matplotlib教程（一）统计图形

matplotlib统计图形汇总

文章整理内容来源于《Python数据可视化之matplotlib实践》

---

图表组成元素的函数

plot()——展现变量趋势变化

plt.plot(x, y, ls="-", lw = 2, label = "plot figure")

• 参数说明
  • x:x轴上的数值。
  • y:y轴上的数值。
  • ls：折线图的线条风格。
  • lw：折线图的线条宽度。
  • label：标记图形内容的标签文本。

scatter()——寻找变量之间的关系

plt.scatter(x,y,c="b",label="scatterfigure")

• 参数说明
  • x:x轴上的数值。
  • y:y轴上的数值。
  • c：散点图中的标记的颜色。
  • label：标记图形内容的标签文本。

xlim()——设置x轴的数值显示范围

plt.xlim(xmin,xmax)

• 参数说明
  • xmin:x轴上的最小值。
  • xmax:x轴上的最大值。
  • 平移到函数ylim()。

xlabel()——设置x轴的标签文本

plt.xlabel(string)

• string：标签文本内容。
• ylabel()

grid()——绘制刻度线的网格线

plt.grid(linestyle=":",color="r")

• linestyle：网格线的线条风格。
• color：网格线的线条颜色。

axhline()——绘制平行于x轴的水平参考线

plt.axhline(y=0.0,c="r",ls="--",lw=2)

• y：水平参考线的出发点。
• c：参考线的线条颜色。
• ls：参考线的线条风格。
• lw：参考线的线条宽度。
• axvline()

axvspan()——绘制垂直于x轴的参考区域

plt.axvspan(xmin=1.0,xmax=2.0,facecolor="y",alpha=0.3)。

• xmin：参考区域的起始位置。-
• xmax：参考区域的终止位置。
• facecolor：参考区域的填充颜色。
• alpha：参考区域的填充颜色的透明度。
• axhspan()

annotate()——添加图形内容细节的指向型注释文本

plt.annotate(string,xy=(np.pi/2,1.0),xytext = ((np.pi/2)+0.15,1.5),weight="bold",color="b",arrowprops=dict(arrowstyle="->",connectionstyle="arc3",color="b"))

• string：图形内容的注释文本。
• xy：被注释图形内容的位置坐标。
• xytext：注释文本的位置坐标。
• weight：注释文本的字体粗细风格。
• color：注释文本的字体颜色。
• arrowprops：指示被注释内容的箭头的属性字典。

text()——添加图形内容细节的无指向型注释文本

plt.text(x,y,string,weight="bold",color="b")

• x：注释文本内容所在位置的横坐标。
• y：注释文本内容所在位置的纵坐标。
• string：注释文本内容。
• weight：注释文本内容的粗细风格。
• color：注释文本内容的字体颜色。

title()——添加图形内容的标题

plt.title(string)

• string：图形内容的标题文本。

legend()——标示不同图形的文本标签图例

plt.legend(loc="lower left")

• loc：图例在图中的地理位置。

---

统计函数绘制简单图形

bar()——用于绘制柱状图

plt.bar(x,y)

• x：标示在x轴上的定性数据的类别。
• y：每种定性数据的类别的数量。

barh()——用于绘制条形图

plt.barh(x,y)

• x：标示在y轴上的定型数据的类别。
• y：每种定性数据的类别的数量。

hist()——用于绘制直方图

于柱状图不同的地方在于，它更像折线图一样是连续的。
plt.hist(x)

• x：在x轴上绘制箱体的定量数据输入值

pie()——用于绘制饼图

plt.pie(x)

• x：定性数据的不同类别的百分比

polar()——用于绘制极线图

plt.polar(theta,r)

• theta：每个标记所在射线与极径的夹角。
• r：每个标记到原点的距离。

scatter()——用于绘制气泡图

plt.scatter(x,y)

• x:x轴上的数值。
• y:y轴上的数值。
• s：散点标记的大小。
• c：散点标记的颜色。
• cmap：将浮点数映射成颜色的颜色映射表。

stem()——用于绘制棉棒图

plt.stem(x,y)

• x：指定棉棒的x轴基线上的位置。
• y：绘制棉棒的长度。
• linefmt：棉棒的样式。
• markerfmt：棉棒末端的样式。
• basefmt：指定基线的样式。

boxplot()——用于绘制箱线图

plt.boxplot(x)

• x：绘制箱线图的输入数据

errorbar()——用于绘制误差棒图

plt.errorbar(x,y,yerr=a,xerr=b)

• x：数据点的水平位置。
• y：数据点的垂直位置。
• yerr:y轴方向的数据点的误差计算方法。
• xerr:x轴方向的数据点的误差计算方法。

---

绘制统计图形

柱状图

定性数据的分布展示
bar(x,y,align="center",color="b",tick_label=["A","B","C","D","E"],alpha=0.6)

• x：柱状图中的柱体标签值。
• y：柱状图中的柱体高度。
• align：柱体对齐方式。
• color：柱体颜色。
• tick_label：刻度标签值。
• alpha：柱体的透明度。
  注意：柱状图适合离散数据，当为连续数据时，很容易使数据“无法显示”，因为x轴太多而导致间隔太大，显示不出
  解决办法：

方法1：重新设置一个索引，不以datetime作为轴
df.reset_index(inplace=True)
方法2：理论上来说，将datetime重新变成离散的str或object也可行，不过我试了一下
#转换为obj不行
df['dt'] = df['dt'].astype('object')
如果有懂的大佬麻烦解决一下

条形图

barh(x,y,align="center",color="k",tick_label=["A","B","C","D","E"])

堆积图柱状图

plt.bar(x,y,align="center",color="#66c2a5",tick_label=["A","B","C","D","E"],label="班级A") plt.bar(x,y1,align="center",bottom=y,color="#8da0cb",label="班级B")

堆积条形图

plt.barh(x,y,align="center",color="#66c2a5",tick_label=["A","B","C","D","E"],label="班级A") plt.barh(x,y1,align="center",left=y,color="#8da0cb",label="班级B")

多数据并列分块图

plt.bar(x,y,bar_width,color="c",align="center",label="班级A",alpha=0.5) plt.bar(x+bar_width,y1,bar_width,color="b",align="center",label="班级B",alpha=0.5)

多数据平行条形图

plt.barh(x,y,bar_width,color="c",align="center",label="班级A",alpha=0.5) plt.barh(x+bar_width,y1,bar_width,color="b",align="center",label="班级B", alpha=0.5)

装饰柱体

plt.bar(x,y,align="center",color="c",tick_label=["A","B","C","D","E"],ha tch="///")

• hatch：‘/’、‘\’、‘|’、‘-’
  

stackplot()绘制堆积折线图

plt.stackplot(x,y,y1,y2,labels=labels,colors=colors)

broken_barh()绘制间断条形图

plt.broken_barh([(30,100),(180,50),(260,70)],(20,8),facecolors="#1f78b4") plt.broken_barh([(60,90),(190,20),(230,30),(280,60)],(10,8),facecolors=("#7fc97f","#beaed4","#fdc086","#ffff99"))

step()绘制阶梯图

plt.step(x,y,color="#8dd3c7", where="pre",lw=2)

• where: pre/post 表示x轴上的每个数据点对应的y轴上的数值向左侧绘制水平线直到x轴上的此数据点的左侧相邻数据点为止
  

直方图

hist(x,bins=bins,color="b",histtype="bar",label="score",rwidth=10)

• x：连续型数据输入值。
• bins：用于确定柱体的个数或是柱体边缘范围。
• color：柱体的颜色。
• histtype：柱体类型。
• label：图例内容。
• rwidth：柱体宽度

堆积直方图

plt.hist(x,bins=bins,color=colors,histtype="bar",rwidth=10,stacked=True,label=labels)

• stacked

阶梯直方图

plt.hist(x,bins=bins,color=colors,histtype="stepfilled",rwidth=10,stacked=True,label=labels)

• histtype: stepfilled

饼图

定性数据的比例展示
pie(students,explode=explode,labels=labels,autopct="%3.1f%%",startangle=45,shadow=True,colors=colors)

• students：饼片代表的百分比。
• explode：饼片边缘偏离半径的百分比。
• labels：标记每份饼片的文本标签内容。
• autopct：饼片文本标签内容对应的数值百分比样式。
• startangle：从x轴作为起始位置，第一个饼片逆时针旋转的角度。
• shadow：是否绘制饼片的阴影。
• colors：饼片的颜色。
  

内嵌环形饼图

boxplot()箱线图

bplot = plt.boxplot(testList,whis=whis,widths=width,sym="o",labels=labels,patch_artist=True)

• testList：绘制箱线图的输入数据。
• whis：四分位间距的倍数，用来确定箱须包含数据的范围的大小。
• widths：设置箱体的宽度。
• sym：离群值的标记样式。
• labels：绘制每一个数据集的刻度标签。
• patch_artist：是否给箱体添加颜色。
  

水平方向的箱线图

plt.boxplot(x,vert=False)

误差棒图

定量数据的误差范围
误差棒的计算方法可以有很多种：单一数值、置信区间、标准差和标准误等
plt.errorbar(x,y,yerr=error_limit,fmt=":o",ecolor="y",elinewidth=4,ms=5,mfc="c",mec='r',capthick=1,capsize=2)

• x,y：数据点的位置。
• yerr：单一数值的非对称形式误差范围。
• fmt：数据点的标记样式和数据点标记的连接线样式。
• ecolor：误差棒的线条颜色。
• elinewidth：误差棒的线条粗细。
• ms：数据点的大小。
• mfc：数据点的标记颜色。
• mec：数据点的标记边缘颜色。
• capthick：误差棒边界横杠的厚度。
• capsize：误差棒边界横杠的大小。
  

带误差棒的柱状图

error_attri =dict(elinewidth=2,ecolor="black",capsize=3)
plt.bar(x,y,color="c",width=0.6,align="center",yerr=std_err,error_kw=error_attri,tick_label=["园区1","园区2","园区3","园区4","园区5"])

• yerr/xerr
• error_kw:误差棒的属性和属性值的控制
  

完善统计图形

函数legend()和函数title()——添加图例和标题

lengend()

plt.legend(loc="upper left",bbox_to_anchor=(0.05,0.95),ncol=3,title="powerfunction",shadow=True,fancybox=True)

• bbox_to_anchor:线框位置参数
• shadow:线框阴影
• fancybox:线框圆角处理参数

title()

plt.title("Left Demo",loc="left",fontdict={"size":"xx-large","color":"r","family":"Times New Roman"})plt.title("right demo",loc="right",family="Comic Sans MS",size=20,style="oblique",color="c")