使用Python绘制图表(转)

在使用Python绘制图表前，我们需要先安装两个库文件numpy和matplotlib。

Numpy是Python开源的数值计算扩展，可用来存储和处理大型矩阵，比Python自身数据结构要高效；matplotlib是一个Python的图像框架，使用其绘制出来的图形效果和MATLAB下绘制的图形类似。

下面介绍如何使用 Python绘图。

注意：
1）使用notebook绘图时需要就加入一句%pylab inline以在页面内显示所绘制图形。
2）使用import matplotlib.pyplot as plt导入绘图库。
3）使用plt.show() 显示图形。
4）使用plt.savefig('images/line.eps', format='eps')保存图形到指定格式并显示图形。format可取值为jpg、png、eps等。
5）使用plt.savefig时不要使用plt.show 。

一、图形绘制

%pylab inline

直方图

import matplotlib.pyplot as plt

import numpy as np

mu = 100

sigma = 20

x = mu + sigma * np.random.randn(20000)  # 样本数量

plt.hist(x,bins=100,color='green',normed=True)   # bins显示中存在几个直方,normed是否对数据进行标准化

# plt.show() # 显示图形，使用了plt.savefig时不要再使用plt.show

plt.savefig('images/line.eps', format='eps') # 保存图形到指定格式

png

条形图

import matplotlib.pyplot as plt

import numpy as np

y = [20,10,30,25,15]

index = np.arange(5)

plt.bar(left=index, height=y, color='green', width=0.5)

plt.show()

png

柱状图

import matplotlib.pyplot as plt
import numpy as np
plt.rc('font', family='Arial', size=9)
 
num = np.array([13325, 9403, 9227, 8651])
ratio = np.array([0.75, 0.76, 0.72, 0.75])
men = num * ratio
women = num * (1-ratio)
x = ['A','B','C\nC','D']
 
width = 0.5
idx = np.arange(len(x))
plt.bar(idx, men, width, color='red', label='Male')
plt.bar(idx, women, width, bottom=men, color='yellow', label='Female')
plt.xlabel('Type')
plt.ylabel('Distribution')
plt.xticks(idx+width/2, x, rotation=40)
plt.legend()
plt.savefig('images/bar.eps', format='eps',dpi=1000)

png

折线图

import matplotlib.pyplot as plt

import numpy as np

x = np.linspace(-10,10,100)

y = x**3

plt.plot(x,y,linestyle='--',color='green',marker=',')

plt.show()

png

散点图

import matplotlib.pyplot as plt

import numpy as np

x = np.random.randn(1000)

y = x+np.random.randn(1000)*0.5

plt.scatter(x,y,s=5,marker='<')  # s表示面积，marker表示图形

plt.show()

png

饼状图

import matplotlib.pyplot as plt

import numpy as np

labels = 'A','B','C','D'

fracs = [15,30,45,10]

plt.axes(aspect=1)  #使x y轴比例相同

explode = [0,0.05,0,0]  # 突出某一部分区域

plt.pie(x=fracs, labels=labels, autopct='%.1f%%', explode=explode)  #autopct显示百分比

plt.show()

png

箱形图

主要用于显示数据的分散情况。图形分为上边缘、上四分位数、中位数、下四分位数、下边缘。外面的点是异常值。

import matplotlib.pyplot as plt

import numpy as np

np.random.seed(100)

data = \
np.random.normal(size=(1000,4),loc=0,scale=1)

labels = ['A','B','C','D']

plt.boxplot(data,labels=labels)

plt.show()

png

二、图像的调整

1、20余种点形状

"." point "," pixel "o" circle "v" triangle_down

"^" triangle_up "<" triangle_left ">" triangle_right "1" tri_down

"2" tri_up "3" tri_left "4" tri_right "8" octagon

"s" square "p" pentagon "*" star "h" hexagon1 "H" hexagon2

"+" plus "x" x "D" diamond "d" thin_diamond

2、8种內建默认颜色的缩写

b:blue g:green r:red c:cyan

m:magenta y:yellow k:black w:white

3、4种线性

- 实线 --虚线 -.点划线：点线

4、一张图上绘制子图

import matplotlib.pyplot as plt

import numpy as np

x=np.arange(1,100)

plt.subplot(221)  # 2行2列第1个图

plt.plot(x,x,'r-*')

plt.subplot(222)

plt.plot(x,-x,'g--.')

plt.subplot(223)

plt.plot(x,x*x,'b-.+')

plt.subplot(224)

plt.plot(x,np.log(x),'y:^')

plt.show()

png

5、生成网格

import matplotlib.pyplot as plt

import numpy as np

y=np.arange(1,5)

plt.plot(y,y,'r-p')
plt.plot(y,y*2,'g--s')
plt.plot(y,y*3,'b-..')
plt.plot(y,y*4,'k:x')

plt.grid(True,color='g',linestyle='--',linewidth='1')

plt.show()

png

6、生成图例

import matplotlib.pyplot as plt

import numpy as np

x=np.arange(1,11,1)

plt.plot(x,x*2)

plt.plot(x,x*3)

plt.plot(x,x*4)

plt.legend(['Normal','Fast','Faster'])

plt.show()

png

Python Draw Pictures