目录
数据分析06 /matplotlib绘图
1. 绘制线性图：plt.plot()
绘制单条线形图
import matplotlib.pyplot as plt import numpy as np x = [1,2,3,4,5] y = [5,4,3,2,1] plt.plot(x,y)
绘制抛物线形图
x = np.linspace(-np.pi,np.pi,40) y = x**2 plt.plot(x,y)
在一个坐标系中绘制多条曲线
plt.plot(x,y) plt.plot(x-1,y+2)
给x，y设定标识
plt.plot(x,y) plt.xlabel('name') plt.ylabel('score') plt.title('Performance trends')
设置图例大小
plt.figure(figsize=(10,10)) plt.plot(x,y)设置图例legend()
扫描二维码关注公众号，回复： 8179901 查看本文章
plt.plot(x,y,label='s1') plt.plot(x-1,y+2,label='s2') plt.legend(loc=4)
保存图例
# 1.实例化一个对象 fig = plt.figure() # 2.画图 plt.plot(x,y,label='hello') plt.plot(x-1,y+2,label='hey') plt.legend(loc=4) # .保存 fig.savefig('./123.png')
2. 绘制柱状图：plt.bar()
plt.bar()参数：第一个参数是索引。第二个参数是数据值。第三个参数是条形的宽度
示例：
x = [1,2,3,4,5] # x轴的刻度 y = [2,3,4,5,6] # 柱子的高度 plt.bar(x,y)
3. 绘制直方图：plt.hist()
是一个特殊的柱状图，又叫做密度图
plt.hist()的参数：
- bins
可以是一个bin数量的整数值，也可以是表示bin的一个序列。默认值为10 - normed
如果值为True，直方图的值将进行归一化处理，形成概率密度，默认值为False - color
指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合,例如DataFrame对象，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色 - orientation
通过设置orientation为horizontal创建水平直方图。默认值为vertical
- bins
示例：
x = [1,1,2,3,4,5,5,5,6,7,7,7,7,7,7,8] plt.hist(x,bins=15) # 柱子的个数
4. 绘制饼状图：pie()
饼图适合展示各部分占总体的比例，条形图适合比较各部分的大小
pie()只有一个参数x
示例：
示例一
arr=[11,22,31,15] plt.pie(arr)
示例二：加起来不满足1
arr=[0.2,0.3,0.1] plt.pie(arr)
示例三：设置各部分的标识
arr=[11,22,31,15] plt.pie(arr,labels=['a','b','c','d'])
示例四：设置标识距离中心的距离
arr=[11,22,31,15] plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3)
示例五：显示各部分所占的比例
arr=[11,22,31,15] plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,autopct='%.6f%%')
示例六：各部分设置距离中心点不同的距离
arr=[11,22,31,15] plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3,shadow=True,explode=[0.2,0.3,0.2,0.4])
5. 绘制散点图：scatter()
因变量随自变量而变化的大致趋势
示例：
示例一：有规律散点图
x = np.array([1,3,5,7,9]) y = x ** 2 plt.scatter(x,y)
示例二：无规律散点图
x = np.random.random((60,)) y = np.random.random((60,)) plt.scatter(x,y)