python绘制非常漂亮的图表,python制作简单图形

大家好，小编为大家解答基于python的图表生成系统的问题。很多人还不知道python做图表的模块有哪些，现在让我们一起来看看吧！

目录

一、使用plot()绘制直线图

1.  代码实例：绘制直线图

二、使用plot()绘制折线图

1.  代码实例1：绘制折线图 

2.  代码实例2：绘制折线+曲线

三、使用bar()绘制柱状图

1.  代码实例1： 单列柱状图绘制

2.  代码实例2：双列条形图绘制

3.  代码实例3：数据对比柱状图绘制

四、使用bath()绘制条形图

1.  代码实例 1：绘制单列条形图

2.  代码实例2：绘制双列条形图

五、使用pie()绘制饼图

1.  代码实例1：绘制十等分饼图

2.  代码实例2： 不同数据饼图绘制

六、使用scatter()绘制散点图

1.  代码实例1： 绘制sin散点图

2.  代码实例2：双数据散点图绘制

七、使用subplot()绘制子图

1.  代码实例1：通过plt的subplot绘制子图

2.  代码实例2：通过figure的add_subplot绘制子图

3.  代码实例3：多个函数的子图绘制

---

一、使用plot()绘制直线图

1.  代码实例：绘制直线图

import matplotlib.pyplot as plt
x=[1, 2, 3, 4, 5]
y=[2, 4, 6, 8, 10]
plt.plot(x, y)
plt.show()

二、使用plot()绘制折线图

1.  代码实例1：绘制折线图 

import matplotlib.pyplot as plt
x = [1,2,3,4,5,6,7,8,9,10]
y = [1,4,2,3,5,2,9,5,8,6]
plt.plot(x, y)    # 展示的数据
plt.show()        # 数据展示

---

2.  代码实例2：绘制折线+曲线

import numpy as np
import matplotlib.pyplot as plt
plt.figure(dpi=130)   # 设置绘图窗口的大小

plt.rcParams['font.sans-serif'] = 'SimHei'  # 中文显示
plt.rcParams['axes.unicode_minus'] = False

x = np.linspace(0, 2*np.pi, 100)    # 产生100个0到2π之间的元素
y = np.sin(x) + np.random.rand(100)

plt.plot(x, y,'r')    # 折线图绘制
plt.plot(x, np.sin(x),'g')  # sin(x)的曲线绘制
plt.legend(['折线', 'sin曲线'])    # 设置图表的图例
plt.show()

 

三、使用bar()绘制柱状图

1.  代码实例1： 单列柱状图绘制

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5, 6]
y = [6, 5, 4, 3, 2, 1]
plt.bar(x,y, width = 0.8, align = 'center', color = 'blue')  
plt.show()

---

2.  代码实例2：双列条形图绘制

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(3)
y = [2, 6, 3]
y1 = [6, 10, 4]

bar_width = 0.4
tick_label = ["A", "B", "C"]
plt.bar(x, y, align="center", color="c",width=bar_width,label="title_A",alpha=0.5)
plt.bar(x+bar_width, y1, align="center",color="b",width=bar_width,label="title_B",alpha=0.5)
plt.xticks(x+bar_width/2, tick_label)
plt.legend()
plt.show()

---

3.  代码实例3：数据对比柱状图绘制

import numpy as np
import matplotlib.pyplot as plt

plt.figure(figsize=(9, 5))  # 绘制绘图窗口的大小

# 中文显示
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False

# 设置图表数据
x = range(15)
np.random.seed(123)
y1 = np.random.random(15)
y2 = np.random.random(15)

# 绘制柱状图
plt.bar(x, y1, facecolor='#FFF68F')
plt.bar(x, -y2, facecolor='#9999FF')

# 柱状图注释设置
for i, j in zip(x, y1):
    plt.text(i, j, '%.2f' % j, ha='center', va='bottom')
for i, j in zip(x, y2):
    plt.text(i, -j, '%.2f' % j, ha='center', va='top')

plt.ylim(-1.2, 1.2)  # 设置Y轴的范围
plt.title('数据对比')
plt.show()

四、使用bath()绘制条形图

1.  代码实例 1：绘制单列条形图

import matplotlib.pyplot as plt
x = [1, 2, 3, 4]
y = [60, 25, 78, 50]
plt.barh(x, y, align = 'center', color = 'blue')  
plt.show()

---

2.  代码实例2：绘制双列条形图

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(4)
y = [6,10,4,5]
y1 = [2,6,3,8]

bar_width = 0.4
tick_label = ["A","B","C","D"]

plt.barh(x,y,bar_width,align="center",color="c",label="title_A",alpha=1)
plt.barh(x+bar_width,y1,bar_width,align="center",color="b",label="title_B",alpha=1)
plt.yticks(x+bar_width/2,tick_label)
plt.legend()
plt.show()

五、使用pie()绘制饼图

1.  代码实例1：绘制十等分饼图

import matplotlib.pyplot as plt
import numpy as np
plt.figure(figsize=(5, 5))   # 设置绘图窗口

z = np.ones(10)      # 设置一个十等份的数据
plt.pie(z, autopct='%.2f%%', explode=[0.1] + [0]*9, labels=list('ABCDEFGHIJ'), labeldistance=1.1)
plt.show()

 

2.  代码实例2： 不同数据饼图绘制

import matplotlib.pyplot as plt

plt.figure(figsize=(5, 5))
x = [25, 45, 69, 30, 80, 12]

plt.pie(x, autopct='%.2f%%', labels=list('ABCDEF'))  
plt.show()

六、使用scatter()绘制散点图

1.  代码实例1： 绘制sin散点图

import numpy as np
import matplotlib.pyplot as plt
plt.figure(figsize=(9, 5))    # 绘制绘图窗口的大小

plt.rcParams['font.sans-serif'] = 'SimHei'  # 中文显示
plt.rcParams['axes.unicode_minus'] = False

x = np.linspace(0, 2*np.pi, 100)   # 产生100个0到2π之间的元素
y = np.sin(x) + np.random.rand(100)

plt.title('sin散点图')
plt.scatter(x, y)
plt.show()

2.  代码实例2：双数据散点图绘制

import numpy as np
import matplotlib.pyplot as plt

x1 = np.random.randn(20)
x2 = np.random.randn(20)
plt.figure(1)
plt.plot(x1, 'bo', markersize=20)
plt.plot(x2, 'ro', ms=10,)
plt.show()

七、使用subplot()绘制子图

1.  代码实例1：通过plt的subplot绘制子图

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

# 画第1个子图：折线图
x=np.arange(1,100)
plt.subplot(221)   # 第一行第一个子图
plt.plot(x,x*x)

# 画第2个子图：散点图
plt.subplot(222)  # 第一行第二个子图
plt.scatter(np.arange(0,10), np.random.rand(10))

# 画第3个子图：饼图
plt.figure(figsize=(7, 7))
plt.subplot(223)   # 第二行第一个子图
plt.pie(x=[15,30,45,10],labels=list('ABCD'),autopct='%.0f%%',explode=[0,0.05,0,0])

# 画第4个子图：条形图
plt.subplot(224)   # 第二行第二个子图
plt.bar(['a','b','c','d','e'],[20,15,35,25,20],color='r')
plt.show()

2.  代码实例2：通过figure的add_subplot绘制子图

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

fig=plt.figure(figsize=(7, 7))

# 画第1个图：折线图
x=np.arange(1,100)
ax1=fig.add_subplot(221)
ax1.plot(x,x*x)

# 画第2个图：散点图
ax2=fig.add_subplot(222)
ax2.scatter(np.arange(0,10), np.random.rand(10))

# 画第3个图：饼图
ax3=fig.add_subplot(223)
ax3.pie(x=[15,30,45,10],labels=list('ABCD'),autopct='%.0f%%',explode=[0,0.05,0,0])

# 画第4个图：条形图
ax4=fig.add_subplot(224)
ax4.bar(['a','b','c','d','e'],[20,15,35,25,20],color='r')
plt.show()

3.  代码实例3：多个函数的子图绘制

# coding=utf-8
import numpy as np
import matplotlib.pyplot as plt
 
# 创建一个两行两列的图表, ax表示每一个子图，是一个两行两列的矩阵
fig, ax = plt.subplots(2, 2, sharex=False, sharey=False)
 
# 在第1行第1列(ax[0][0])绘制正弦曲线
x = np.arange(-2 * np.pi, 2 * np.pi, 0.2)
sin_x = np.sin(x)
ax[0][0].plot(x, sin_x)
ax[0][0].set(title='y = sin(x)')
 
# 在第1行第2列绘制正弦曲线
cos_x = np.cos(x)
ax[0][1].plot(x, cos_x, 'r')
ax[0][1].set(title='y = cos(x)')
 
# 在第2行第1列绘制对数曲线
x = np.arange(1, 100, 0.01)
log_x = np.log(x)
ax[1][0].plot(x, log_x, 'g')
ax[1][0].set(title='y = log(x)')
 
# 在第2行第2列绘制指数曲线
x = np.arange(-1, 1, 0.01)
exp_x = np.exp(x)
ax[1][1].plot(x, exp_x, 'y')
ax[1][1].set(title='y = exp(x)')
 
# 调整子图之间的距离，wspace:为水平间隔百分比，hspace为垂直间隔百分比
plt.subplots_adjust(wspace=0.4, hspace=0.6)  # 调整子图间距
plt.savefig('subplot.png')   # 保存图表
plt.show()    # 显示图表