python matplotlib绘图大全（散点图、柱状图、饼图、极坐标图、热量图、三维图以及热图）...

青旅半醒 2021-11-29 06:36 950阅读 0赞

//2019.7.14晚  
***matplotlib七种常见图像输出编程大全***

七种图形汇总输出如下：

![1499410-20190714185548968-196982552.png][]  
**import numpy as np \#导入数据结构nmupy模块**  
**import matplotlib.pyplot as plt \#导入matplotlib图像输出模块**  
**plt.rcParams\["font.sans-serif"\]=\["SimHei"\] \#输出图像的标题可以为中文正常输出**  
**plt.rcParams\["axes.unicode\_minus"\]=False \#可以正常输出图线里的负号**

（必会用到的导入模块）  
***\#1-1散点图输出***  
fig=plt.figure()  
fig.add\_subplot(3,3,1)  
n=128  
X=np.random.normal(0,1,n) \#随机数X的生成（生成正态分布，平均数为0，方差为1，个数为128）  
Y=np.random.normal(0,1,n) \#随机数Y的生成（生成正态分布，平均数为0，方差为1，个数为128）  
T=np.arctan2(Y,X)  
\#plt.axes(\[0.025,0.025,0.95,0.95\]) \#指定显示范围  
plt.scatter(X,Y,s=75,c=T,alpha=.5) \#画散点图的函数scatter（其中XY表示数值的大小，s表示散点的尺寸大小，c表示颜色，alpha表示透明度)  
plt.xlim(-1.5,1.5),plt.xticks(\[\]) \#x和y坐标轴的范围  
plt.ylim(-1.5,1.5),plt.yticks(\[\]) \#x和y坐标轴的范围  
plt.axis() \#显示所有图像范围  
plt.title("scatter")  
plt.xlabel("x")  
plt.ylabel("y")

![1499410-20190714185603464-516748432.png][]

***\#1-2bar 柱状图***  
fig.add\_subplot(3,3,2)  
n=10  
X=np.arange(n) \#定义从0-9的数列  
Y1=(1-X/float(n))\*np.random.uniform(0.5,1.0,n) \#定义变量X的计算方式  
Y2=(1-X/float(n))\*np.random.uniform(0.5,1.0,n) \#定义变量Y的计算方式  
plt.bar(X,Y1,facecolor="\#9999ff",edgecolor="white") \#编辑输出柱状图的格式（其中facecolor表示输出柱状图的颜色，edgecolor表示边框的颜色）  
plt.bar(X,-Y2,facecolor="\#ff9999",edgecolor="white") \#编辑输出柱状图的格式  
for x,y in zip(X,Y1): \#编辑输出柱状图的位置格式（其中0.4表示每个柱状图之间的距离，'%.2f'% y表示输出小数点的位数，ha表示数值标注横向对齐，va表示柱状图纵向对齐位置）  
plt.text(x,y+0.05,'%.2f'% y,ha='center',va="bottom")  
for x, y in zip(X,Y2):  
plt.text(x,-y-0.05,'%.2f'% y,ha='center',va="top")

![1499410-20190714184941630-1457812715.png][]  
***\#Pie1-3(饼图)***  
fig.add\_subplot(3,3,3)  
n=20  
z=np.ones(n)  
z\[-1\]=2  
plt.pie(z,explode=z\*.05,colors=\["%f"%(i/float(n)) for i in range(n)\],labels=\["%.2f"%(i/float(n)) for i in range(n)\])  
\#其中z为原来输入的数组，explode表示整个扇形距离圆心的距离大小（如果不写默认为0），colors表示颜色变化，labels表示各个扇形的数值大小（其中2表示小数位数大小  
plt.gca().set\_aspect("equal") \#圆形  
plt.xticks(\[\])  
plt.yticks(\[\])

plt.show()

![1499410-20190714185022283-885326299.png][]  
***\#polar1-4(极坐标图)***  
***fig.add\_subplot(3,3,4,polar=True) \#需要使得polar模块为真True***  
n=20  
theta=np.arange(0.0,2\*np.pi,2\*np.pi/n) \#定义角度  
radii=10\*np.random.rand(n) \#定义半径  
plt.plot(theta,radii) \#输出折线图  
\#plt.polar(theta,radii)两种方式都可以 \#输出极坐标图

![1499410-20190714185046188-1082223200.png][]

***\#1-5 heatmap***  
***from matplotlib import cm \#输出颜色设置模块***  
fig.add\_subplot(335)  
data=np.random.rand(3,3)  
cmap=cm.Blues \#选择颜色系为蓝色体系  
map=plt.imshow(data,interpolation="nearest",cmap=cmap,aspect="auto",vmin=0,vmax=1) \#设置图像输出时的格式

![1499410-20190714185106319-1811075840.png][]  
***\#1-6 3D***  
***from mpl\_toolkits.mplot3d import Axes3D \#导入3D模块***  
fig.add\_subplot(336,***projection="3d"***)  
x=np.random.randint(1,10,10)  
y=np.random.randint(1,10,10)  
z=x\*2+2\*y \#函数关系式  
plt.plot(x,y,z,"r") \#输出3D图像

![1499410-20190714185126152-1862041486.png][]

***\#1-7 hotmap热流图***  
fig.add\_subplot(313)  
def f(x,y):  
return (1-x/2+x\*\*5+y\*\*3)\*np.exp(-x\*\*2-y\*\*2)  
n=256  
x=np.linspace(-3,3,n)  
y=np.linspace(-3,3,n)  
***X,Y=np.meshgrid(x,y) \#将xy转换为矩阵***

***\#将向量x和y定义的区域转换成矩阵X和Y,其中矩阵X的行向量是向量x的简单复制，而矩阵Y的列向量是向量y的简单复制\#假设x是长度为m的向量，y是长度为n的向量，则最终生成的矩阵X和Y的维度都是 nm （注意不是mn）***

plt.contourf(X,Y,f(X,Y),8,cmap=plt.cm.hot) \#输出热流图  
plt.show()

![1499410-20190714185203426-607036094.png][]

转载于:https://www.cnblogs.com/Yanjy-OnlyOne/p/11185226.html

[1499410-20190714185548968-196982552.png]: /images/20211129/5b00121e3c3f4d9981b61b543d9f8a24.png
[1499410-20190714185603464-516748432.png]: /images/20211129/b2ea04d124234f1d8e39e270f7c07e44.png
[1499410-20190714184941630-1457812715.png]: /images/20211129/4fc0514033954c7fb81604a2c65d2a51.png
[1499410-20190714185022283-885326299.png]: /images/20211129/c38499b667db413fae0cdd3e274f8fce.png
[1499410-20190714185046188-1082223200.png]: /images/20211129/5bee39b1ac0e46648bc6ed9dbeabe1cc.png
[1499410-20190714185106319-1811075840.png]: /images/20211129/02de1b224323485a86974110ad1289b9.png
[1499410-20190714185126152-1862041486.png]: /images/20211129/b708bbe6df254f049110126cb4184b9d.png
[1499410-20190714185203426-607036094.png]: /images/20211129/4602c795e99b42e59a79053fadd52ff1.png