Python中的绘图工具包 上

1.画散点图（plt.scatter函数）

(1)列表数据画散点图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline 
height = [168,150,200,190,185,100,125,180]     
weight = [60,65,73,70,65,58,66,67] 
plt.figure(figsize=(8, 4))  #画板尺寸
plt.scatter(height, weight,color='red',marker='+')   #画散点图必须有两列数据
plt.title('beauty')   #图形标题
plt.xlabel('weight')  #X轴标签
plt.ylabel('height')     #Y轴标签
plt.show() 

（2）数组数据画散点图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline 
height =np.array([168,150,200,190,185,100,125,180]) 
weight =np.array([60,65,73,70,65,58,66,67]) 
plt.figure(figsize=(8, 4))  #画板尺寸
plt.scatter(height, weight)   #画散点图必须有两列数据
plt.title('beauty')   #图形标题
plt.xlabel('weight')  #X轴标签
plt.ylabel('height')     #Y轴标签
plt.show() 

（3）Series画散点图

forest_fires = pd.read_csv('forest_fires.csv')
plt.figure(figsize=(8,4))
plt.scatter(forest_fires["wind"],forest_fires["area"],c="red") #须有两列数据
plt.grid(True)    #是否显示网格

 

 （4）DataFrame画散点图

np.random.seed(20)
data=pd.DataFrame(np.random.randn(1000,4),columns=list('ABCD'))
data=data.cumsum()
print(data.head())
plt.scatter(data['A'],data['B'],c='r')
plt.scatter(data['B'],data['C'],c='b')
plt.show()

 (5)三维散点图绘制

import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
data = np.random.randint(0, 255, size=[40, 40, 40])
x, y, z = data[0], data[1], data[2]
fig1 = plt.figure(1)
ax = Axes3D(fig1)
#  将数据点分成三部分画，在颜色上有区分度
ax.scatter(x[:10], y[:10], z[:10], c='b')  # 绘制数据点
ax.scatter(x[10:20], y[10:20], z[10:20], c='y')
ax.scatter(x[30:40], y[30:40], z[30:40], c='r')
ax.set_zlabel('Z')  # 坐标轴
ax.set_ylabel('Y')
ax.set_xlabel('X')
plt.show()

 2.画连线图（plt.plot函数）

（1）列表数据

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline 
age = [5, 10, 15, 20, 25, 30]
high=[60,100,150,170,171,171]
plt.figure(figsize=(8,4))
plt.plot(age)#连线图可以只有一列数据，默认该列数据为纵坐标，横坐标为序号(从0开始)。
plt.plot(age, high) 
plt.grid(True)
plt.title('Age vs High')  #图形名称
plt.xlabel('age')           #X轴标签
plt.ylabel('high')        #Y轴标签
plt.show()

 （2）DataFrame数据

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
np.random.seed(20)
data=pd.DataFrame(np.random.randn(1000,4),columns=list('MNOP'))
data=data.cumsum()
data.plot()
plt.show()
data.plot(x='P',y='N',kind='line')
plt.show()

3.频率直方图

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline 
s = np.random.normal(3,2,300)
plt.figure(figsize=(10,5))   
plt.hist(s, bins=50, normed=True)   #频率直方图，bins表示样本值分成多少个区间
#plt.hist(s, bins=50)  #纵坐标是每个间隔中包含的值的数量,不是频率.
plt.show()