matplotlib 指南

#必要头

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签

plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

 

---

 

	# 绘制折线图 plt.figure(figsize=(8,4))          #必要 #创建画板 x=[1,2,3];y=[5,7,4];plt.plot(x,y)  #必要 #点集1 plt.show()                              #必要 # 展示
	plt.figure(figsize=(8,4))                                                 #必要 # 不创建画板，直接绘图使用默认的画板 x1 = [1,2,3];y1 = [5,7,4];plt.plot(x1,y1,label="第一季度")                #必要 #点集1 x2 = [1,2,3];y2 = [10,14,12];plt.plot(x2,y2,label="第二季度")             #必要 #点集2 plt.legend()                                                              ##美化 #展示以上点集的名称 plt.xlabel("x轴");plt.ylabel("y轴");plt.title("2020年第一季度销售趋势")   ##美化 ##轴标签 ##上方标题 plt.show()                                                                #必要
	x = [1,2,3,4,5,6,7,8] y = [5,2,4,2,1,4,5,2]   # x,y轴数据 plt.plot(x,y,label="折线图")  ########################3 # 显示x，y轴的轴标签 plt.xlabel("x轴") plt.ylabel("y轴") # 显示标题 plt.title("折线图图例") # 显示小图 plt.legend() # 展示图表 plt.show()
	x1 = [1,3,5,7,9] y1 = [5,2,7,8,2]   x2 = [2,4,6,8,10] y2 = [8,6,2,5,6]     # 绘制柱状图 plt.bar(x1,y2,label="柱状图-01",color="g")    ############## plt.bar(x2,y2,label="柱状图-02",color="#191970")  ###############3   plt.xlabel("x轴") plt.ylabel("y轴")   plt.title("柱状图案例") plt.legend() plt.show()
	x1 = [1,3,5,7,9] y1 = [5,2,7,8,2]   x2 = [2,4,6,8,10] y2 = [8,6,2,5,6]     # 绘制柱状图 plt.barh(x1,y2,label="条形图-01",color="g") ########### plt.barh(x2,y2,label="条形图-02",color="b") ############   plt.xlabel("x轴") plt.xlabel("y轴")   plt.title("条形图案例") plt.legend() plt.show()
	# 抽取的年龄数据 population_ages = [22,55,62,45,21,22,34,42,42,4,99,102,110,120,                    121,122,130,111,115,112,80,75,65,54,44,43,42,48]   bins = [0,18,30,45,60,80,130] # 分段的区间范围 plt.hist(population_ages,bins,histtype="bar")  ############# plt.xlabel("年龄区间") plt.ylabel("频数") plt.title("年龄分布直方图") plt.show()
	data = [7.0,2.0,2.0,13.0] activities = ["sleeping","eating","working","playing"] cols = ["#225688","m","r","b"]   plt.pie(data,         labels=activities,  # 饼图的标签         colors=cols,  # 每个扇形区域的颜色         startangle=90, # 开始绘制扇形区域的角度         explode=(0,0.2,0,0), # 扇形区域突出比例         shadow=True,         autopct='%1.1f%%') # 以百分比的方式显示数据，保留一位小数  ####################### plt.title("饼图") plt.show()
	x = [1,2,3,4,5,6,7,8] y = [5,2,4,2,1,4,5,2]   plt.scatter(x,y,             label="skitscat",             color="b",  # 点的颜色             s=50, # 点的大小             marker="o") # 点的类型     ##########################   plt.xlabel("X") plt.ylabel("Y") plt.title("散点图案例") plt.legend() plt.show()
	days = [1,2,3,4,5]   sleeping = [7,8,6,11,7] eating = [2,3,4,3,2] working = [7,8,7,2,2] playing = [8,5,7,8,13]   plt.stackplot(days,               sleeping,               eating,               working,               playing,               colors=["c","m","r","k"]) ############   plt.xlabel("x") plt.ylabel("y") plt.title("堆叠图案例") plt.show()
	fig = plt.figure(1)  # 1行1列第一个绘图区域 ax1 = plt.subplot(111) #位置   # 柱状图数值 data = np.array([15,20,18,25])   # 柱状图宽度 width = 0.5 x_bar = np.arange(4)   # 绘制柱状图  ################ rect = ax1.bar(x=x_bar,                height=data,                width=width,                color="lightblue")   # 通过rect对象，为每一个柱子添加顶部数值 for rec in rect:     x = rec.get_x()     height = rec.get_height()     # print("x:{},height:{}".format(x,height))     ax1.text(x+0.15,height*1.02,str(height) + "w")   # 设置x轴标签 ax1.set_xticks(x_bar) ax1.set_xticklabels(["第一季度","第二季度","第三季度","第四季度"]) ax1.set_ylabel("销量(单位：万件)") ax1.set_title("2017年销量季度统计") ax1.grid(True) ax1.set_ylim(0,28) plt.show()
	plt.figure(figsize=(6,6),dpi=80) plt.figure(1) # 创建第一个画板 plt.subplot(211) # 将第一个画板分割成两行一列共2个绘图区域，并同时选中第一个绘图区域 plt.plot([1,2,3]) # 在两行一列的第一个绘图区域上绘制折线图 plt.subplot(212) # 切换到两行一列的第二个绘图区域上 plt.plot([4,5,6])   # 创建第二个画板 plt.figure(2) plt.plot([4,5,6]) plt.title("第二个画板")   # 切换到画板1 plt.figure(1) plt.subplot(211) plt.title("第一个画板的第一个绘图区域") plt.subplot(212) plt.title("第一个画板的第二个绘图区域")   # 调整绘图区域之间的间隔 plt.tight_layout() plt.show()
	# 抽取的年龄数据 df['Age'].hist(bins=50) plt.xlabel("年龄区间") plt.ylabel("频数") plt.title("年龄分布直方图") plt.show()
	data=pd.crosstab(df.Survived,df.Pclass) data.plot(kind='bar',stacked=True) plt.title("Pclass VS Survived") plt.ylabel('Frequnce') plt.show()
	data = titanic_df.groupby("Survived").agg({"Age":"mean","Fare":"mean"}) plt.figure(figsize=(12,5)) plt.subplot(121) data.Age.plot(kind="bar") plt.title("Age VS Survived") plt.ylabel("Average") plt.subplot(122) data.Fare.plot(kind="bar") plt.title("Fare VS Survived") plt.ylabel("Average") plt.show()