matplotlib相关图形绘制(一)

以你之姓@ 2023-07-11 05:39 9阅读 0赞

大家好，我是黄同学

我们之前已经讲述了matplotlib的绘图原理，本文介绍相关图形绘制。

主要是箱线图、散点图、气泡图、雷达图。

[《matplotlib绘图的核心原理》][matplotlib]

[《matplotlib绘图技巧详解(一)》][matplotlib 1]

[《matplotlib绘图技巧详解(二)》][matplotlib 2]

[《matplotlib绘图技巧详解(三)》][matplotlib 3]

## 1、绘制X轴、Y轴平行线 ##

1）作用

绘制X轴、Y轴平行线，主要用来做对比参考。

2）语法格式与相关参数说明① 语法格式

*  绘制X轴平行线
 *  plt.axhline(y,xmin,xmax)
 *  绘制Y轴平行线
 *  plt.axvline(x,ymin,ymax)

② 参数说明

![format_png][]

3）演示说明

① 绘制X轴平行线

plt.subplot(121)
    plt.axhline(0.5,0,1,c="r",lw=3)
    plt.subplot(122)
    plt.axhline(0.5,0.2,0.8,c="g",lw=3)

结果如下：

![format_png 1][]

② 绘制Y轴平行线

plt.subplot(121)
    plt.axvline(0.5,0,1,c="r",lw=3)
    plt.subplot(122)
    plt.axvline(0.5,0.2,0.8,c="g",lw=3)

结果如下：

![format_png 2][]

## 2、绘制折线图 ##

1）作用

折线图用于显示随时间或有序类别而变化的趋势。折线图其实是由多个点连接在一起得到了，当点足够多的时候，折线图就变成了平滑的曲线。

2）语法格式和参数说明

① 语法格式

*  plot(y)
 *  plot(y,‘格式’)
 *  plot(x,y)
 *  plot(x,y,‘格式’)
 *  plot(x1,y1,‘格式1’,x2,y2,‘格式2’ …… xn,yn,“格式n”)

② 参数说明

![format_png 3][]

3）演示说明

① 绘制一个点

plt.plot(50, marker="D")

结果如下：

![format_png 4][]

② 绘制多个点

当只传入一组数据的时候，那么每个元素的下标相当于X轴横坐标，这一组数据中的每个值相当于Y轴的纵坐标。当传入两组数据，第一组数据相当于X轴横坐标，第二组数据相当于Y轴的纵坐标。

plt.subplot(121)
    plt.plot([8,2,9,15,-3],c="g",marker="v",ls="--")
    plt.subplot(122)
    plt.plot([-3,-1,5,8,12], [2,-10,9,3,6],c="r",marker="*",ls="-")

结果如下：

![format_png 5][]

③ 绘制对比折线图

plt.figure(dpi=100)
    x = np.arange(1,13)
    y1 = np.array([568,645,789,412,435,673,345,632,467,876,912,1222])
    y2 = np.array([675,412,545,645,831,345,459,734,812,611,1500,900])
    plt.plot(x,y1,c="r",marker="*",ls="-",label="2019年销售额")
    plt.plot(x,y2,c="g",marker="v",ls="--",label="2020年销售额")
    plt.legend(loc="best",ncol=2)
    
    plt.title("2019-2020年销售额对比图")
    plt.xlabel("月份")
    plt.ylabel("销售额")
    
    plt.xticks(np.arange(1,13),[str(i)+"月" for i in range(1,13)])
    
    p1 = zip(x,y1)
    p2 = zip(x,y2)
    for x,y1 in p1:
        plt.text(x,y1,y1,ha="center",va="bottom",fontsize=10)
        
    for x,y2 in p2:
        plt.text(x,y2,y2,ha="center",va="bottom",fontsize=10)
    
    plt.savefig("2019-2020年销售额对比图",dpi=300)

结果如下：

![format_png 6][]

## 3、绘制柱形图 ##

1）作用

柱形图又叫条形图、柱状图，用来比较两个或以上的价值（不同时间或者不同条件），只有一个变量，通常利用于较小的数据集分析。

2）语法格式和参数说明

① 语法格式

plt.bar(x,height,color,edgecolor,width=0.8,bottom=None,align=“center”)

② 参数说明

*  x 表示在x轴的哪个位置绘制柱形图；height表示每个柱子的高度。
 *  color 表示柱子的颜色。
 *  edgecolor 表示柱子边缘的颜色。
 *  width 表示每个柱子的宽度。柱子的宽度可以相同，可以不同。
 *  bottom 表示每个柱子的底部位置。每个柱子的底部位置可以相同，可以不同。
 *  align 表示柱子的位置与x值的对应关系。可选center、edge参数。center表示柱子位于x值的中心位置，edge表示柱子位于x值的边缘位置。

3）演示说明

![format_png 7][]

① 绘制某超市饮料类型和顾客性别的条形图

plt.figure(dpi=100)
    x1 = [1,2,3,4,5]
    y1 = [6,10,11,8,15]
    x2 = [1,2]
    y2 = [22,28]
    
    plt.subplot(121)
    plt.bar(x1,y1,width=0.5,align="center",color="r")
    plt.title("不同饮料类型的人数对比图")
    plt.xlabel("饮料类型")
    plt.ylabel("数量")
    
    plt.xticks([1,2,3,4,5],["果汁","矿泉水","绿茶","其它","碳酸饮料"])
    plt.yticks(np.arange(0,16,3))
    
    for x1,y1 in zip(x1,y1):
        plt.text(x1,y1,y1,ha="center",va="bottom",fontsize=10)
    
    plt.subplot(122)
    plt.bar(x2,y2,width=0.8,align="center",color="g")
    plt.title("不同顾客性别的人数对比图")
    plt.xlabel("顾客性别")
    plt.ylabel("数量")
    
    plt.xticks([1,2],["男","女"])
    plt.yticks(np.arange(0,31,5))
    
    for x2,y2 in zip(x2,y2):
        plt.text(x2,y2,y2,ha="center",va="bottom",fontsize=10)
        
    plt.subplots_adjust(wspace=0.5)
    plt.savefig("饮料类型和顾客性别",dpi=300)

结果如下：

![format_png 8][]

② 绘制某超市不同饮料类型下，男女人数的对比图

plt.figure(dpi=100)
    x = np.array([1,2,3,4,5])
    y1 = np.array([1,6,7,2,6])
    y2 = np.array([5,4,4,6,9])
    
    plt.bar(x,y1,width=0.5,label="男",color="g")
    plt.bar(x+0.5,y2,width=0.5,label="女",color="b")
    
    plt.title("某超市不同饮料类型下男女人数的对比图")
    plt.xlabel("饮料类型")
    plt.ylabel("数量")
    
    plt.legend(loc="best",title="顾客性别")
    
    plt.xticks(x+0.15,["果汁","矿泉水","绿茶","其它","碳酸饮料"])
    plt.yticks(np.arange(0,11,2))
    
    for x,y1 in zip(x,y1):
        plt.text(x,y1,y1,ha="center",va="bottom",fontsize=10)
    
    for x,y2 in zip(x+0.5,y2):
        plt.text(x,y2,y2,ha="center",va="bottom",fontsize=10)
        
    plt.savefig("某超市不同饮料类型下男女人数的对比图",dpi=300)

结果如下：

![format_png 9][]

## 4、绘制不同饮料类型的帕累托图 ##

1）演示说明

① 绘制不同类型饮料的帕累托图

plt.figure(dpi=100)
    x = np.array([1,2,3,4,5])
    y1 = np.array([6,10,11,8,15])
    # 先将y1中的元素，进行降序排序
    y1 = np.sort(y1)[::-1]
    y2 = y1.cumsum()/np.sum(y1)
    
    plt.bar(x,y1,width=0.3,color="g")
    plt.xlabel("饮料类型")
    plt.ylabel("数量")
    plt.xticks(x,["碳酸饮料","绿茶","矿泉水","其它","果汁"])
    for xy1 in zip(x,y1):
        plt.annotate("{}".format(xy1[1]),xy=xy1,ha="center",va="bottom")
    
    plt.twinx()
    plt.plot(x,y2,color="r",lw=3)
    plt.ylabel("百分比")
    plt.yticks(np.arange(0,1.1,0.2))
    
    plt.title("不同类型饮料的帕累托图")
    plt.savefig("不同类型饮料的帕累托图",dpi=300)

结果如下：

![format_png 10][]

## 5、绘制饼图 ##

1）作用

饼图用圆形及圆内扇形的角度来表示数值大小的图形，它主要用于表示一个样本(或总体)中各组成部分的数据占全部数据的比例。对于研究一个总体的结构性组成很有作用。

2）语法格式和参数说明

① 语法格式

plt.pie(x,y,height,color,edgecolor,width=0.8,bottom=None,align=“center”)

② 参数说明

*  x 表示要绘图的数据。
 *  labels 每个部分显示的标签。
 *  explode 指定每个部分距离圆心的偏移量(单位为半径的长度)。
 *  colors 指定每个部分的颜色。
 *  autopct 设置每个部分显示的比例值(格式化)。
 *  counterclock 是否逆时针绘图。默认为True。
 *  startangle 初始绘图点位置(逆时针偏移x轴的角度)，默认为偏移0度(x轴)。
 *  shadow 是否含有阴影，默认为False。(用处不大)

一些重要参数的图示说明：

![format_png 11][]

3）演示说明

![format_png 7][]

① 绘制不同饮料类型构成的饼图

plt.figure(dpi=100)
    x1 = np.array([6,10,11,8,15])
    x = x1/np.sum(x1)
    
    labels = ["果汁","矿泉水","绿茶","其它","碳酸饮料"]
    colors=["r", "g", "b", "y", "m"]
    explode = [0.05,0,0,0,0]
    
    plt.pie(x,labels=labels,colors=colors,autopct="%.0f%%",
            explode=explode,startangle=90,counterclock=False)
    plt.axis("equal")
    
    plt.savefig("不同饮料类型构成的饼图",dpi=300)

结果如下：

![format_png 12][]

② 绘制环形图：以绘制三环形为例

![format_png 13][]

操作如下：

plt.figure(figsize=(8,5),dpi=100)
    x1 = [3496.57,1161.55,1251.09,1961.07]
    x2 = [1383.36,775.09,595.09,1605.61]
    x3 = [3756.56,1623.36,1730.51,3255.94]
    
    labels = ["劳动者报酬","生产税金额","固定资产折旧","营业盈余"]
    colors=['pink','greenyellow','lightcoral','cyan']
    plt.pie(x1,colors=colors,autopct="%.0f%%",radius=1.3,
            wedgeprops=dict(width=0.3,edgecolor="w"),
            startangle=90,counterclock=False,pctdistance = 0.9)
    
    plt.pie(x2,colors=colors,autopct="%.0f%%",radius=1,
            wedgeprops=dict(width=0.3,edgecolor="w"),
            startangle=90,counterclock=False,pctdistance = 0.85)
    
    plt.pie(x3,colors=colors,autopct="%.0f%%",radius=0.7,
            wedgeprops=dict(width=0.3,edgecolor="w"),
            startangle=90,counterclock=False,pctdistance = 0.75)
    plt.legend(labels=labels,loc="best",title="生产总值构成")
    
    plt.title("生产总值构成的环形图")
    
    plt.axis("equal")
    plt.savefig("生产总值构成的环形图",dpi=300)

结果如下：

![format_png 14][]

## 6、绘制直方图 ##

① 语法格式

plt.pie(x,y,height,color,edgecolor,width=0.8,bottom=None,align=“center”)

② 参数说明

③ 演示说明

df = pd.read_excel(r"C:\Users\黄伟\Desktop\matplotlib.xlsx",sheet_name="直方图")
    def func(x):
        if x>=140 and x<150:
            return "(140,150]"
        elif x>=150 and x<160:
            return "(150,160]"
        elif x>=160 and x<170:
            return "(160,170]"
        elif x>=170 and x<180:
            return "(170,180]"
        elif x>=180 and x<190:
            return "(180,190]"
        elif x>=190 and x<200:
            return "(190,200]"
        elif x>=200 and x<210:
            return "(200,210]"
        elif x>=210 and x<220:
            return "(210,220]"
        elif x>=220 and x<230:
            return "(220,230]"
        elif x>=230 and x<240:
            return "(230,240]"
        
    df["分组"] = df["销售量"].apply(func)
    df1 = df.groupby("分组")["销售量"].count()
    df1 = pd.DataFrame(df1)
    df1 = df1.reset_index()
    df1["频率"] = df1["销售量"].apply(lambda x:x/np.sum(df1["销售量"]))
    df1["频率"] = df1["频率"].apply(lambda x:"{:.2%}".format(x))
    
    plt.figure(figsize=(6,5),dpi=100)
    plt.hist(df["销售量"],bins=[140,150,160,170,180,190,200,210,220,230,240],edgecolor='white',color="pink")
    x = np.array([140,150,160,170,180,190,200,210,220,230,240])
    plt.xticks(x+5,["{}-{}".format(x,x+10) for x in range(140,231,10)],rotation=90)
    plt.yticks(np.arange(0,31,5))
    
    for z in zip(x+2.5,df1["销售量"]):
        plt.annotate("{}".format(z[1]),xy=z,color="black")
    
    plt.tight_layout()
    plt.savefig("某电脑公司销售量分布的直方图",dpi=300)

结果如下：

![format_png 15][]

未完待续，本系列还有最后一篇相关图形绘制（二）。

**扫描下方二维码，关注这个有爱由有趣的公众号吧**

![format_png 16][]

[matplotlib]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4d2100c93aa816c499fb0f544e28304aebe5de01288dc897f93af2c3b2ff11f908f979b297&idx=1&mid=2247484548&scene=21&sn=ea7d3ba9900a5b27604193137d17be25#wechat_redirect
[matplotlib 1]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4d208dc93aa99b2f6b5dfb74811d05b8c4b664d5d47fbc09e593d1065bf0cc8513e5e172bc&idx=1&mid=2247484681&scene=21&sn=2e2f0de284f2d35198a017ae7fa13316#wechat_redirect
[matplotlib 2]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4d20d0c93aa9c618019f9acefa2c4bc1726513a378f14f5cee7f18de51d6ec9ff597955d5a&idx=2&mid=2247484756&scene=21&sn=2c21eaa11d48fa79d9e0afd07c3fe2d2#wechat_redirect
[matplotlib 3]: http://mp.weixin.qq.com/s?__biz=MzU5Nzg5ODQ3NQ%3D%3D&chksm=fe4d20e5c93aa9f3cd5bc355ea3a72aaf19a8d41e18acf71e1138f90ee853e740def25db2b70&idx=2&mid=2247484769&scene=21&sn=261f087200e9f661041788c083731e8a#wechat_redirect
[format_png]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGp0VDYwYWlhMG1HT2QyeWdvSFhqdEtzT0J2WEJYSDlhOVB0c1pESVh2dVJVdm9NZW1pY3BqU1NiMGVGS3RMakpCZ3hxZXZLOTAwaGF1Zy82NDA?x-oss-process=image/format,png
[format_png 1]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGp0VDYwYWlhMG1HT2QyeWdvSFhqdEtzeDlEWGZpY2licEc2Mmljb0Ztb0h6WjZjcnVWdklpYW1ibWhDQzdPOVlpYVJQcktpY0RpYjhoVXFUZmVvZy82NDA?x-oss-process=image/format,png
[format_png 2]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGp0VDYwYWlhMG1HT2QyeWdvSFhqdEtzUXRKZ3V3dGZSRTNkT2JCV2pnU3ZQMHI3Z0JKWGE1TmliV2RvQVZiOWdybnhTeGxsaWE1TmFicEEvNjQw?x-oss-process=image/format,png
[format_png 3]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGp0VDYwYWlhMG1HT2QyeWdvSFhqdEtzMFBlNGlib3ZHMlN5dnFlZTVtTzJUWU10U1pJbVhuWHFvSGxIcndWdlp1Tk56RzQ4Z01rMjdNZy82NDA?x-oss-process=image/format,png
[format_png 4]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGp0VDYwYWlhMG1HT2QyeWdvSFhqdEtzaHpCOFp3WFozYkFHN1JZWnlrRXBiS2MxUDh2OFE1cjRpYkNFTmdHNVBVbHAxc2pDUE1Kb25Mdy82NDA?x-oss-process=image/format,png
[format_png 5]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGp0VDYwYWlhMG1HT2QyeWdvSFhqdEtzQUJDY3N1OUFQVFN3OVFJMEtZcXNOR2dJb1RzQmZXemxBQ1NkRlpIQ3V0MG5naktVaWJGaWNEOHcvNjQw?x-oss-process=image/format,png
[format_png 6]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGp0VDYwYWlhMG1HT2QyeWdvSFhqdEtzb2thaEphUzRiM2liaWNDZWY0QnRpY1hQOThZTGxmOVdmNnpJaWNKZHk3VFZHM3NvOXA0QzdqaktiQS82NDA?x-oss-process=image/format,png
[format_png 7]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGp0VDYwYWlhMG1HT2QyeWdvSFhqdEtzUUt0c0JpY3pIbkh4QUM3dHNWMnF1d3hRSGJxN0dqaWJpYVA3VlI1VlNQaWFINlRwbnQ0bG5MblVpYVEvNjQw?x-oss-process=image/format,png
[format_png 8]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGp0VDYwYWlhMG1HT2QyeWdvSFhqdEtzZ2ZWY0F1YkNoU2VwajZGaWJ5NjZMb2gzaWM3SWNKV2VUd3FhT0VycTBKRlYxYlJvVkU5YTh2ZVEvNjQw?x-oss-process=image/format,png
[format_png 9]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGp0VDYwYWlhMG1HT2QyeWdvSFhqdEtzaWJab3NXQTlpYzc4ajgyQThpYkZpYVdJUDlyVENzaWI1dDFRaWI3NmljNzZwUmliamsxVTNpYXFVS1lGRU9nLzY0MA?x-oss-process=image/format,png
[format_png 10]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGp0VDYwYWlhMG1HT2QyeWdvSFhqdEtzb1VmUmFCdVlXeEdEVWVVU3hySVZuWm84REFzeFh5a3ZJSVJPOGhVdU5ISjhoZTB0REZicXZBLzY0MA?x-oss-process=image/format,png
[format_png 11]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGp0VDYwYWlhMG1HT2QyeWdvSFhqdEtzZUlwR2lhV2lhSnc3Q3d5Y2hhYmZZRGliUlN3YXZFQ2JVSEdjMVk5VE9uM1A5ZEhwUTNrcEtRYUhBLzY0MA?x-oss-process=image/format,png
[format_png 12]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGp0VDYwYWlhMG1HT2QyeWdvSFhqdEtzTHJ2eFNOSTdidmdxZUlNS1dqY28xZXIwZWhmWEw4M1BFcEhKV3FPc2hqWHVuRENTcXJ5dUpRLzY0MA?x-oss-process=image/format,png
[format_png 13]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGp0VDYwYWlhMG1HT2QyeWdvSFhqdEtzRWZod2hZVlR0bGhTSEZTdWp0UmljQXFrdVZlRFhjc29SZVc1TWtUdnhBdDN1aWFNMXR6eWxEbHcvNjQw?x-oss-process=image/format,png
[format_png 14]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGp0VDYwYWlhMG1HT2QyeWdvSFhqdEtzYUtsazdjOUlaZkVEend2UExOQlk1amlhUHQxWFBTSzFRd2V2cFNQQXZCc21yNGdyaWJTa2liNVN3LzY0MA?x-oss-process=image/format,png
[format_png 15]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X3BuZy90WFlpY3Q0MHhmTGp0VDYwYWlhMG1HT2QyeWdvSFhqdEtzRWRORTRCd0w5aWJXbjVKNGpKWnByNXo0ejg2MEZYRGtoekJ3cllKaWFuTHV4SWlibGNuQWdZbmljZy82NDA?x-oss-process=image/format,png
[format_png 16]: https://imgconvert.csdnimg.cn/aHR0cHM6Ly9tbWJpei5xcGljLmNuL21tYml6X2dpZi90WFlpY3Q0MHhmTGdpYWZHRm1XdFZWSEZWSzdpYlJ0eUVKT1hNczV2VjJBdVZIOFhVOTJKSlA0Y3dxbHRVSzBTTndDS01hZkNsMm9ZV3B4NjN1RXkyWDE5dy82NDA?x-oss-process=image/format,png