matplotlib基本图形的绘制操作

matplotlib是最盛行的python底层绘图库，接下来就由小编为大家介绍一些关于matplotlib的一些基本图形的制作操作。这些操作能够将你的数据愈加直观的出现在你的面前。

首先要运用Import导入pyplot库并设置一个别名plt

from matplotlib import pyplot as plt

1.折线图 以下实例制作气温曲线。(气温是依靠numpy中随机数发生的，因而要导入numpy)

import numpy as np
import random
a = [np.random.randint(20, 35) for i in range(120)]
x = np.arange(0, 120)
fig = plt.figure(figsize=(20, 8), dpi=80) # 设置图形巨细和图形分辨率
plt.plot(x, a) #调用plot制作图形 将x轴坐标和对应的y轴的点传入
# 调整x轴的刻度
_x = list(x)
_xtick_labels = ['10点{}分'.format(i) for i in range(60)]
_xtick_labels += ['11点{}分'.format(i) for i in range(60)]
plt.xticks(_x[::3], _xtick_labels[::3], rotation=45)   # rotation表示x轴标签旋转度数
# 添加描绘信息
plt.xlabel('时刻')
plt.ylabel('温度 单位(C)')
plt.title('10点-12点每分钟的气温改变')
plt.show()

运行后发现中文字体无法显现。

这是因为matplotlib在制作过程中无法显现中文，需要自己设置。

plt.rcParams['font.sans-serif'] = ['YouYuan']
plt.rcParams['axes.unicode_minus'] = False

加入这些代码后，中文就能够正常显现了

我们还能够加入网格 使图画y轴对应的值愈加清楚

gitd()语法格式

matplotlib.pyplot.grid(b=None, which=’major’,axis=’both)

b,which,axis 都是可选的操作

只要在代码末行添加以下一行代码即可

plt.grid()

2.散点图(运用scatter办法制作散点图)

from numpy as np
import random
a = np.random.randint(6, 25, size=(31,))
a = list(a)
b = np.random.randint(12, 23, size=(31,))
# 设置字体
plt.rcParams['font.sans-serif'] = ['YouYuan']
plt.rcParams['axes.unicode_minus'] = False
x1 = np.arange(1, 32)
x2 = np.arange(40, 71)
# 运用plt.scatter()制作散点图
plt.scatter(x1, a, label='三月', s=20, color='orange')
plt.scatter(x2, b, label='四月'，s=10, color='red')
# label表示不同色彩点的标签，s是点的巨细，color设置点的色彩
# 设置x轴刻度
_x = list(x1) + list(x2)
_xtick_labels = ['三月{}日'.format(i) for i in x1]
_xtick_labels += ['四月{}日'.format(i-39) for i in x2]
plt.xticks(_x[::3], _xtick_labels[::3], rotation=45)
plt.xlabel('时刻')
plt.legend()
plt.ylabel('温度')
plt.show()

运行后

3.条形图（运用bar或许barh办法制作） （1）.竖着的条形图

a = ['猫', '狗', '蛇', '大象', '兔子', '马', '驴', '斑马', '猎豹', '豺狼']
b = [32.4, 23.3, 232, 2423, 232, 2332, 123, 132, 213, 132]
_x = list(range(len(a)))
plt.rcParams['font.sans-serif'] = ['YouYuan']
plt.rcParams['axes.unicode_minus'] = False
# 设置图形巨细
plt.figure(figsize=(20, 8), dpi=80)
# 竖着的条形图 运用bar函数
# width表示柱形宽距
plt.bar(_x, b, width=0.3)
plt.xticks(_x, a)
plt.xlabel('动物品种')
plt.ylabel('动物数量')
plt.show()

（2）.横着的条形图

a = ['猫', '狗', '蛇', '大象', '兔子', '马', '驴', '斑马', '猎豹', '豺狼']
b = [32.4, 23.3, 232, 2423, 232, 2332, 123, 132, 213, 132]
_x = list(range(len(a)))
plt.rcParams['font.sans-serif'] = ['YouYuan']
plt.rcParams['axes.unicode_minus'] = False
# 设置图形巨细
plt.figure(figsize=(20, 15), dpi=80)
# 横着的条形图 运用barh函数 留意柱形宽度要运用height
plt.barh(_x, b, height=0.3, color='orange')
plt.yticks(_x, a)
plt.ylabel('动物品种')
plt.xlabel('动物数量')
# alpha能够调理网格色彩深浅
plt.grid(alpha=0.3)
plt.show()

4.直方图（运用hist办法）

在传入数据之后往往要以以下方法分组

组数：将数据分组 当数据在100个之内 一般分为5-12组
组距： 每个小组端点的间隔
组数 = 极差/组距 = (max() - min()) or numpy.plp()// bin_width 

以下事例为电影时长散布直方图

a = np.random.randint(90, 150, size=(250,))
print(a)
plt.figure(figsize=(20, 10), dpi=100)
bin_width = 3  # 设置组距
num_bins = int((max(a) - min(a)) // bin_width)  # 分组
plt.xticks(list(range(min(a), max(a) + bin_width, bin_width)))
plt.hist(a, num_bins)  # 传入需要计算的数据 以及组数
plt.show()

但以上事例是组距相同的情况

实际生活往往有许多组距不相同的情况

这时候往往用条形图来展现组距不相同的情况

a = [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 60, 90]
b = [5, 5, 5, 5, 5, 5, 5, 5, 5, 15, 30, 60]
c = [836, 2737, 3723, 3926, 3596, 1438, 3273, 642, 824, 613, 215, 47]
plt.figure(figsize=(20, 10), dpi=100)
plt.bar(range(len(a)), c, width=1)
_x = [i-0.5 for i in range(13)]
_xtick_labels = a + [150]  # + [150] 使得条形图能显现90，150之间的数据
plt.xticks(_x, _xtick_labels, )
plt.grid(alpha=0.3)
plt.show()