Python使用统计函数绘制简单图形实例代码
作者:estate47
前言
Matplotlib 是 Python 的绘图库。 它可与 NumPy 一起使用,提供了一种有效的 MatLab 开源替代方案。 它也可以和图形工具包一起使用,如 PyQt 和 wxPython。
用matplotlib绘制一些大家比较熟悉又经常混淆的统计图形,掌握这些统计图形可以对数据可视化有一个深入理解。
Windows 系统安装 Matplotlib
进入到 cmd 窗口下,执行以下命令:
python -m pip install -U pip setuptools python -m pip install matplotlib
Linux 系统安装 Matplotlib
可以使用 Linux 包管理器来安装:
Debian / Ubuntu:
sudo apt-get install python-matplotlib
Fedora / Redhat:
sudo yum install python-matplotlib
Mac OSX 系统安装 Matplotlib
Mac OSX 可以使用 pip 命令来安装:
sudo python -mpip install matplotlib
安装完后,你可以使用 python -m pip list 命令来查看是否安装了 matplotlib 模块。
$ python -m pip list | grep matplotlib matplotlib (1.3.1)
1.函数bar()--用于绘制柱状图
在x轴上绘制定性数据的分布特征
import matplotlib as mpl import matplotlib.pyplot as plt mpl.rcParams["font.sans-serif"]=["SimHei"] mpl.rcParams["axes.unicode_minus"]=False x=[1,2,3,4,5,6,7,8] y=[3,1,4,5,8,9,7,2] plt.bar(x,y,align="center",color="c",tick_label=["q","a","c","e","r","j","b","p"],hatch="/") plt.xlabel("箱子编号") plt.ylabel("箱子重量(kg)") plt.show()
2.
2、函数barh()--用于绘制条形图
在y轴上绘制定性数据的分布特征
import matplotlib as mpl import matplotlib.pyplot as plt mpl.rcParams["font.sans-serif"]=["SimHei"] mpl.rcParams["axes.unicode_minus"]=False x=[1,2,3,4,5,6,7,8] y=[3,1,4,5,8,9,7,2] plt.barh(x,y,align="center",color="c",tick_label=["q","a","c","e","r","j","b","p"],hatch="/") plt.xlabel("箱子编号") plt.ylabel("箱子重量(kg)") plt.show()
3.
3、函数hist()--用于绘制直方图
在x轴上绘制定量数据的分布特征
import matplotlib as mpl import matplotlib.pyplot as plt import numpy as np mpl.rcParams["font.sans-serif"]=["SimHei"] mpl.rcParams["axes.unicode_minus"]=False #set test scores boxWeight = np.random.randint(0,10,100) x = boxWeight #plot histogram bins = range(0,11,1) plt.hist(x,bins=bins, color="g", histtype="bar", rwidth=1, alpha=0.6) #set x,y-axis label plt.xlabel("箱子重量(kg)") plt.ylabel("销售数量(个)") plt.show()
4.函数pie()--用于绘制饼图
绘制定性数据的不同类别的百分比
import matplotlib as mpl import matplotlib.pyplot as plt mpl.rcParams["font.sans-serif"]=["SimHei"] mpl.rcParams["axes.unicode_minus"]=False kinds ="简易箱","保温箱","行李箱","密封箱" colors = ["#e41a1c","#377eb8","#4daf4a","#984ea3"] soldNums = [0.05,0.45,0.15,0.35] #pie chart plt.pie(soldNums, labels=kinds, autopct="%3.1f%%", startangle=60, colors=colors) plt.title("不同类型箱子的销售数量占比") plt.show()
5.函数polar()--用于绘制极线图
在极坐标图上绘制折线图
import matplotlib.pyplot as plt import numpy as np barSlices = 12 theta = np.linspace(0.0,2*np.pi,barSlices,endpoint=False) r = 30*np.random.rand(barSlices) plt.polar(theta,r, #theta每个标记所在射线与极径的夹角,r每个标记到原点的距离 color="chartreuse", linewidth=2, marker="*", mfc="b", ms=10) plt.show()
6.函数scatter()--用于绘制气泡图
二维数据借助气泡图大小展示三维数据
import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np a = np.random.randn(100) b = np.random.randn(100) #colormap:RdYlBu plt.scatter(a,b,s=np.power(10*a+20*b,2),#s散点标记的大小 c=np.random.rand(100),#c散点标记的颜色 cmap=mpl.cm.RdYlBu,#将浮点数映射成颜色的颜色映射表 marker='o') plt.show()
7.函数stem()--用于绘制棉棒图
绘制离散的有序数据
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0.5,2*np.pi,20) y = np.random.randn(20) plt.stem(x,y,linefmt="-.",markerfmt="o",basefmt="-") linefmt棉棒的样式、markerfmt棉棒末端的样式、basefmt指定基线的样式 plt.show()
8.函数boxplot()--用于绘制箱型图
绘制箱型图
import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np mpl.rcParams["font.sans-serif"]=["SimHei"] mpl.rcParams["axes.unicode_minus"]=False x = np.random.randn(1000) plt.boxplot(x) plt.xticks([1],["随机数生成器AlphaRM"]) plt.ylabel("随机数值") plt.title("随机数生成器抗干扰能力的稳定性") plt.grid(axis="y",ls=":",lw=1,color="gray",alpha=0.4) plt.show()
9.函数errorbar()--用于绘制误差棒图
绘制y轴方向或是x轴方向的误差范围
import matplotlib.pyplot as plt import numpy as np x = np.linspace(0.1,0.6,6) y = np.exp(x) plt.errorbar(x,y,fmt="bo:",yerr=0.2,xerr=0.02) plt.xlim(0,0.7) plt.show()
总结
以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,谢谢大家对脚本之家的支持。