Python数据分析与展示-Matplotlib绘图函数

Pyplot基础图表函数

函数	含义
plt.plot(x,y,fmt,…)	绘制坐标图
plt.boxplot(data,notch,position)	绘制箱形图
plt.bar(left,height,width,bottom)	绘制条形图
plt.barh(width,bottom,left,height)	绘制横向条形图
plt.polar(theta, r)	绘制极坐标图
plt.pie(data, explode)	绘制饼图
plt.psd(x,NFFT=256,pad_to,Fs)	绘制功率谱密度图
plt.specgram(x,NFFT=256,pad_to,F)	绘制谱图
plt.cohere(x,y,NFFT=256,Fs)	绘制X‐Y的相关性函数
plt.scatter(x,y)	绘制散点图，其中，x和y长度相同
plt.step(x,y,where)	绘制步阶图
plt.hist(x,bins,normed)	绘制直方图
plt.contour(X,Y,Z,N)	绘制等值图
plt.vlines()	绘制垂直图
plt.stem(x,y,linefmt,markerfmt)	绘制柴火图
plt.plot_date()	绘制数据日期

饼图

示例

#pie.py
import matplotlib.pyplot as plt

labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)

plt.pie(sizes,
        explode=explode,
        labels=labels,
        autopct='%1.2f%%',
        shadow=False,
        startangle=90)
plt.axis('equal')
plt.show()

结果

直方图

示例

import numpy as np
import matplotlib.pyplot as plt

np.random.seed(0)
mu, sigma = 100, 20
a = np.random.normal(mu, sigma, size=100) #符合正态分布的数组

plt.hist(a, 40,histtype='stepfilled', facecolor='b', alpha=0.75)
plt.title('Histogram')
plt.show()

结果

极坐标图

import numpy as np
import matplotlib.pyplot as plt

N = 20
theta = np.linspace(0, 2 * np.pi, N, endpoint=False)
radii = 10 * np.random.rand(N)
width = np.pi / 2 * np.random.rand(N)


ax = plt.subplot(111, projection='polar')
#bar里的三个数组分为代表极坐标所处角度、覆盖宽度和高度
bars = ax.bar(theta, radii, width=width, bottom=0.0)

for r, bar in zip(radii, bars):
    bar.set_facecolor(plt.cm.viridis(r / 10))
    bar.set_alpha(0.5)

plt.show()

散点图

示例

#Scatter.py
import numpy as np
import matplotlib.pyplot as plt

fig,ax=plt.subplots()
ax.plot(10*np.random.randn(100),10*np.random.randn(100),'o')
ax.set_title('Simple Scatter')

plt.show()

参考自中国大学MOOC。
以上