python Matplotlib库绘制常用图表(超全)

本文涉及的产品
云原生数据库 PolarDB 分布式版,标准版 2核8GB
简介: 笔记

一、绘制圆环图


import numpy as np
import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚,可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")
# 建立坐标系
plt.subplot(1,1,1)
# 指明x值
x1 = np.array([8566,5335,7310,6482])
x2 = np.array([4283,2667,3655,3241])
# 绘图
labels = ['东区','北区','南区','西区']
plt.pie(x1,labels = labels,radius=1.0,wedgeprops=dict(width = 0.3,edgecolor = 'w'))
plt.pie(x1,radius=0.7,wedgeprops=dict(width = 0.3,edgecolor = 'w'))
# 添加注释
plt.annotate('完成量',xy=(0.35,0.35),xytext = (0.7,0.45),arrowprops = dict(facecolor = 'black',arrowstyle = '->'))
plt.annotate('任务量',xy=(0.75,0.20),xytext = (1.1,0.2),arrowprops = dict(facecolor = 'black',arrowstyle = '->'))
# 设置标题
plt.title(label = 'xxxxxxxx')
# 显示图表
plt.show()

效果如下:

10.png

二、绘制折线图


绘制折线图:

plt.plot(x,y,color,linestyle,linewidth,marker,markeredgecolor,markeredgwidth,

markerfacecolor,markersize,label)

x,y为x轴y轴的数据

color为yanse

linestyle为线的格式

linewidth表示线的宽度

marker表示折线每个点的形状

注:除了xy是必选项,其他均为可选项

import pandas as pd
import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚,可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")
# 数据源
df = pd.read_excel('/Users/caizhengjie/Desktop/数据分析数据/数据可视化/数据1.xlsx')
print(df)
#将图表的整个区域分成1行1列,且在第一个坐标系里面绘图
plt.subplot(1,1,1)
# 在第一个坐标系里面画折线
plt.plot(df['月份'],df['注册量'],color='k',linestyle='dashdot',linewidth=1,marker='o',markersize=5,label='注册用户数')
# 设置标题
plt.title('xxxxxxx',loc='center')
#添加数据标签
for a,b in zip(df['月份'],df['注册量']):
    plt.text(a,b,b,ha = 'center',va = 'bottom',fontsize = 10)
# 设置网格线
plt.grid(True)
# 设置图例
plt.legend()
plt.show()


效果如下:

11.png


三、绘制散点图


绘制散点图:

plt.scatter(x,y,s,c,marker,linewidths,edgecolors)

(x,y)表示散点的位置

s表示每个点的位置

c表示每个点的颜色

marker表示每个点的标记

linewidths表示每个散点的线宽

edgecolors表示每个散点外轮廓的颜色

import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚,可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")
# 绘制散点图
# 建立坐标系
plt.subplot(1,1,1)
# 指明x和y的值
x = [5.5,6.6,6,8.1,19.5,22.4,28.3,28.9]
y = [2.38,3.85,4.41,5.67,5.44,6.03,8.15,6.87]
# 绘图
plt.scatter(x,y,marker='o',s = 100)
# 设置标题
plt.title('xxxxxxxxxx',loc='center')
# 设置x轴y轴的名称
plt.xlabel('平均气温')
plt.ylabel('啤酒销量')
# 设置网格线
plt.grid(True)
# 显示图表
plt.show()

效果如下:

12.png


四、绘制条形图


绘制条形图:

plt.barh(y,width,height,align,color,edgecolor)

y表示什么位置显示柱子,即纵坐标

width表示柱子在横向的宽度,即横坐标

height表示柱子在纵向的高度,即柱子的实际高度

align表示柱子的对齐方式

color表示柱子的颜色

edgecolor表示柱子的边缘颜色

import numpy as np
import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚,可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")
# 绘制条形图
# 建立坐标系
plt.subplot(1,1,1)
# 指明x和y的值
x = np.array(['东区','南区','西区','北区'])
y = np.array([8556,6482,5335,7301])
# 绘图
# width指明条形的宽度,align指明条形图的位置默认是center
plt.barh(x,height=0.5,width=y,align='center')
# 设置标题
plt.title('xxxxxxxxxx',loc='center')
# 添加数据标签
for a,b in zip(x,y):
    plt.text(b,a,b,ha='center',va='center',fontsize = 12)
# 设置x轴y轴的名称
plt.xlabel('区域')
plt.ylabel('任务量')
# 设置网格线
plt.grid(True)
# 显示图表
plt.show()

效果如下:13.png


五、绘制树地图


绘制树地图:用来表示同一等级中不同类别的占比关系,使用squairfy库

squairfy.plot(sizes,label,color,value,edgecolor,linewidth)

sizes待绘图数据

label不同类别的图例标签

color不同类别的颜色

value不同类别的数据标签

edgecolor不同类别之间边框的颜色

linewidth边框线宽

import numpy as np
import matplotlib.pyplot as plt
import squarify
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚,可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")
# 指定每一块的大小
size = np.array([3.4,0.693,0.585,0.570,0.562,0.531,0.530,0.524,0.501,0.478,0.468,0.436])
# 指定每一块的文字标签
xingzuo = np.array(['未知','魔蝎座','天秤座','双鱼座','天蝎座','金牛座','处女座','双子座','射手座','狮子座','水瓶座','白羊座'])
# 指定每一块数值标签
rate = np.array(['34%','6.93%','5.85%','5.7%','5.62%','5.31%','5.3%','5.24%','5.01%','4.78%','4.68%','4.34%'])
# 指定每一块颜色
colors= ['steelblue','#9999ff','red','indianred','green','yellow','orange']
#绘图
plot = squarify.plot(sizes=size,label=xingzuo,color=colors,value=rate,edgecolor='white',linewidth = 3)
# 设置标题大小
plt.title('星座分布',fontdict={'fontsize':12})
# 除去坐标轴
plt.tick_params(top = 'off',right = 'off')
# 显示图表
plt.show()

效果如下:

15.png


六、绘制柱形图


绘制柱形图:

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

x:表示在什么位置显示柱形图

height表示每根柱子的高度

width表示每根柱子的宽度

bottom表示每根柱子的底部位置

align表示柱子的位置与x值的关系

color柱子颜色

edgecolor柱子边缘颜色

import numpy as np
import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚,可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")
# 普通柱形图实例
# 建立坐标系
plt.subplot(1,1,1)
# 指明x和y的值
x = np.array(['东区','南区','西区','北区'])
y = np.array([8556,6482,5335,7301])
# 绘图
plt.bar(x,y,width=0.5,align='center',label = '任务量')
# 设置标题
plt.title('xxxxxxxxxx',loc='center')
# 添加数据标签
for a,b in zip(x,y):
    plt.text(a,b,b,ha='center',va='bottom',fontsize = 12)
# 设置x轴y轴的名称
plt.xlabel('分区')
plt.ylabel('任务量')
# 显示图例
plt.legend()
# 显示图表
plt.show()
# 簇状柱形图实例
# 建立坐标系
plt.subplot(1,1,1)
# 指明x和y的值
x = np.array([1,2,3,4])
y1 = np.array([8556,6482,5335,7301])
y2 = np.array([4283,2667,3655,3241])
# 绘图
plt.bar(x,y1,width=0.3,label = '任务量')
plt.bar(x+0.3,y2,width=0.3,label = '完成量')
# 设置标题
plt.title('xxxxxxxxxx',loc='center')
# 添加数据标签
for a,b in zip(x,y1):
    plt.text(a,b,b,ha='center',va='bottom',fontsize = 12)
for a,b in zip(x+0.3,y2):
    plt.text(a,b,b,ha='center',va='bottom',fontsize = 12)
# 设置x轴y轴的名称
plt.xlabel('分区')
plt.ylabel('任务情况')
# 设置x轴刻度线
plt.xticks(x+0.15,['东区','南区','西区','北区'])
# 设置网格线
plt.grid(True)
# 设置图例
plt.legend()
# 显示图表
plt.show()
# 堆积柱形图
# 建立坐标系
plt.subplot(1,1,1)
# 指明x和y的值
x = np.array(['东区','南区','西区','北区'])
y1 = np.array([8556,6482,5335,7301])
y2 = np.array([4283,2667,3655,3241])
# 绘图
plt.bar(x,y1,width=0.3,label = '任务量')
plt.bar(x,y2,width=0.3,label = '完成量')
# 设置标题
plt.title('xxxxxxxxxx',loc='center')
# 添加数据标签
for a,b in zip(x,y1):
    plt.text(a,b,b,ha='center',va='bottom',fontsize = 12)
for a,b in zip(x,y2):
    plt.text(a,b,b,ha='center',va='top',fontsize = 12)
# 设置x轴y轴的名称
plt.xlabel('分区')
plt.ylabel('任务情况')
# 设置网格线
plt.grid(True)
# 设置图例
plt.legend(loc = 'upper center',ncol = 2)
# 显示图表
plt.show()


效果如下

20.png21.png22.png


七、绘制气泡图


import numpy as np
import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚,可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")
# 绘制散点图
# 建立坐标系
plt.subplot(1,1,1)
# 指明x和y的值
x = np.array([5.5,6.6,6,8.1,19.5,22.4,28.3,28.9])
y = np.array([2.38,3.85,4.41,5.67,5.44,6.03,8.15,6.87])
# 绘图
# 根据y值的大小产生不同的颜色
colors = y*10
# 根据y值的大小产生不同的大小形状
area = y*100
plt.scatter(x,y,c=colors,marker='o',s = area)
# 设置标题
plt.title('xxxxxxxxxx',loc='center')
# 添加数据标签
for a,b in zip(x,y):
    plt.text(a,b,b,ha='center',va='center',fontsize = 12,color = 'white')
# 设置x轴y轴的名称
plt.xlabel('平均气温')
plt.ylabel('啤酒销量')
# 设置网格线
plt.grid(True)
# 显示图表
plt.show()

效果如下:

25.png


八、绘制热力图


绘制热力图

plt.imshow(x,cmap)

x表示待绘图的数据,需要是矩阵形式

cmap配色方案,用来表明图表渐变的主题色

import numpy as np
import matplotlib.pyplot as plt
import itertools
import squarify
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚,可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")
# 几个相关指标之间的相关性
cm = np.array([[1,0.082,0.031,-0.0086],
              [0.082,1,-0.063,0.062],
              [0.031,-0.09,1,0.026],
              [-0.0086,0.062,0.026,1]])
# 设置配色
cmap = plt.cm.cool()
plt.imshow(cm,cmap=cmap)
# 显示右边的颜色条
plt.colorbar()
# 设置x轴y轴的刻度标签
classes = ['负债率','信贷数量','年龄','家属数量']
tick_marks = np.arange(len(classes))
plt.xticks(tick_marks,classes)
plt.yticks(tick_marks,classes)
# 将数值显示在指定位置
for i,j in itertools.product(range(cm.shape[0]),range(cm.shape[1])):
    plt.text(j,i,cm[i,j],horizontalalignment = 'center')
# 设置网格线
plt.grid(False)
# 显示图表
plt.show()


效果如下:

26.png


九、绘制水平线和垂直线


绘制水平线和垂直线

目的:用来做参考对比

plt.axhline(y,xmin,xmax)

plt.axvline(x,ymin,ymax)


y/x 画水平线/垂直线时的横/纵坐标

xmin,xmax水平线的起点和终点

ymin,ymax垂直线的起点和终点

import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚,可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")
# 建立坐标系
plt.subplot(1,2,1)
# 绘制一条y等于2且起点是0.2,终点是0.6的水平线
plt.axhline(y=2,xmin=0.2,xmax=0.6)
plt.subplot(1,2,2)
# 绘制一条x等于2且起点是0.2,终点是0.6的水平线
plt.axvline(x=2,ymin=0.2,ymax=0.6)
plt.show()


效果如下:

30.png


十、绘制箱型图


绘制箱形图

plt.boxplot(x,vert,widths,labels)

x待绘图数据源

vert箱形图方向,如果为True则表示为纵向,如果为False则表示为横向

widths箱形图宽度

labels箱形图标签

import numpy as np
import matplotlib.pyplot as plt
import squarify
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚,可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")
# 建立坐标系
plt.subplot(1,1,1)
# 指明x和y的值
y1 = np.array([866,2335,5710,6482,6120,1605,3813,4428,4631])
y2 = np.array([433,1167,2855,3241,1060,802,1906,2214,3515])
x = [y1,y2]
# 绘图
labels = ['注册人数','激活人数']
plt.boxplot(x,labels = labels,vert=True,widths=[0.2,0.5])
# 设置标题
plt.title(label = 'xxxxxxxx')
# 设置网格线
plt.grid(True)
# 显示图表
plt.show()

效果如下:31.png


十一、绘制雷达图


绘制雷达图

plt.polar(theta,r,color,marker,linewidth)

theta表示每一点在极坐标系中的角度

r表示每一点在极坐标系中的半径

color连接各个点之间线的颜色

marker每点的标记物

linewidth连接线的宽度

import numpy as np
import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚,可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")
# 建立极坐标系
# 参数polar=True表示建立极坐标系
plt.subplot(111,polar=True)
# 把整个圆分成5分
dataLenth = 5
# np.linspace表示在指定的间隔内返回均匀间隔的数字
angles = np.linspace(0,2*np.pi,dataLenth,endpoint=False)
labels = ['沟通能力','业务理解能力','逻辑思维能力','快速学习能力','工具使用能力']
data = [1,2,3,4,5]
# 闭合
data1 = np.concatenate((data,[data[0]]))
# 闭合
angles1 = np.concatenate((angles,[angles[0]]))
# 绘图
plt.polar(angles1,data1,color = 'r',marker = 'o')
# 设置x轴刻度
plt.xticks(angles1,labels)
# 设置标题
plt.title(label = 'xxxxxxxx')
# 显示图表
plt.show()


效果如下:

32.png


十二、绘制面积图


绘制面积图:

plt.stackplot(x,y,labels,colors)

(x,y)表示x/y坐标数值

labels不同系列图表的图例名

import numpy as np
import matplotlib.pyplot as plt
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚,可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")
# 建立坐标系
plt.subplot(1,1,1)
# 指明x和y的值
x = np.array([1,2,3,4,5,6,7,8,9])
y1 = np.array([866,2335,5710,6482,6120,1605,3813,4428,4631])
y2 = np.array([433,1167,2855,3241,1060,802,1906,2214,3515])
# 绘图
labels = ['注册人数','激活人数']
plt.stackplot(x,y1,y2,labels = labels)
# 设置标题
plt.title('xxxxxxxxxx',loc='center')
# 设置x轴y轴的名称
plt.xlabel('月份')
plt.ylabel('注册与激活人数')
# 设置网格线
plt.grid(True)
# 设置图例
plt.legend()
# 显示图表
plt.show()

效果如下:


33.png


十三、绘制饼图


绘制饼图:

plt.pie(x,expolde,labels,colors,autopct,pctdistance,shadow,labeldistance,startangle,radius,counterclock,

wedgeprops,textprops,center,frame)

x 待绘图数据

expolde 饼图中每一块离圆心的距离

labels 饼图中每一块的标签

colors 饼图中每一块的颜色

autopct 控制饼图内数值的百分比格式

pctdistance 数据标签距中心的距离

shadow 饼图是否有阴影

labeldistance 每一块索引距离中心的距离

startangle 饼图的初始角度

radius 饼图的半径

counterclock 是否让饼图逆时针显示

wedgeprops 饼图内外边界属性

textprops 饼图中文本相关属性

center 饼图中心位置

frame 是否显示饼图背后的图框

import numpy as np
import matplotlib.pyplot as plt
import squarify
#解决中文乱码问题
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
# 解决负号无法正常显示的问题
plt.rcParams['axes.unicode_minus']=False
#在默认设置下matplotlib做出来的图表不是很清楚,可以将图表设置成矢量格式显示
# plt.savefig("test.svg", format="svg")
# 建立坐标系
plt.subplot(1,1,1)
# 指明x值
x = np.array([8566,5335,7310,6482])
labels = ['东区','北区','南区','西区']
# 让第一块离圆心远一点
explode = [0.15,0,0,0]
labeldistance = 1
# 绘图
plt.pie(x,labels = labels,autopct='%.0f%%',shadow=True,explode = explode,radius=1.0,labeldistance = labeldistance)
# 设置标题
plt.title(label = 'xxxxxxxx')
# 显示图表
plt.show()

效果如下:


36.png










相关实践学习
快速体验PolarDB开源数据库
本实验环境已内置PostgreSQL数据库以及PolarDB开源数据库:PolarDB PostgreSQL版和PolarDB分布式版,支持一键拉起使用,方便各位开发者学习使用。
相关文章
|
1月前
|
机器学习/深度学习 存储 数据挖掘
Python图像处理实用指南:PIL库的多样化应用
本文介绍Python中PIL库在图像处理中的多样化应用,涵盖裁剪、调整大小、旋转、模糊、锐化、亮度和对比度调整、翻转、压缩及添加滤镜等操作。通过具体代码示例,展示如何轻松实现这些功能,帮助读者掌握高效图像处理技术,适用于图片美化、数据分析及机器学习等领域。
73 20
|
4天前
|
数据采集 JavaScript Android开发
【02】仿站技术之python技术,看完学会再也不用去购买收费工具了-本次找了小影-感觉页面很好看-本次是爬取vue需要用到Puppeteer库用node.js扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
【02】仿站技术之python技术,看完学会再也不用去购买收费工具了-本次找了小影-感觉页面很好看-本次是爬取vue需要用到Puppeteer库用node.js扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
29 7
【02】仿站技术之python技术,看完学会再也不用去购买收费工具了-本次找了小影-感觉页面很好看-本次是爬取vue需要用到Puppeteer库用node.js扒一个app下载落地页-包括安卓android下载(简单)-ios苹果plist下载(稍微麻烦一丢丢)-优雅草卓伊凡
|
28天前
|
测试技术 Python
【03】做一个精美的打飞机小游戏,规划游戏项目目录-分门别类所有的资源-库-类-逻辑-打包为可玩的exe-练习python打包为可执行exe-优雅草卓伊凡-持续更新-分享源代码和游戏包供游玩-1.0.2版本
【03】做一个精美的打飞机小游戏,规划游戏项目目录-分门别类所有的资源-库-类-逻辑-打包为可玩的exe-练习python打包为可执行exe-优雅草卓伊凡-持续更新-分享源代码和游戏包供游玩-1.0.2版本
106 31
【03】做一个精美的打飞机小游戏,规划游戏项目目录-分门别类所有的资源-库-类-逻辑-打包为可玩的exe-练习python打包为可执行exe-优雅草卓伊凡-持续更新-分享源代码和游戏包供游玩-1.0.2版本
|
2月前
|
XML JSON 数据库
Python的标准库
Python的标准库
185 77
|
2月前
|
XML JSON 数据库
Python的标准库
Python的标准库
71 11
|
2月前
|
数据可视化 Python
以下是一些常用的图表类型及其Python代码示例,使用Matplotlib和Seaborn库。
通过这些思维导图和分析说明表,您可以更直观地理解和选择适合的数据可视化图表类型,帮助更有效地展示和分析数据。
105 8
|
4月前
|
Python
pip批量安装Python库 requirement.txt 离线环境无互联网环境下pip安装Python库
pip批量安装Python库 requirement.txt 离线环境无互联网环境下pip安装Python库
240 3
|
8月前
|
开发工具 git Python
安装和使用`libnum`是一个用于数字理论函数的Python库
【6月更文挑战第19天】`libnum`是Python的数字理论函数库。安装可通过`git clone`,进入目录后运行`python setup.py install`,也可用`pip install libnum`。示例:使用`int_to_hex`将十进制数42转换为十六进制字符串'2a'。注意,信息可能已过时,应查最新文档以确保准确性。如遇问题,参考GitHub仓库或寻求社区帮助。
148 1
|
7月前
|
Python
确保你已经安装了`python-barcode`库。如果没有,可以通过pip来安装:
确保你已经安装了`python-barcode`库。如果没有,可以通过pip来安装:
|
Python
Anaconda虚拟环境安装Python库与Spyder
本文介绍在Anaconda中,为Python的虚拟环境安装第三方库与Spyder等配套软件的方法~
490 1
Anaconda虚拟环境安装Python库与Spyder

热门文章

最新文章

推荐镜像

更多