100天精通Python（可视化篇）——第78天：matplotlib绘图模块基础入门大全
文章目录
- 专栏导读
- 一、课程介绍
-
- 为什么要学习matplotlib
- 什么是matplotlib
- 二、绘制折线图
-
- 基础绘图
- 设置图片大小和分辨率
- 调整X或者Y轴上的刻度
- 设置中文显示
- 坐标轴添加描述信息
- 绘制网格
- 双折线图
- 添加图例
- 自定义绘制图形的风格
- 保存图片
- 三、绘制散点图
-
- 普通绘图
- 双散点图
- 四、绘制条形图
-
- 绘制竖着条形图
- 绘制横着条形图
- 绘制多条形图
- 五、直方图：hist
-
- 频数分布直方图
- 频率分布直方图
- 六、更多的图形样式
- 七、通用自定义图片方法
- 书籍推荐
专栏导读
作者介绍：Python领域优质创作者、CSDN/华为云/阿里云/掘金/知乎等平台专家博主
- 本文已收录于Python全栈系列专栏：《100天精通Python从入门到就业》
- 此专栏文章是专门针对Python零基础小白所准备的一套完整教学，从0到100的不断进阶深入的学习，各知识点环环相扣
- 订阅专栏后续可以阅读Python从入门到就业100篇文章；还可私聊进千人Python全栈交流群（手把手教学，问题解答）； 进群可领取80GPython全栈教程视频 + 300本计算机书籍：基础、Web、爬虫、数据分析、可视化、机器学习、深度学习、人工智能、算法、面试题等。
- 加入我一起学习进步，一个人可以走的很快，一群人才能走的更远！
一、课程介绍
1、什么是matplotlib
2、matplotlib基本要点
3、matplotlib的折线图、散点图、直方图、柱状图
4、更多的画图工具
为什么要学习matplotlib
1.能将数据进行可视化,更直观的呈现
2.使数据更加客观、更具说服力
什么是matplotlib
Matplotlib 是一个 Python 的 2D绘图库，主要做数据可视化图表，通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。
官方文档：http://matplotlib.org
-
用于创建出版质量图表的绘图工具库
-
目的是为Python构建一个Matlab式的绘图接口
-
import matplotlib.pyplot as plt -
pyploy模块包含了常用的matplotlib API函数
安装（cmd控制台）:
pip install matplotlib
二、绘制折线图
基础绘图
axis轴,指的是x或者y这种坐标轴
每个红色的点是坐标,把5个点的坐标连接成一条线,组成了一个折线图
案例：假设一天中每隔两个小时(range(2,26,2))的气温(℃)分别是 [15,13,14.5,17,20,25,26,26,27,22,18,15]
import matplotlib.pyplot as plt
x = range(2, 26, 2) # 数据在x轴的位置，是一个可迭代对象
y = [15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15] # 数据在y轴的位置，是一个可迭代对象
"""
x轴和y轴的数据一起组成了所有要绘制出的坐标
分别是(2,15)、(4,13)、(6,14.5)、（8,17)......
"""
plt.plot(x, y) # 传入x和y，通过plot绘制出折线图
plt.show() # 在执行程序的时候展示出图形
输出结果：
但是目前存在以下几个问题:
- 1、设置图片大小(想要一个高清无码大图)
- 2、保存到本地
- 3、描述信息,比如x轴和y轴表示什么,这个图表示什么
- 4、调整x或者y的刻度的间距
- 5、线条的样式(比如颜色,透明度等)
- 6、标记出特殊的点(比如告诉别人最高点和最低点在哪里)
- 7、给图片添加一个水印(防伪,防止盗用)
设置图片大小和分辨率
设置大小和清晰度：fig = plt.figure(figsize=(长度, 宽度), dpi=清晰度)
figsize=(20, 8)：代表长宽dpi= 80：图片的清晰度
import matplotlib.pyplot as plt
x = range(2, 26, 2)
y = [15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15]
fig = plt.figure(figsize=(20, 8), dpi=80)
"""
figure图形图标的意思，在这里指的是我们画的图
通过实例化一个figure并且传递参数，能够后台自动使用该figure实例
在图形模糊的时候可以传入dpi参数，让图片更加清晰
"""
plt.plot(x, y)
plt.savefig("./1.png") # 保存图片；可以保存后缀为.svg这种矢量图格式，放大就不会有锯齿
plt.show()
输出结果：
调整X或者Y轴上的刻度
设置x轴刻度：plt.xticks()
设置y轴刻度：plt.yticks()
import matplotlib.pyplot as plt
x = range(2, 26, 2)
y = [15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15]
# 设置图片大小
fig = plt.figure(figsize=(20, 8), dpi=80)
# 设置x轴刻度
plt.xticks(x)
# plt.xticks(x[::2}) # 当刻度太密集时使用列表步长间隔取值来解决
# 设置y轴刻度
plt.yticks(range(min(y), max(y) + 1))
# 绘图
plt.plot(x, y)
# 显示图片
plt.show()
设置中文显示
matplotlib默认不支持中文字符，因为默认的英文字体无法显示汉字
修改matplotlib的默认字体的两种方式：
- 通过
matplotlib模块下的matplotlib.rc可以修改，具体方法参见源码(windows/linux) - 通过
matplotlib模块下的font_manager可以解决(windows/linux/mac)
推荐用第一种，设置一次后后续代码就不用设置了
使用第一种方法：
import matplotlib.pyplot as plt
import random
import matplotlib
# 设置字体方法1（设置全局中文字体）
matplotlib.rc("font", family='MicroSoft YaHei', weight='bold')
x = range(0, 120)
y = [random.randint(20, 35) for i in range(120)]
# 设置图片大小
fig = plt.figure(figsize=(20, 8), dpi=80)
# 调整x轴刻度
_xtick_labels = ["10点{}分".format(i) for i in range(60)]
_xtick_labels += ["11点{}分".format(i) for i in range(60)]
# 设置步长，数字和字符串一一对应（数据的长度）
plt.xticks(list(x)[::3], _xtick_labels[::3], rotation=45) # rotation旋转刻度的度数
# 绘图
plt.plot(x, y)
# 显示图片
plt.show()
输出结果：
坐标轴添加描述信息
设置标题：plt.title("10点到12点每分钟的气温变化情况图")
设置x轴图例：plt.xlabel("时间")
设置y轴图例：plt.ylabel("温度 单位（℃）")
import matplotlib.pyplot as plt
import random
import matplotlib
# 设置字体方法1
matplotlib.rc("font", family='MicroSoft YaHei', weight='bold')
x = range(0, 120)
y = [random.randint(20, 35) for i in range(120)]
# 设置图片大小
fig = plt.figure(figsize=(20, 8), dpi=80)
# 调整x轴刻度
_xtick_labels = ["10点{}分".format(i) for i in range(60)]
_xtick_labels += ["11点{}分".format(i) for i in range(60)]
# 设置步长
plt.xticks(list(x)[::3], _xtick_labels[::3], rotation=45) # rotation旋转刻度的度数
#设置图例
plt.xlabel("时间")
plt.ylabel("温度 单位（℃）")
plt.title("10点到12点每分钟的气温变化情况图")
# 绘图
plt.plot(x, y)
# 显示图片
plt.show()
输出结果：
绘制网格
设置网格：plt.grid(alph=0.4)
alph=0.4表示设置透明度，也可以省略不设置
import matplotlib.pyplot as plt
import random
import matplotlib
# 设置字体方法1
matplotlib.rc("font", family='MicroSoft YaHei', weight='bold')
x = range(0, 120)
y = [random.randint(20, 35) for i in range(120)]
# 设置图片大小
fig = plt.figure(figsize=(20, 8), dpi=80)
# 调整x轴刻度
_xtick_labels = ["10点{}分".format(i) for i in range(60)]
_xtick_labels += ["11点{}分".format(i) for i in range(60)]
# 设置步长
plt.xticks(list(x)[::3], _xtick_labels[::3], rotation=45) # rotation旋转刻度的度数
#设置图例
plt.xlabel("时间")
plt.ylabel("温度 单位（℃）")
plt.title("10点到12点每分钟的气温变化情况图")
# 设置网格
plt.grid()
# 绘图
plt.plot(x, y)
# 显示图片
plt.show()
输出结果：出现x轴y轴密度相对应的网格
双折线图
假设大家在30岁的时候,根据自己的实际情况,统计出来了你和你同桌各自从11岁到30岁每年交的女(男)朋友的数量如列表a和b,请在一个图中绘制出该数据的折线图,以便比较自己和同桌20年间的差异,同时分析每年交女(男)朋友的数量走势
y_1 = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
y_2 = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1]
要求:
- y轴表示个数
- x轴表示岁数,比如11岁,12岁等
import matplotlib.pyplot as plt
import matplotlib
y_1 = [1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3, 3, 1, 1, 1]
y_2 = [1, 0, 3, 1, 2, 2, 3, 3, 2, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1]
x = range(11, 31)
# 设置字体方法1
matplotlib.rc("font", family='MicroSoft YaHei', weight='bold')
# 设置图片大小
fig = plt.figure(figsize=(20, 8), dpi=80)
# 调整x轴
_xtick_labels = ["{}岁".format(i) for i in x]
plt.xticks(x, _xtick_labels)
# 设置y轴
plt.yticks(range(0, 9))
# 设置网格
plt.grid()
# 绘图
plt.plot(x, y_1)
plt.plot(x, y_2)
# 显示图片
plt.show()
输出结果：
问题：没法区别哪条线是自己，哪条线是同桌；需要添加图例
添加图例
绘图时添加 label参数
plt.plot(x, y_1, label="自己")
plt.plot(x, y_2, label="同桌")
绘图下方输入添加图例代码：
plt.legend()
注意：添加图例代码一定是要在添加图例代码下方
import matplotlib.pyplot as plt
import matplotlib
y_1 = [1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3, 3, 1, 1, 1]
y_2 = [1, 0, 3, 1, 2, 2, 3, 3, 2, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1]
x = range(11, 31)
# 设置字体方法1
matplotlib.rc("font", family='MicroSoft YaHei', weight='bold')
# 设置图片大小
fig = plt.figure(figsize=(20, 8), dpi=80)
# 调整x轴
_xtick_labels = ["{}岁".format(i) for i in x]
plt.xticks(x, _xtick_labels)
# 设置y轴
plt.yticks(range(0, 9))
# 设置网格
plt.grid()
# 绘图
plt.plot(x, y_1, label="自己")
plt.plot(x, y_2, label="同桌")
# 添加图例
plt.legend()
# 显示图片
plt.show()
输出结果：
自定义绘制图形的风格
绘图时添加参数：
plt.plot(
x, # x轴
y, # y轴
color='r', # 线条颜色
linestyle='--', # 线条风格
linewidth=5, # 线条粗细
alpha=0.5 # 透明度
)
| 颜色字符 | 风格字符 |
|---|---|
r （红色） |
-（实线） |
g （绿色） |
-- （虚线） |
b（蓝色） |
-.（点划线） |
w（白色） |
:（点虚线，虚线） |
c （青色） |
'' （留空或空格，无线条） |
m（洋红） |
|
y （黄色） |
|
k（黑色） |
|
#000ff00 （16进制） |
|
0.8（灰度值字符串） |
|
保存图片
plt.savefig("路径/图片名.png")
当前路径下生成图片文件：
三、绘制散点图
绘制散点图和折线图的唯一区别在于，绘图时使用：
plt.scatter(x, y)
普通绘图
import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
# 使用scatter绘制散点图，和之前绘制折线图的唯一区别
plt.scatter(x, y)
# 显示
plt.show()
运行结果：
双散点图
假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律?
a = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
from matplotlib import pyplot as plt
import matplotlib
# 设置全局中文字体
matplotlib.rc("font", family='MicroSoft YaHei', weight='bold')
y_3 = [11, 17, 16, 11, 12, 11, 12, 6, 6, 7, 8, 9, 12, 15, 14, 17, 18, 21, 16, 17, 20, 14, 15, 15, 15, 19, 21, 22, 22,
22, 23]
y_10 = [26, 26, 28, 19, 21, 17, 16, 19, 18, 20, 20, 19, 22, 23, 17, 20, 21, 20, 22, 15, 11, 15, 5, 13, 17, 10, 11, 13,
12, 13, 6]
x_3 = range(1, 32)
x_10 = range(51, 82)
# 设置图形大小
plt.figure(figsize=(20, 8), dpi=80)
# 使用scatter绘制散点图，和之前绘制折线图的唯一区别
plt.scatter(x_3, y_3,label="三月份")
plt.scatter(x_10, y_10,label="10月份")
# 调整x轴的刻度
_x = list(x_3) + list(x_10)
_xtick_labels = ["3月{}日".format(i) for i in x_3]
_xtick_labels += ["10月{}日".format(i - 50) for i in x_10]
plt.xticks(_x[::3], _xtick_labels[::3], rotation=45)
# 添加图例
plt.legend(loc="upper left")
# 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("标题")
# 显示
plt.show()
运行结果：
四、绘制条形图
绘制竖着条形图
假设你获取到了2017年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据?
x = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
y = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23] # 单位:亿
import matplotlib.pyplot as plt
import matplotlib
x = ["战狼2", "速度与激情8", "功夫瑜伽", "西游伏妖篇", "变形金刚5：最后的骑士", "摔跤吧！爸爸", "加勒比海盗5：死无对证", "金刚：骷髅岛", "极限特工：终极回归", "生化危机6：终章",
"乘风破浪", "神偷奶爸3", "智取威虎山", "大闹天竺", "金刚狼3：殊死一战", "蜘蛛侠：英雄归来", "悟空传", "银河护卫队2", "情圣", "新木乃伊", ]
y = [56.01, 26.94, 17.53, 16.49, 15.45, 12.96, 11.8, 11.61, 11.28, 11.12, 10.49, 10.3, 8.75, 7.55, 7.32, 6.99, 6.88,
6.86, 6.58, 6.23]
# 设置全局中文字体
matplotlib.rc("font", family='MicroSoft YaHei', weight='bold')
# 设置图形大小
plt.figure(figsize=(20, 8), dpi=80)
# 绘制条形图
plt.bar(range(len(x)), y, width=0.3)
# 设置字符串到x轴
plt.xticks(range(len(x)), x, rotation=45)
plt.show()
运行结果：
绘制横着条形图
与竖着条形图的区别在于：
- 1、绘图的方法小差别：
plt.barh(x, y) - 2、字符串绘制到y轴：
plt.yticks(range(len(x)), x)
import matplotlib.pyplot as plt
import matplotlib
x = ["战狼2", "速度与激情8", "功夫瑜伽", "西游伏妖篇", "变形金刚5：最后的骑士", "摔跤吧！爸爸", "加勒比海盗5：死无对证", "金刚：骷髅岛", "极限特工：终极回归", "生化危机6：终章",
"乘风破浪", "神偷奶爸3", "智取威虎山", "大闹天竺", "金刚狼3：殊死一战", "蜘蛛侠：英雄归来", "悟空传", "银河护卫队2", "情圣", "新木乃伊", ]
y = [56.01, 26.94, 17.53, 16.49, 15.45, 12.96, 11.8, 11.61, 11.28, 11.12, 10.49, 10.3, 8.75, 7.55, 7.32, 6.99, 6.88,
6.86, 6.58, 6.23]
# 设置全局中文字体
matplotlib.rc("font", family='MicroSoft YaHei', weight='bold')
# 设置图形大小
plt.figure(figsize=(20, 8), dpi=80)
# 绘制条形图
plt.barh(range(len(x)), y, color="orange")
# 设置字符串到y轴
plt.yticks(range(len(x)), x)
# 绘制网格
plt.grid(alpha=0.5)
plt.show()
运行结果：
绘制多条形图
假设你知道了列表a中电影分别在2017-09-14(b_14), 2017-09-15(b_15), 2017-09-16(b_16)三天的票房,为了展示列表中电影本身的票房以及同其他电影的数据对比情况,应该如何更加直观的呈现该数据?
x = ["猩球崛起3：终极之战", "敦刻尔克", "蜘蛛侠：英雄归来", "战狼2"]
y_16 = [15746, 312, 4497, 319]
y_15 = [12357, 156, 2045, 168]
y_14 = [2358, 399, 2358, 362]
import matplotlib.pyplot as plt
import matplotlib
x = ["猩球崛起3：终极之战", "敦刻尔克", "蜘蛛侠：英雄归来", "战狼2"]
y_16 = [15746, 312, 4497, 319]
y_15 = [12357, 156, 2045, 168]
y_14 = [2358, 399, 2358, 362]
# 设置全局中文字体
matplotlib.rc("font", family='MicroSoft YaHei', weight='bold')
# 一天画完后，下一天往x轴左移
bar_width = 0.2 # 设置柱状图大小不能超过0.3
x_14 = list(range(len(x)))
x_15 = [i + bar_width for i in x_14]
x_16 = [i + bar_width * 2 for i in x_14]
# 设置图片大小
plt.figure(figsize=(20, 8), dpi=80)
# 绘图
plt.bar(range(len(x)), y_14, width=bar_width, label="9月14日")
plt.bar(x_15, y_15, width=bar_width, label="9月15日")
plt.bar(x_16, y_16, width=bar_width, label="9月16日")
# 设置图例
plt.legend()
# 设置x轴刻度
plt.xticks(x_15, x)
plt.show()
运行结果：
五、直方图：hist
一般来说能够使用plt.hist方法的的是那些没有统计过的数据
频数分布直方图
假设你获取了250部电影的时长(列表a中),希望统计出这些电影时长的分布状态(比如时长为100分钟到120分钟电影的数量,出现的频率)等信息,你应该如何呈现这些数据?
a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
把数据分为多少组进行统计???
组数要适当,太少会有较大的统计误差,大多规律不明显
import matplotlib.pyplot as plt
a = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124,
101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111, 78, 132, 124, 113, 150, 110, 117, 86,
95, 144, 105, 126, 130, 126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136, 123, 117, 119, 105, 137,
123, 128, 125, 104, 109, 134, 125, 127, 105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114, 105, 115,
132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134, 156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,
123, 107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133, 112, 114, 122, 109, 106, 123, 116, 131, 127,
115, 118, 112, 135, 115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154, 136, 100, 118, 119, 133, 134,
106, 129, 126, 110, 111, 109, 141, 120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126, 114, 140, 103,
130, 141, 117, 106, 114, 121, 114, 133, 137, 92, 121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113, 134,
106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110, 105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146,
133, 101, 131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111, 111, 133, 150]
# 计算组数
d = 3 # 组距尽可能是能被max，min整除的数
num_bins = (max(a) - min(a)) // d
# 设置图形大小
plt.figure(figsize=(20, 8), dpi=80)
# 绘制直方图
plt.hist(a, num_bins)
# 设置x轴刻度
plt.xticks(range(min(a), max(a) + d, d))
# 设置网格
plt.grid()
plt.show()
运行结果：
频率分布直方图
只需要修改一处代码plt.hist(a, num_bins, density=True) # density为True表示频率
import matplotlib.pyplot as plt
a = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124,
101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111, 78, 132, 124, 113, 150, 110, 117, 86,
95, 144, 105, 126, 130, 126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136, 123, 117, 119, 105, 137,
123, 128, 125, 104, 109, 134, 125, 127, 105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114, 105, 115,
132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134, 156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,
123, 107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133, 112, 114, 122, 109, 106, 123, 116, 131, 127,
115, 118, 112, 135, 115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154, 136, 100, 118, 119, 133, 134,
106, 129, 126, 110, 111, 109, 141, 120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126, 114, 140, 103,
130, 141, 117, 106, 114, 121, 114, 133, 137, 92, 121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113, 134,
106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110, 105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146,
133, 101, 131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111, 111, 133, 150]
# 计算组数
d = 3 # 组距尽可能是能被max，min整除的数
num_bins = (max(a) - min(a)) // d
# 设置图形大小
plt.figure(figsize=(20, 8), dpi=80)
# 绘制直方图
plt.hist(a, num_bins, density=True) # density为True表示频率
# 设置x轴刻度
plt.xticks(range(min(a), max(a) + d, d))
# 设置网格
plt.grid()
plt.show()
运行结果：
六、更多的图形样式
matplotlib支持的图形是非常多的：http://matplotlib.org/gallery/index.html
七、通用自定义图片方法
设置线条样式颜色：ax.plot(x, y, linestyle=‘--’, color=‘r’)
设置刻度范围：
plt.xlim(), plt.ylim()
ax.set_xlim(), ax.set_ylim()
设置显示的刻度：
plt.xticks(), plt.yticks()
ax.set_xticks(), ax.set_yticks()
设置刻度标签：
ax.set_xticklabels(), ax.set_yticklabels()
设置坐标轴标签：
ax.set_xlabel()
ax.set_ylabel()
设置标题
ax.set_title()
图例
ax.plot(label=‘legend’)
ax.legend()
plt.legend()
loc=‘best’：自动选择放置图例最佳位置
保存图片：
plt.savefig("路径/图片名.png")
书籍推荐
《大数据导论》
这是一个全新的时代：Web3.0构建的经济体系，DID身份的跨平台操作，数字NFT的原子级镜像，以及DeFi的无摩擦元资产再分配…2022年，奇点出现：元人即将诞生；元资产即将分配；元宇宙正在成形。本套书通过元宇宙三大定律、大统一方程、熵增定律、Web3.0、万亿元资产、元人与区块链文明构建了元宇宙第一大楼。第1-80层：数字人展位、电子宠物、数字藏品、3D沉侵式旅游、DeFi。第81-160层：AI、VR、AR、MR、DAO、Web3.0、边缘计算。第161-214+层：多场景阅读、4K空间、跨链许可、维度转换、无限∞世界。
如果不想抽奖当当自营购买链接：http://product.dangdang.com/29513251.html