Matplotlob 简明实例入门

通过几个实例,快速了解matplotlib.pyplot 中最为常见的折线图,散点图,柱状图,直方图,饼图的用法
如果您需要更为详细的内容,请参考官方文档:
https://matplotlib.org/gallery/

import matplotlib.pyplot as plt
import random
from pylab import mpl
# 设置显示中文字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
mpl.rcParams["axes.unicode_minus"] = False

案例1:显示温度变化状况

# 0.生成数据
x = range(60)
y_shanghai = [random.uniform(10, 15) for i in x]

# 1.创建画布
plt.figure(figsize=(20,8), dpi=100)

# 2.图形绘制
plt.plot(x, y_shanghai)

## 2.1添加x,y轴刻度
y_ticks = range(40)
x_ticks_labels = [\'11点{}分\'.format(i) for i in x]


plt.xticks(x[::5], x_ticks_labels[::5])
plt.yticks(y_ticks[::5])

# 2.2 显示网格 ,True可以不给,后面有其他值默认为True
plt.grid(True, linestyle=\'--\', alpha=0.7)


# 2.3 添加描述信息
plt.xlabel(\'时间\', fontsize=16)
plt.ylabel(\'温度\', fontsize=16)
plt.title(\'中午温度变化图示\', fontsize=20)

# 3.保存图形
# plt.savefig(\'./data/temperature.png\')

# 4.图形展示, 会释放内存中的资源
plt.show()

案例2. 同一个坐标系中绘制多个图像

# 0.新增北京温度数据
x = range(60)
y_beijing = [random.uniform(1, 3) for i in x]

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制折线图
# 2.1 绘制x, y刻度
x_ticks = [\'11点{}分\'.format(i) for i in x]
y_ticks = range(40)

plt.xticks(x[::5], x_ticks[::5])
plt.yticks(y_ticks[::1])

# 2.2 绘制坐标轴描述
plt.xlabel(\'时间\', fontsize=16)
plt.ylabel(\'温度\', fontsize=16)
plt.title(\'北京上海两地温度变化图\', fontsize=20)

# 2.3 绘制网格线
plt.grid(True, linestyle=\'--\', alpha=0.7)

# 3 绘制图形
plt.plot(x, y_beijing, color=\'c\', linestyle=\'-.\',label=\'北京\')
plt.plot(x, y_shanghai, color=\'m\', linestyle=\'--\',label=\'上海\')


# 4. 绘制图例, 需要在绘制图形时指定label
plt.legend(loc=\'best\')

# 5. 保存图片,需要在plt.show()释放内存资源之前
plt.savefig(\'./data/北京上海两地气温变化图.png\')

# 5.显示图像
plt.show()

案例3. 多个坐标系显示(子图)

# 0.获取数据
x = range(60)
y_beijing = [random.uniform(1, 5) for i in x]
y_shanghai = [random.uniform(15, 25) for i in x]

# 1.创建画布
fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100)
                          
# 2.绘制图像
axes[0].plot(x, y_beijing, label=\'北京\')
axes[1].plot(x, y_shanghai, label=\'上海\', color=\'c\', ls=\'--\')

# 2.1 绘制刻度
x_ticks_label = [\'11点{}分\'.format(i) for i in x]
y_ticks = range(40)

# 先设定数据标签set_xticks, 然后再改为字符串set_xticklabels (不是xtickslabels !!)
axes[0].set_xticks(x[::5])
axes[0].set_xticklabels(x_ticks_labels[::5])
axes[0].set_yticks(y_ticks[::5])

axes[1].set_xticks(x[::5])
axes[1].set_xticklabels(x_ticks_labels[::5])
axes[1].set_yticks(y_ticks[::5])

# 2.2 设定网格显示
axes[0].grid(True, linestyle=\'--\', alpha=0.5)
axes[1].grid(True, linestyle=\'-.\', alpha=0.5)

# 2.3 添加描述信息
axes[0].set_xlabel(\'时间\', fontsize=16)
axes[0].set_ylabel(\'北京温度\', fontsize=16)
axes[0].set_title(\'北京温度变化图\', fontsize=20)

axes[1].set_xlabel(\'时间\', fontsize=16)
axes[1].set_ylabel(\'北京温度\', fontsize=16)
axes[1].set_title(\'北京温度变化图\', fontsize=20)

# 2.4 添加图例
axes[0].legend(loc=0)
axes[1].legend(loc=0)

# 3. 保存图像
plt.savefig(\'北京上海两地温度子图.png\')

# 4. 显示图像
plt.show()

案例4.常见其他图形绘制

4.1 散点图绘制

# 0.准备数据
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
       163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
        21.61, 483.21, 245.25, 399.25, 343.35]
y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
       140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
        30.74, 400.02, 205.35, 330.64, 283.45]

# 1. 创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制散点图
plt.scatter(x, y)

# 3. 显示图形
plt.show()

4.2 柱状图绘制

# 0. 准备数据(以某月电影票房为例)
movie_name = [\'雷神3：诸神黄昏\',\'正义联盟\',\'东方快车谋杀案\',\'寻梦环游记\',\'全球风暴\',\'降魔传\',\'追捕\',\'七十七天\',\'密战\',\'狂兽\',\'其它\']
# x, y 分别为电影名称和票房
x = range(len(movie_name))
y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222] 

# 1.创建画布
plt.figure(figsize=(20, 8), dpi=100)

# 2.绘制柱状图
# 可以添加每个的宽度和颜色(列表输入)
plt.bar(x, y, width=0.5, color=[\'b\',\'r\',\'g\',\'y\',\'c\',\'m\',\'y\',\'k\',\'c\',\'g\',\'b\'])

# 2.1 修改x轴刻度
# plt.xticks(ticks=x, labels=movie_name)  # ticks -> 原刻度, labels->新标签
plt.xticks(x, movie_name, fontsize=15)

# 2.2 网格
plt.grid(ls=\'--\', lw=1, alpha=0.5) # ls->linestyle, lw->linewidth

# 2.4 添加标题和坐标轴名称
plt.title(\'电影票房对比\')
plt.xlabel(\'电影名称\')
plt.ylabel(\'上映票数\')

# 3.显示图像
plt.show()

4.3 直方图

# 0.生成数据
x = [random.uniform(0, 100) for i in range(200)]

# 1.绘制图形
# 直方图用来表示数据的分布,横轴表示数据范围,总之表示分布情况, bins表示分组数量
# y轴表示每个组的占比(百分数)或者数量
plt.hist(x, bins=30)

# 2.显示图形
plt.show()

4.4 饼状图

# 0.获取数据
# 以不同学科的成绩占比
label_names = [\'语文\', \'数学\', \'外语\', \'政治\', \'物理\']

# 每部分的占比(字段换算成百分比)
rate = [1,2,3,4,5]

# 1.绘制图像
# autopct参数为显示占比百分数
plt.pie(rate, labels=label_names, colors=[\'b\',\'r\',\'g\',\'c\',\'pink\'], autopct=\'%1.2f%%\')

plt.show()

# 参考资料:
# https://matplotlib.org/gallery/pie_and_polar_charts/pie_features.html#sphx-glr-gallery-pie-and-polar-charts-pie-features-py