orange',
            mec='black')

capsize–误差棒边界横杠的大小

x = np.linspace(-4,4,10)
y = np.sin(x)
plt.errorbar(x,y,yerr = 0.2,xerr = 0.2,fmt='ro:',
            ecolor='g',
            elinewidth = 5,
            ms=10,
            mfc='orange',
            mec='black',
            capsize=10)

capthick–误差棒边界横杠的厚度

x = np.linspace(-4,4,10)
y = np.sin(x)
plt.errorbar(x,y,yerr = 0.2,xerr = 0.2,fmt='ro:',
            ecolor='g',
            elinewidth = 5,
            ms=10,
            mfc='orange',
            mec='black',
            capsize=10,
            capthick=5)

带误差棒的柱状图

x = np.arange(5)
y = [66,88,55,99,123]
err = [5,9,6,10,7]
err_attri = dict(elinewidt=2,ecolor="black",capsize=3)

plt.bar(x,y,
       color = 'b',
       width = 0.6,
       align = 'center',
       yerr = err,
       error_kw = err_attri)

子图

plt.figure()
plt.subplot(2,2,1)
plt.plot([0,1],[0,1])

plt.subplot(2,2,2)
plt.plot([0,1],[1,3])

plt.subplot(223)
plt.plot([0,1],[0,4])

plt.subplot(224)
plt.plot([0,1],[0,8])

plt.figure()
plt.subplot(2,1,1)
plt.plot([0,1],[0,1])

plt.subplot(2,3,4)
plt.plot([0,1],[0,2])

plt.subplot(235)
plt.plot([0,1],[0,3])

plt.subplot(236)
plt.plot([0,1],[0,4])

ax1 = plt.subplot2grid((3,3),(0,0))
ax2 = plt.subplot2grid((3,3),(1,0))
ax3 = plt.subplot2grid((3,3),(0,2),rowspan=3)
ax4 = plt.subplot2grid((3,3),(2,0),colspan=2)
ax5 = plt.subplot2grid((3,3),(0,1),rowspan=2)

import numpy as np
ax1 = plt.subplot2grid((3,3),(0,0))
ax2 = plt.subplot2grid((3,3),(1,0))
ax3 = plt.subplot2grid((3,3),(0,2),rowspan=3)
ax4 = plt.subplot2grid((3,3),(2,0),colspan=2)
ax5 = plt.subplot2grid((3,3),(0,1),rowspan=2)

x = np.linspace(0,10,100)
y = np.exp(x)
ax1.plot(x,y)