Matplotlib可视化示例代码-4-基本图表和绘图

import matplotlib.pyplot as plt
from matplotlib.gridspec import GridSpec

x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 6]
gridspec = GridSpec(1, 3)

# 极地图：projection='polar'
ax1 = plt.subplot(gridspec[0, 0:2], projection='polar')
ax1.plot(x, y, '--', lw=2)
ax1.set_theta_zero_location('N')                    # 0度在东西南北哪个方位，逆时针增加角度。N, NW, W, SW, S, SE, E, NE
ax1.set_thetagrids([0, 50, 66, 90, 133, 180, 270])  # 指定显示的切角线-经度线
# ax1.set_theta_offset(0)                           # 弧度偏移n。顺逆时针偏移对应的角度= 180 / π × n，大概57*n。0对应顺时针90度
ax1.set_rlim(0, 12)                # 指定纬度线值区间-圆环-半径。最好包括下面2项设置全部的值
ax1.set_rgrids([0, 3, 4, 8, 9])   # 设置若干可以显示的纬度线值。
ax1.set_rticks([3, 4, 9])         # 显示这些纬度线值，要在上面设置的列表里。
ax1.set_rlabel_position(0)        # 设置纬度线文字在哪个角度线上
ax1.set_title("极地坐标图")

# 普通直角图
ax2 = plt.subplot(gridspec[0, 2:3], facecolor="#dfee9a")
ax2.plot(x, y, '--', lw=2)
# ax2.set_title("直角坐标图", x=1.2, y=-0.15)
ax2.set_title("直角坐标图", x=1.2, y=0.5, rotation=-30)

plt.show()

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

import matplotlib.pyplot as plt

from matplotlib.gridspec import GridSpec

x = [1, 2, 3, 4, 5]

y = [2, 3, 5, 7, 6]

gridspec = GridSpec(1, 3)

# 极地图：projection='polar'

ax1 = plt.subplot(gridspec[0, 0:2], projection='polar')

ax1.plot(x, y, '--', lw=2)

ax1.set_theta_zero_location('N') # 0度在东西南北哪个方位，逆时针增加角度。N, NW, W, SW, S, SE, E, NE

ax1.set_thetagrids([0, 50, 66, 90, 133, 180, 270]) # 指定显示的切角线-经度线

# ax1.set_theta_offset(0) # 弧度偏移n。顺逆时针偏移对应的角度= 180 / π × n，大概57*n。0对应顺时针90度

ax1.set_rlim(0, 12) # 指定纬度线值区间-圆环-半径。最好包括下面2项设置全部的值

ax1.set_rgrids([0, 3, 4, 8, 9]) # 设置若干可以显示的纬度线值。

ax1.set_rticks([3, 4, 9]) # 显示这些纬度线值，要在上面设置的列表里。

ax1.set_rlabel_position(0) # 设置纬度线文字在哪个角度线上

ax1.set_title("极地坐标图")

# 普通直角图

ax2 = plt.subplot(gridspec[0, 2:3], facecolor="#dfee9a")

ax2.plot(x, y, '--', lw=2)

# ax2.set_title("直角坐标图", x=1.2, y=-0.15)

ax2.set_title("直角坐标图", x=1.2, y=0.5, rotation=-30)

plt.show()

import matplotlib.pyplot as plt

prop_width = 0.25  # 柱的宽度比例

# ====1.蓝柱子====
# 控制柱子的位置。元素数量和数据元素相同。数值要均匀。
prop1_index = [1, 2, 3, 4, 5]
# 绘图柱子高度数据
prop1_height = [20, 35, 30, 35, 27]
bar1 = plt.bar(  #
    x=prop1_index,       # 柱子位置集合
    height=prop1_height, # 柱子数据结合
    width=prop_width,    # 柱宽比例0-1。按元素数量平分得到的数字，乘以这个数。默认0.8
    # alpha=0.4,   # 柱子透明度
    color='b',     # 柱子颜色
    label='蓝柱子') # 图形标注-图里

# ====2.红柱子====
prop2_index = [i + prop_width for i in prop1_index]
prop2_height = (25, 32, 34, 20, 25)
bar2 = plt.bar(prop2_index, prop2_height, width=prop_width, color='r', label='红柱子')

# ====3.x轴====
mark_index = [i + prop_width / 2 for i in prop1_index]
x_marks = ('A', 'B', 'C', 'D', 'E') # 和数据数量相同
plt.xticks(  # x 轴刻度线 
    ticks=mark_index,  # 位置
    labels=x_marks)    # 文字

plt.legend()  # 显示图例
plt.tight_layout()  # 自动调整图像间隔
plt.show()

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

import matplotlib.pyplot as plt

prop_width = 0.25 # 柱的宽度比例

# ====1.蓝柱子====

# 控制柱子的位置。元素数量和数据元素相同。数值要均匀。

prop1_index = [1, 2, 3, 4, 5]

# 绘图柱子高度数据

prop1_height = [20, 35, 30, 35, 27]

bar1 = plt.bar( #

x=prop1_index, # 柱子位置集合

height=prop1_height, # 柱子数据结合

width=prop_width, # 柱宽比例0-1。按元素数量平分得到的数字，乘以这个数。默认0.8

# alpha=0.4, # 柱子透明度

color='b', # 柱子颜色

label='蓝柱子') # 图形标注-图里

# ====2.红柱子====

prop2_index = [i + prop_width for i in prop1_index]

prop2_height = (25, 32, 34, 20, 25)

bar2 = plt.bar(prop2_index, prop2_height, width=prop_width, color='r', label='红柱子')

# ====3.x轴====

mark_index = [i + prop_width / 2 for i in prop1_index]

x_marks = ('A', 'B', 'C', 'D', 'E') # 和数据数量相同

plt.xticks( # x 轴刻度线

ticks=mark_index, # 位置

labels=x_marks) # 文字

plt.legend() # 显示图例

plt.tight_layout() # 自动调整图像间隔

plt.show()

import matplotlib.pyplot as plt
from matplotlib.pyplot import MultipleLocator

data = [8, 9, 13, 14, 14, 15, 23, 28]

fig, (ax0, ax1, ax2, ax3, ax4) = plt.subplots(nrows=5, figsize=(5, 7))

ax0.hist(  #
    data,  #
    bins=30,  # 分析出数据元素最小-最大的数值跨度，lizt = min -> max
              # 整数：将lizt分成几组-柱子的个数。默认10。
              #   所有数据元素放到对应大小区间的组里。组不够多则合并显示为概率或计数。
    histtype='bar',           # 类型。默认bar
    facecolor='yellowgreen',  # 颜色
    density=None,             # True元素出现的概率；False/None元素出现次数。默认False
    cumulative=False,         # 是否累积。计算累加分布。默认false
    rwidth=0.3,               # 柱子宽度
    alpha=0.75)               # 透明度
ax0.xaxis.set_major_locator(MultipleLocator(1))

ax1.hist(  #
    data,  #
    bins=30,  # 
    range=(5, 20),  # 只显示这个区间的数值
    rwidth=0.3)  # 
ax1.set_xlim(5, 30)  # 
ax1.xaxis.set_major_locator(MultipleLocator(1))

ax2.hist(  #
    data,  #
    bins=5,  # 
    rwidth=0.3)  # 
ax2.xaxis.set_major_locator(MultipleLocator(1))

ax3.hist(  #
    data,  #
    bins=[5, 10, 20, 30], # 分析出数据元素最小-最大的数值跨度，lizt = min -> max
                          # 序列：将每个分组的临界值都标识出来。每个组的组距都可以是不同的。
                          #   如果分5组记得需要的临界值是6个，参数序列中需要有6个数值
    rwidth=0.3)  # 
ax3.xaxis.set_major_locator(MultipleLocator(1))

ax4.hist(  #
    data,  #
    bins=[5, 10, 20, 30],  #
    rwidth=0.3)  # 

plt.show()

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

36

37

38

39

40

41

42

43

44

45

46

47

48

import matplotlib.pyplot as plt

from matplotlib.pyplot import MultipleLocator

data = [8, 9, 13, 14, 14, 15, 23, 28]

fig, (ax0, ax1, ax2, ax3, ax4) = plt.subplots(nrows=5, figsize=(5, 7))

ax0.hist( #

data, #

bins=30, # 分析出数据元素最小-最大的数值跨度，lizt = min -> max

# 整数：将lizt分成几组-柱子的个数。默认10。

# 所有数据元素放到对应大小区间的组里。组不够多则合并显示为概率或计数。

histtype='bar', # 类型。默认bar

facecolor='yellowgreen', # 颜色

density=None, # True元素出现的概率；False/None元素出现次数。默认False

cumulative=False, # 是否累积。计算累加分布。默认false

rwidth=0.3, # 柱子宽度

alpha=0.75) # 透明度

ax0.xaxis.set_major_locator(MultipleLocator(1))

ax1.hist( #

data, #

bins=30, #

range=(5, 20), # 只显示这个区间的数值

rwidth=0.3) #

ax1.set_xlim(5, 30) #

ax1.xaxis.set_major_locator(MultipleLocator(1))

ax2.hist( #

data, #

bins=5, #

rwidth=0.3) #

ax2.xaxis.set_major_locator(MultipleLocator(1))

ax3.hist( #

data, #

bins=[5, 10, 20, 30], # 分析出数据元素最小-最大的数值跨度，lizt = min -> max

# 序列：将每个分组的临界值都标识出来。每个组的组距都可以是不同的。

# 如果分5组记得需要的临界值是6个，参数序列中需要有6个数值

rwidth=0.3) #

ax3.xaxis.set_major_locator(MultipleLocator(1))

ax4.hist( #

data, #

bins=[5, 10, 20, 30], #

rwidth=0.3) #

plt.show()

import matplotlib.pyplot as plt
import random

x = [random.randint(1, 10) * x for x in range(1, 10)]
y = [random.randint(2, 10) * x for x in range(1, 10)]
s = [random.randint(5, 35) * x for x in range(21, 30)]
c = [random.choice('rgbyckm') for x in range(0, 9)]

fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)

ax.scatter(  #
    x,  # 横坐标
    y,  # 纵坐标
    s=s,  # 图像大小。或统一大小
    c=c,  # 颜色。或统一颜色
    marker=(5, 1),  # 线条型图片。
    # 第1个数字表示有几个竖杠。如1个为|，2个为+，3个为六芒星，4个为米，5个为五角星，，，
    # 第2个数字取1/2。1为撑开图形，2位收敛图形
    alpha=0.5,  #
    lw=2,  # 边框宽度
    facecolors='none')  #

plt.show()

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

import matplotlib.pyplot as plt

import random

x = [random.randint(1, 10) * x for x in range(1, 10)]

y = [random.randint(2, 10) * x for x in range(1, 10)]

s = [random.randint(5, 35) * x for x in range(21, 30)]

c = [random.choice('rgbyckm') for x in range(0, 9)]

fig = plt.figure()

ax = fig.add_subplot(1, 1, 1)

ax.scatter( #

x, # 横坐标

y, # 纵坐标

s=s, # 图像大小。或统一大小

c=c, # 颜色。或统一颜色

marker=(5, 1), # 线条型图片。

# 第1个数字表示有几个竖杠。如1个为|，2个为+，3个为六芒星，4个为米，5个为五角星，，，

# 第2个数字取1/2。1为撑开图形，2位收敛图形

alpha=0.5, #

lw=2, # 边框宽度

facecolors='none') #

plt.show()

import matplotlib.pyplot as plt

labels = ['娱乐', '育儿', '饮食', '房贷', '交通', '其它']
sizes = [2, 5, 12, 70, 2, 9]  # 总和100
explode = (0, 0, 0, 0.1, 0, 0)  # '房贷'偏离圆心

plt.pie(  #
    x=sizes,           # 扇面比例。如 2/100*360
    explode=explode,   # 离开中心距离
    labels=labels,     # 扇面的标注文字
    autopct='%1.1f%%', # 百分比显示设置。可使用format字符串或format function
    shadow=False,  # 饼图下阴影。默认值：False，即不画阴影
    startangle=0)  # 起始绘制角度,默认图是从x轴正方向逆时针画起,如90°则从y轴正方向画起
# labeldistance :label标记的绘制位置,相对于半径的比例，默认值为1.1, 如<1则绘制在饼图内侧；
# pctdistance :类似于labeldistance,指定autopct的位置刻度,默认值为0.6；
# radius  :控制饼图半径，默认值为1；
# counterclock ：指定指针方向；布尔值，可选参数，默认为：True，即逆时针。将值改为False即可改为顺时针。
# wedgeprops ：字典类型，可选参数，默认值：None。参数字典传递给wedge对象用来画一个饼图。例如：wedgeprops={'linewidth':3}设置wedge线宽为3。
# textprops ：设置标签（labels）和比例文字的格式；字典类型，可选参数，默认值为：None。传递给text对象的字典参数。
# center ：浮点类型的列表，可选参数，默认值：(0,0)。图标中心位置。
# frame ：布尔类型，可选参数，默认值：False。如果是true，绘制带有表的轴框架。
# rotatelabels ：布尔类型，可选参数，默认为：False。如果为True，旋转每个label到指定的角度。

plt.title("饼图")
plt.show()

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

import matplotlib.pyplot as plt

labels = ['娱乐', '育儿', '饮食', '房贷', '交通', '其它']

sizes = [2, 5, 12, 70, 2, 9] # 总和100

explode = (0, 0, 0, 0.1, 0, 0) # '房贷'偏离圆心

plt.pie( #

x=sizes, # 扇面比例。如 2/100*360

explode=explode, # 离开中心距离

labels=labels, # 扇面的标注文字

autopct='%1.1f%%', # 百分比显示设置。可使用format字符串或format function

shadow=False, # 饼图下阴影。默认值：False，即不画阴影

startangle=0) # 起始绘制角度,默认图是从x轴正方向逆时针画起,如90°则从y轴正方向画起

# labeldistance :label标记的绘制位置,相对于半径的比例，默认值为1.1, 如<1则绘制在饼图内侧；

# pctdistance :类似于labeldistance,指定autopct的位置刻度,默认值为0.6；

# radius :控制饼图半径，默认值为1；

# counterclock ：指定指针方向；布尔值，可选参数，默认为：True，即逆时针。将值改为False即可改为顺时针。

# wedgeprops ：字典类型，可选参数，默认值：None。参数字典传递给wedge对象用来画一个饼图。例如：wedgeprops={'linewidth':3}设置wedge线宽为3。

# textprops ：设置标签（labels）和比例文字的格式；字典类型，可选参数，默认值为：None。传递给text对象的字典参数。

# center ：浮点类型的列表，可选参数，默认值：(0,0)。图标中心位置。

# frame ：布尔类型，可选参数，默认值：False。如果是true，绘制带有表的轴框架。

# rotatelabels ：布尔类型，可选参数，默认为：False。如果为True，旋转每个label到指定的角度。

plt.title("饼图")

plt.show()

import matplotlib.pyplot as plt

fig = plt.figure(1)  # 创建一个窗口
ax = fig.add_subplot(1, 1, 1)  # 添加一个子图

# 默认都使用小数，表示在窗口宽高的百分比位置。

rect1 = plt.Rectangle(  #
    (0.1, 0.2),  # x, y 
    0.2,  # 宽
    0.3,  # 高
    color='r')  # 创建一个矩形，参数：(x,y),width,height

circ1 = plt.Circle(  # 
    (0.7, 0.2),  # 圆心x y
    0.15,  # 半径。默认圆形会跟随窗口大小进行缩放
    color='r',  # 
    alpha=0.3)  # 创建一个椭圆，参数：中心点，半径，

pgon1 = plt.Polygon(  # 
    [[0.45, 0.45],  # 每个顶点坐标
     [0.65, 0.6],  # 
     [0.5, 0.65],  # 
     [0.35, 0.76],  # 
     [0.2, 0.6]])  # 最后一个顶点自动与第一个顶点闭合
pgon1.set_label("多边形")

ax.add_patch(rect1)  # 将形状添加到子图上
ax.add_patch(circ1)
ax.add_patch(pgon1)
ax.axis('equal') # xy轴等比。现象：圆是否为正圆

fig.canvas.draw()  # 子图绘制

plt.show()

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

35

import matplotlib.pyplot as plt

fig = plt.figure(1) # 创建一个窗口

ax = fig.add_subplot(1, 1, 1) # 添加一个子图

# 默认都使用小数，表示在窗口宽高的百分比位置。

rect1 = plt.Rectangle( #

(0.1, 0.2), # x, y

0.2, # 宽

0.3, # 高

color='r') # 创建一个矩形，参数：(x,y),width,height

circ1 = plt.Circle( #

(0.7, 0.2), # 圆心x y

0.15, # 半径。默认圆形会跟随窗口大小进行缩放

color='r', #

alpha=0.3) # 创建一个椭圆，参数：中心点，半径，

pgon1 = plt.Polygon( #

[[0.45, 0.45], # 每个顶点坐标

[0.65, 0.6], #

[0.5, 0.65], #

[0.35, 0.76], #

[0.2, 0.6]]) # 最后一个顶点自动与第一个顶点闭合

pgon1.set_label("多边形")

ax.add_patch(rect1) # 将形状添加到子图上

ax.add_patch(circ1)

ax.add_patch(pgon1)

ax.axis('equal') # xy轴等比。现象：圆是否为正圆

fig.canvas.draw() # 子图绘制

plt.show()

import matplotlib.pyplot as plt
from matplotlib.collections import PolyCollection
from mpl_toolkits.mplot3d.art3d import Poly3DCollection

vertices_2d = [  # 点(x,y)
    # 4个顶点-四边形
    [(0.23, 0.21), (0.7, 0.3), (0.5, 0.5), (0.1, 0.6)],  # 
    # 3个顶点-三角形
    [(0.55, 0.65), (0.6, 0.8), (0.8, 0.6)]]
poly_2d = PolyCollection(vertices_2d, edgecolor="none", linewidths=0, color=['red', "blue"])

ax1 = plt.subplot(2, 1, 1, projection='rectilinear')
ax1.add_collection(poly_2d)

vertices_3d = [  # 点(x,y,z)。
    # 3个顶点-三角形
    [[0.61377549, 0.68580259, 0.96418538],  #
     [0.15825059, 0.54761657, 0.77019897],  #
     [0.66885340, 0.03589625, 0.12602636]],  #
    # 4个顶点-四边形，如果点的位置不协调，面可能是褶皱的
    [[0.13767549, 0.12596858, 0.96418538],  # 
     [0.28515829, 0.56547617, 0.52339897],  #
     [0.38515829, 0.66547617, 0.44019897],  #
     [0.60515829, 0.47656517, 0.39827097],  #
     [0.50216684, 0.29620355, 0.52602636]],  #
]
poly_3d = Poly3DCollection(vertices_3d, edgecolor="none", linewidths=0, color=["blue", 'red'])
ax2 = plt.subplot(2, 1, 2, projection='3d')
ax2.set_xlabel('X', fontdict={'size': 15, 'color': 'red'})
ax2.set_ylabel('Y', fontdict={'size': 15, 'color': 'red'})
ax2.set_zlabel('Z', fontdict={'size': 15, 'color': 'red'})
ax2.add_collection3d(poly_3d)

plt.show()

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

17

18

19

20

21

22

23

24

25

26

27

28

29

30

31

32

33

34

import matplotlib.pyplot as plt

from matplotlib.collections import PolyCollection

from mpl_toolkits.mplot3d.art3d import Poly3DCollection

vertices_2d = [ # 点(x,y)

# 4个顶点-四边形

[(0.23, 0.21), (0.7, 0.3), (0.5, 0.5), (0.1, 0.6)], #

# 3个顶点-三角形

[(0.55, 0.65), (0.6, 0.8), (0.8, 0.6)]]

poly_2d = PolyCollection(vertices_2d, edgecolor="none", linewidths=0, color=['red', "blue"])

ax1 = plt.subplot(2, 1, 1, projection='rectilinear')

ax1.add_collection(poly_2d)

vertices_3d = [ # 点(x,y,z)。

# 3个顶点-三角形

[[0.61377549, 0.68580259, 0.96418538], #

[0.15825059, 0.54761657, 0.77019897], #

[0.66885340, 0.03589625, 0.12602636]], #

# 4个顶点-四边形，如果点的位置不协调，面可能是褶皱的

[[0.13767549, 0.12596858, 0.96418538], #

[0.28515829, 0.56547617, 0.52339897], #

[0.38515829, 0.66547617, 0.44019897], #

[0.60515829, 0.47656517, 0.39827097], #

[0.50216684, 0.29620355, 0.52602636]], #

]

poly_3d = Poly3DCollection(vertices_3d, edgecolor="none", linewidths=0, color=["blue", 'red'])

ax2 = plt.subplot(2, 1, 2, projection='3d')

ax2.set_xlabel('X', fontdict={'size': 15, 'color': 'red'})

ax2.set_ylabel('Y', fontdict={'size': 15, 'color': 'red'})

ax2.set_zlabel('Z', fontdict={'size': 15, 'color': 'red'})

ax2.add_collection3d(poly_3d)

plt.show()

威格灵

1.极地图

2.柱形图

3.直方图

4.散点图

5.饼图

6.几何图形

7.绘图类PolyCollection和Poly3DCollection