【数据分析之Matplotlib】基本图形绘制实例

Dear 丶 2022-09-05 06:30 220阅读 0赞

### 文章目录 ###

*  1.基本绘制
 *  2.subplot使用
 *  3.散点图
 *  4.样式与图例
 *  5.柱状图
 *  6.饼状图
 *  7.直方图
 *  8.等高线图
 *  9.三维图形

2020年5月28日学习了b站 [Matplotlib][]的简单教程，笔记记录于此

# 1.基本绘制 #

import matplotlib.pyplot as plt
    
    # 准备x y
    x = range(-100, 100)   # 200个点
    y = [i**2 for i in x]
    
    # 绘制一元二次方程曲线
    plt.plot(x, y, linewidth=5)
    plt.xlabel('x')
    plt.ylabel('y')
    plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签
    plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像负号显示为方块的问题
    plt.title('title')
    
    # 保存图片
    # plt.savefig('result') #默认的格式png
    plt.savefig('result.pdf')
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70]

# 2.subplot使用 #

# 创建0-10中100个等差数
    x = np.linspace(0,10,100)
    sin_y = np.sin(x)
    # 绘制正弦曲线
    # 对画布进行分区 将画布分为2行2列 画到区1
    plt.subplot(2, 2, 1)
    # 修改x、y轴的坐标
    plt.xlim(-5, 20)
    plt.ylim(-2, 2)
    plt.plot(x, sin_y)
    
    plt.subplot(2, 2, 4)
    plt.plot(x, np.cos(x))
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 1]

# 3.散点图 #

# 绘制10种大小 100种颜色的散点图
    # 创建x
    np.random.seed(0) # 执行多次每次获取的随机数都是一样的
    x = np.random.rand(100)
    y = np.random.rand(100)
    # 生成10种大小？
    size = np.random.rand(100)*100
    # 生成100种颜色
    color = np.random.rand(100)
    print(x, y)
    
    # 绘制散点图
    plt.scatter(x, y, s=size, c=color, alpha=0.7)  # s表示点的大小 c表示点的颜色 alpha表示透明度
    plt.show()
    ''' 使用plot绘制和使用scatter绘制出来的图形是没有区别的， 但是使用plot绘制图形的速度优于scatter，所以如果画一堆点，而且点的形式没有差别，那么我们 使用plot，如果点的形式有差别(指点的大小和颜色不同)则必须使用scatter 注意：点的个数和颜色的个数要相同 点的个数和点大小的个数可以不同，如果点的个数大于大小的个数，则会循环获取大小 '''

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 2]

# 4.样式与图例 #

# 创建x
    x=np.linspace(0,10,100)
    # 使用legend()图例,给plot方法添加参数label
    plt.plot(x,x+0,'--g',label='--g')
    plt.plot(x,x+1,'-.r',label='-.r')
    plt.plot(x,x+2,':b',label=':b')
    plt.plot(x,x+3,'.k',label='.k')
    plt.plot(x,x+4,',c',label=',c')
    plt.plot(x,x+5,'*y',label='*y')
    # 左上角upper left fancybox边框 framealpha透明度 shadow阴影 borderpad边框宽度
    plt.legend(loc='upper right',fancybox=True,framealpha=0.5,shadow=True,borderpad=1) # 默认的位置在左上角upper left 可以通过loc进行修改
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 3]

# 5.柱状图 #

# 生成x y
    np.random.seed(0)
    x=np.arange(5)
    y=np.random.randint(-5,5,5)
    # 将画布分为1行2列 在第一个区域画bar
    plt.subplot(1,2,1)
    # 调用bar函数绘制柱状图
    plt.bar(x,y,color='blue')
    # 在0位置水平方向添加蓝色的线条
    plt.axhline(0,color='blue',linewidth=2)
    
    # 在第二个区域画barh
    # barh 将y和x进行对换，竖着方向为x轴
    plt.subplot(1,2,2)
    plt.barh(x,y,color='red')
    # 在0位置垂直方向添加红色线条
    plt.axvline(0,color='red',linewidth=2)
    
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 4]

# 三部电影的名称
    real_names=['千与千寻','玩具总动员4','黑衣人：全球追缉']
    # 3天内票房数
    real_num1=[7548,4013,1673]
    real_num2=[5453,1840,1080]
    real_num3=[4348,2345,1890]
    x=np.arange(len(real_names))
    # 绘制柱状图
    width=0.3
    plt.bar(x,real_num1,alpha=0.5,width=width,label=real_names[0])
    plt.bar([i+width for i in x],real_num2,alpha=0.5,width=width,label=real_names[1])
    plt.bar([i+2*width for i in x],real_num3,alpha=0.5,width=width,label=real_names[2])
    plt.rcParams['font.sans-serif']=['SimHei'] # 用来正常显示中文标签
    # 设置x坐标的值 第1天 第2天 第3天
    x_label=['第{}天'.format(i+1) for i in x]
    plt.xticks([i+width for i in x],x_label)
    plt.ylabel('票房数')
    plt.legend()
    plt.title('3天3部电影票房数')
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 5]

# 6.饼状图 #

# 准备男、女的人数及比例
    man=71351
    woman=68187
    man_perc=man/(woman+man)
    woman_perc=woman/(woman+man)
    # 添加名称
    labels=['男','女']
    # 添加颜色
    colors=['blue','red']
    # 绘制饼状图 pie
    plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
    # labels 名称 colors：颜色，explode=分裂 autopct显示百分比
    paches,texts,autotexts=plt.pie([man_perc,woman_perc],labels=labels,colors=colors,explode=(0,0.05),autopct='%0.1f%%')
    
    # 设置饼状图中的字体颜色
    for text in autotexts:
        text.set_color('white')
    
    # 设置字体大小
    for text in texts+autotexts:
        text.set_fontsize(20)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 6]

# 7.直方图 #

# 使用np.random.normal()指定期望和均值的正态分布
    x=np.random.normal(0,0.8,1000)
    y=np.random.normal(-2,1,1000)
    z=np.random.normal(3,2,1000)
    # 字典
    kwargs=dict(bins=100,alpha=0.5) # alpha是透明度,bins为柱的宽度
    plt.hist(x,**kwargs)
    plt.hist(y,**kwargs)
    plt.hist(z,**kwargs)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 7]

# 8.等高线图 #

# 创建x y
    x=np.linspace(-10,10,100)
    y=np.linspace(-10,10,100)
    # 计算x y相交的点 X Y
    X,Y=np.meshgrid(x,y)
    # 计算Z
    Z=np.sqrt(X**2+Y**2)
    # 绘制等高线图
    # plt.contour(X,Y,Z)
    plt.contourf(X,Y,Z)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 8]

# 9.三维图形 #

# 导入3d包
    from mpl_toolkits.mplot3d import Axes3D
    # 创建X Y Z
    X=[1,1,2,2]
    Y=[3,4,4,3]
    Z=[1,100,1,1]
    figure=plt.figure()
    # 创建Axes3D对象
    ax=Axes3D(figure)
    ax.plot_trisurf(X,Y,Z)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 9]

> 可参考博客：[python绘制三维图][python]

[Matplotlib]: https://www.bilibili.com/video/BV1EE411F7od
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70]: /images/20220829/4a2d4c6577834199aa3020b2ef383632.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 1]: /images/20220829/1f6ad751fddf441298f570261592dbf8.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 2]: /images/20220829/fbd891d1b5604046a31694fb6e38d8db.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 3]: /images/20220829/b4701e663cae4edc9582b1a012c4d78a.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 4]: /images/20220829/b75e3dadca39480f99a9cc039ffc2883.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 5]: /images/20220829/2df92847bf2b4d3db8af79af72d179f3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 6]: /images/20220829/8a7aac67955b4ff696b269d5cb3213a4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 7]: /images/20220829/074b8be74d9946d0bc81354aad8d52e7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 8]: /images/20220829/56ab5b01c82745b78a50225ecd4336a3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2tlaXZlbl8_size_16_color_FFFFFF_t_70 9]: /images/20220829/f8c20204549a43898a5926cd94dcdc82.png
[python]: https://blog.csdn.net/MHeartWGO/article/details/87361528