Python使用统计函数绘制简单图形实例代码


						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，谢谢大家对中文源码网的支持。