python matplotlib 可视化绘图 常用的图表绘制代码汇总

导入库

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

设置rc动态参数，为了保证中文的正确显示

#设置rc动态参数
plt.rcParams['font.sans-serif']=['Simhei']  #显示中文
plt.rcParams['axes.unicode_minus']=False    #设置显示中文后,负号显示受影响,显示负号  

散点图

plt.figure(figsize=(8,6)) #设置画布大小
plt.scatter(df_cl["经度"],df_cl["维度"]) #设置数据源，x轴数据源和y轴数据源
plt.xlabel("经度",fontsize = 12)#设置x轴标签
plt.ylabel("维度",fontsize = 12)#设置y轴标签
plt.title("农作物分布",fontsize = 14)#设置标题
plt.yticks(range(0,91,30))#设置y轴的刻度
plt.xticks(range(0,181,30))#设置x轴的刻度
plt.show()

气泡图

plt.figure(figsize=(8,6))
plt.scatter(df_cl["经度"],df_cl["维度"],s=df_cl["产量"],alpha=0.6) #增加s气泡的大小取值，alpha设置透明度
#s设置点的尺寸,可以是标量,也可以是序列,alpha设置点的透明度
plt.xlabel("经度",fontsize = 12)#设置x轴标签
plt.ylabel("维度",fontsize = 12)#设置y轴标签
plt.title("农作物分布",fontsize = 14)#设置标题
plt.yticks(range(0,91,30))#设置y轴的刻度
plt.xticks(range(0,181,30))#设置x轴的刻度
plt.show()

 折线图

plt.figure(figsize=(14,6))
#在一个图内画多条折线，注意x轴数据源相同，y轴是不同数据源
plt.plot(df.index,df["收盘价"])
plt.plot(df.index,df["最高价"])
plt.plot(df.index,df["最低价"])
plt.plot(df.index,df["开盘价"])
plt.xticks(range(len( df.index)), df.index,rotation=30)#rotation=30把标签倾斜30
plt.xlabel("时间",fontsize = 12)
plt.ylabel("股价",fontsize = 12)
plt.title("2012年8-9月股价折线图",fontsize = 14)
plt.legend(["收盘价","最高价","最低价","开盘价"],loc=4);#loc设定图例的位置，4为右下

 普通纵向条形图

plt.figure(figsize=(12,6))
plt.bar(gp.mean().index,gp.mean()["A"],width=0.6) #设定x轴数据源，y轴数据源，width设定条形柱的宽度
plt.xlabel("各销售小组",fontsize = 12)
plt.ylabel("A产品销售额",fontsize = 12)
plt.title("各组A产品的平均销售额",fontsize = 14)
plt.show()

 堆积条形图

plt.figure(figsize=(12,6))  #设置画布大小
plt.bar(gp.mean().index,gp.mean()["A"],width=0.6)  
plt.bar(gp.mean().index,gp.mean()["B"],width=0.6,bottom=gp.mean()["A"]) 
#bottom表示这个图从那个起点开始画，就是落在a组的数据上
plt.bar(gp.mean().index,gp.mean()["C"],width=0.6,bottom=gp.mean()["A"]+gp.mean()["B"]) 
#为什么有index.index得到的是x轴的值
plt.xlabel("各销售小组",fontsize = 12)
plt.ylabel("产品销售额",fontsize = 12)
plt.title("各组产品的平均销售额",fontsize = 14)
plt.legend(["A","B","C"])  #设置图例
plt.show()

 多个不同类别的条形图

df_m.plot.bar("分组",
["A","B","C"],
figsize=(14,6),
rot=360,
title="三种产品销售额条形图");
#rot=360标签倾斜度

  横向条形图

plt.figure(figsize=(12,6))
plt.barh(gp.mean().index,gp.mean()["A"],height=0.6)  
plt.xlabel("各销售小组",fontsize = 12)
plt.ylabel("A产品销售额",fontsize = 12)
plt.title("各组A产品的平均销售额",fontsize = 14)
plt.show()

 横向堆积图

plt.figure(figsize=(12,6))  #设置画布大小
plt.barh(gp.mean().index,gp.mean()["A"],height=0.6)  
plt.barh(gp.mean().index,gp.mean()["B"],height=0.6,left=gp.mean()["A"]) #left表示这个图从那个起点开始画，就是落在a组的数据上
plt.barh(gp.mean().index,gp.mean()["C"],height=0.6,left=gp.mean()["A"]+gp.mean()["B"]) #为什么有index.index得到的是Y轴的坐标标签
plt.xlabel("产品销售额",fontsize = 12)
plt.ylabel("各销售小组",fontsize = 12)
plt.title("各组产品的平均销售额",fontsize = 14)
plt.legend(["A","B","C"])  #设置图例
plt.show()

 饼图

#查看dataframe中一列的数据占比
#数据源取某一列
plt.figure(figsize=(6,6))
#labels 标签  
plt.pie(gp_c["C"],
       labels=gp_c.index,
       autopct="%.2f%%")
plt.title("销售占比")
plt.show()

#查看一行中数据占比
plt.figure(figsize=(6,6))
#labels 标签  
plt.pie(gp_c.iloc[0,0::],
       labels=["A","B","C"],
       autopct="%.2f%%",
    explode=[0.11,0.05,0.01])#设置饼与饼之间的缝隙
plt.title("一组销售占比")
plt.show()

 箱型图/箱线图/盒须图

plt.figure(figsize=(10,5))
plt.boxplot((stu["语文"],stu["数学"],stu["英语"]),
           notch=True,     #中位数线是黄色的线，在中位数线位置显示缺口
           sym="*",        #显示异常值为星号，默认为一个圈
        #  vert=False     #设置箱体的方向，默认是纵向，false为横向
          # whis=1,       #设置异常值范围，默认是上下四分位加减1.5iqr
           meanline=True,   #显示均值线
           showmeans=True)   #显示均值线
plt.title("学生成绩")
plt.xticks(np.arange(1,4), ["语文","数学","英语"])  #设置x轴的坐标标签
plt.xlabel("学科",fontsize=12)
plt.ylabel("成绩",fontsize=12)
plt.show()