2.10.2----Python 数据可视化

实例 10 ：4 个树种不同季节的细根生物量

细根生物量反映了根系从土壤中吸收水分和养分的能力，是植物地下部分碳汇集能力的

重要体现。不同树种细根生物量存在差异性，各树种细根生物量在不同季节间差异较为明显。

假设某大学分别于春季、夏季、秋季对马尾松、樟树、杉木、桂花 4 个树种进行观察，并记

录了不同树种的细根生物量，具体如表 2-9 所示。

根据表 2-9 的数据，将“季节”一列的数据作为 x 轴的刻度标签，将其他列的数据作为

y 轴的数据，绘制马尾松、樟树、杉木、桂花的细根生物量的误差棒图，具体代码如下。

In [26]:

# 10_fine_root_biomass

import numpy as np

import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'SimHei'

plt.rcParams['axes.unicode_minus'] = False

# 准备 x 轴和 y 轴的数据

x = np.arange(3)

y1 = np.array([2.04, 1.57, 1.63])

y2 = np.array([1.69, 1.61, 1.64])

y3 = np.array([4.65, 4.99, 4.94])

y4 = np.array([3.39, 2.33, 4.10])

# 指定测量偏差

error1 = [0.16, 0.08, 0.10]

error2 = [0.27, 0.14, 0.14]

error3 = [0.34, 0.32, 0.29]

error4 = [0.23, 0.23, 0.39]

bar_width = 0.2

# 绘制柱形图

plt.bar(x, y1, bar_width)

plt.bar(x + bar_width, y2, bar_width, align="center",

　　 tick_label=[" 春季 ", " 夏季 ", " 秋季 "])

plt.bar(x + 2 * bar_width, y3, bar_width)

plt.bar(x + 3 * bar_width, y4, bar_width)

# 绘制误差棒 : 横杆大小为 3, 线条宽度为 3, 线条颜色为黑色 , 数据点标记为像素点

plt.errorbar(x, y1, yerr=error1, capsize=3, elinewidth=2, fmt='k,')

plt.errorbar(x + bar_width, y2, yerr=error2, capsize=3,

elinewidth=2, fmt='k,')

plt.errorbar(x + 2 * bar_width, y3, yerr=error3, capsize=3,

elinewidth=2, fmt='k,')

plt.errorbar(x + 3 * bar_width, y4, yerr=error4, capsize=3,

elinewidth=2, fmt='k,')

plt.show()

运行程序，效果如图 2-24 所示。

图 2-24 中， x 轴代表季节， y 轴代表细根生物量，蓝色、橙色、绿色、红色的柱形依次

代表马尾松、樟树、杉木、桂花，柱形上方的黑色短线代表误差棒。由图 2-24 可知，杉木

的细根生物量最多，说明杉木吸收水分和养分的能力最强 ；樟树的细根生物量最少，说明樟

树吸收水分和养分的能力最弱。

注意：

本章所介绍的简单图表（雷达图除外）除了可以使用 pyplot 模块的绘图函数绘制，还可

以通过 Axes 类中与绘图函数同名的方法进行绘制。例如，pyplot 模块的 bar() 函数与 Axes 类

的 bar() 方法都可以绘制柱形图，它们的参数几乎相同（self 除外）。由于本章设计的实例相对

比较简单，因此所有的实例都采用 pyplot 模块的绘制函数实现。

2.11　本章小结

本章主要介绍了如何使用 matplotlib 的绘图函数绘制简单的图表，包括折线图、柱形图

或堆积柱形图、条形图或堆积条形图、堆积面积图、直方图、饼图或圆环图、散点图或气泡

图、箱形图、雷达图、误差棒图。希望大家通过学习本章的内容，能够掌握绘图函数的用法，

并可以使用这些函数绘制简单的图表，从而为后续的学习打好扎实的基础。

2.12　习题

一、填空题

1．plot() 函数会返回一个包含多个　　　　类对象的列表。

2．常见的　　　　包括堆积面积图、堆积柱形图和堆积条形图。

3．pyplot 绘制的直方图默认有　　　　个矩形条。

二、判断题

1．pyplot 只能使用 errorbar() 函数绘制误差棒图。（　　）

2．pyplot 可以使用 barh() 函数绘制堆积条形图。（　　）

3．pyplot 绘制的箱形图默认不显示异常值。（　　）

三、选择题

1．下列函数中，可以快速绘制雷达图的是（　　）。

A．bar()

B．barh()

C．hist()

D．polar()

2．当 pyplot 调用 barh() 函数绘图时，可以通过哪个参数设置图表的刻度标签？（　　）

A．width

B．height

C．tick_label

D．align

3．请阅读下面一段代码 ：

plt.bar(x, y1, tick_label=["A", "B", "C", "D"])

plt.bar(x, y2, bottom=y1, tick_label=["A", "B", "C", "D"])

以上代码中 bar() 函数的 bottom 参数的作用是（　　）。

A．将后绘制的柱形置于先绘制的柱形下方

B．将后绘制的柱形置于先绘制的柱形上方

C．将后绘制的柱形置于先绘制的柱形左方

D．将后绘制的柱形置于先绘制的柱形右方

4．下列选项中，程序运行的效果为圆环图的是（　　）。

A．

import numpy as np

import matplotlib.pyplot as plt

data = np.array([20, 50, 10, 15, 30, 55])

pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])

plt.pie(data, labels=pie_labels)

plt.show()

B．

import numpy as np

import matplotlib.pyplot as plt

data = np.array([20, 50, 10, 15, 30, 55])

pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])

plt.pie(data, radius=1.5, labels=pie_labels)

plt.show()

C．

import numpy as np

import matplotlib.pyplot as plt

data = np.array([20, 50, 10, 15, 30, 55])

pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])

plt.pie(data, radius=1.5, explode=[0, 0.2, 0, 0, 0, 0],labels=pie_labels)

plt.show()

D．

import numpy as np

import matplotlib.pyplot as plt

data = np.array([20, 50, 10, 15, 30, 55])

pie_labels = np.array(['A', 'B', 'C', 'D', 'E', 'F'])

plt.pie(data, radius=1.5, wedgeprops={'width': 0.6},labels=pie_labels)

plt.show()

5．关于使用 boxplot() 函数绘制的箱形图，下列描述正确的是（　　）。

A．箱形图中异常值对应的符号默认为星号

B．箱形图只能垂直摆放，无法水平摆放

C．箱形图默认显示箱体

D．箱形图默认不会显示异常值

四、编程题

1．已知实验中学举行了高二期中模拟考试，考试后分别计算了全体男生、女生各科的

平均成绩，结果如表 2-10 所示。

 按照以下要求绘制图表 ：

（1）绘制柱形图。柱形图的 x 轴为学科， y 轴为平均成绩。

（2）绘制堆积柱形图。堆积柱形图的 x 轴为学科， y 轴为平均成绩。

2．拼多多作为互联网电商的一匹黑马，短短几年内用户规模已经超过 3 亿。2019 年 9

月拼多多平台对所有子类目的销售额进行了统计，结果如表 2-11 所示。