一、堆积图

1、堆积柱状图

如果将函数bar()中的参数bottom的取值设定为列表y、列表y1代表另一个数,函数bar(x,y1,bottom=y,color="r")就会输出堆积柱状图

代码示例:

import matplotlib.pyplot as plt

x = [1,2,3,4,5]
y = [6,10,4,5,1]
y1 = [2,6,3,8,5] plt.bar(x,y,align="center",color="#66c2a5",tick_label=["A","B","C","D","E"],label="title_A")
plt.bar(x,y1,align="center",color="#8da0cb",tick_label=["A","B","C","D","E"],label="title_B")
plt.legend() plt.show()

图像输出:

2、堆积条状图

如果将函数barh()中的参数left的取值设定为列表y,列表y1代表另一数据,函数bar(x,y1,left=y,color="r")

代码示例:

import matplotlib.pyplot as plt

x = [1,2,3,4,5]
y = [6,10,4,5,1]
y1 = [2,6,3,8,5] plt.barh(x,y,align="center",color="#66c2a5",tick_label=["A","B","C","D","E"],label="title_A")
plt.barh(x,y1,align="center",left=y,color="#8da0cb",tick_label=["A","B","C","D","E"],label="title_B")
plt.legend() plt.show()

图像输出:

二、分块图

1、多数据并列柱状图

代码示例:

import matplotlib.pyplot as plt
import numpy as np x = np.arange(5)
y = [6,10,4,5,1]
y1 = [2,6,3,8,5] bar_width = 0.35
tick_label = ["A","B","C","D","E"]
plt.bar(x,y,align="center",color="c",width=bar_width,label="title_A",alpha=0.5)
plt.bar(x+bar_width,y1,align="center",color="b",width=bar_width,label="title_B",alpha=0.5) plt.xticks(x+bar_width/2,tick_label)
plt.legend() plt.show()

输出图像:

2、多数据平行条状图

代码示例:

import matplotlib.pyplot as plt
import numpy as np x = np.arange(5)
y = [6,10,4,5,1]
y1 = [2,6,3,8,5] bar_width = 0.35
tick_label = ["A","B","C","D","E"]
plt.barh(x,y,bar_width,align="center",color="c",label="title_A",alpha=0.5)
plt.barh(x+bar_width,y1,bar_width,align="center",color="b",label="title_B",alpha=0.5) plt.yticks(x+bar_width/2,tick_label)
plt.legend() plt.show()

输出图像:

三、堆积折线图、间断条形图和阶梯图

1、函数stackplot() —— 绘制堆积折线图

代码示例:

import matplotlib.pyplot as plt
import numpy as np x = np.arange(0,5,1)
y = [0,4,3,5,6]
y1 = [1,3,4,2,7]
y2 = [3,4,1,6,5] labels = ["Blue","Brown","Green"]
colors = ["#8da0cb","#fc8d62","#66c2a5"] plt.stackplot(x,y,y1,y2,labels=labels,colors=colors) plt.legend(loc="upper left") plt.show()

图像输出:

2、函数broken_barh() —— 绘制间断条形图

代码示例:

import matplotlib.pyplot as plt
import numpy as np plt.broken_barh([(30,100),(180,50),(260,70)],(20,8),facecolors="#1f78b4")
plt.broken_barh([(60,90),(190,520),(230,30),(280,60)],(10,8),facecolors=("#7fc97f","#beaed4","#fdc086","#ffff99")) plt.xlim(0,360)
plt.ylim(5,35) plt.xticks(np.arange(0,361,60))
plt.yticks([15,25],["A","B"]) plt.grid(ls="-",lw=1,color="gray") plt.show()

图像输出:

3、函数step() —— 绘制阶梯图

参数说明:

where:默认参数为“pre”,
参数值“pre”表示x轴上的每个数据点对应y轴上的数值向左侧绘制水平线直到x轴上的此数据点的左侧相邻数据点为止,
也就是说,x轴上的相邻数据点的取值是按照左开右闭区间进行选取的。
除了可以取“pre”,还可以取“post”,“post”指的是x轴上的相邻数据点的取值按照左闭右开的数据点选取,
然后用对应的y轴上的数据向右绘制水平线直到x轴上的数据点右侧相邻数据点为止。

代码示例:

import matplotlib.pyplot as plt
import numpy as np x = np.linspace(1,10,10)
y = np.sin(x) plt.step(x,y,color="#8dd3c7",where="pre",lw=2) plt.xlim(0,11)
plt.xticks(np.arange(1,11,1))
plt.ylim(-1.2,1.2) plt.show()

图像输出:

四、直方图

1、hist()

hist(x,bins=bins,color="b",histtype="bar",label="score",rwidth=10)

参数说明:

x:连续型数据的输入值
bins:用于确定柱体的个数或是柱体边缘的范围
color:柱体的颜色
histtype:柱体类型
label:图例内容
rwidth:柱体宽度

2、堆积直方图

代码实例:

import matplotlib.pyplot as plt
import numpy as np x1 = np.random.randint(0,100,100)
x2 = np.random.randint(0,100,100) x = [x1,x2]
colors = ["#8dd3c7","#bebada"]
labels = ["A","B"]
bins = range(0,101,10) plt.hist(x,bins=bins,color=colors,histtype="bar",rwidth=10,stacked=True,label=labels,edgecolor = 'k') plt.legend(loc="upper left")
plt.show()

堆积图像输出:

对比:不堆积并列(即:stacked=False)效果图输出 :

3、直方图与阶梯图结合对比

代码实例:

import matplotlib.pyplot as plt
import numpy as np x1 = np.random.randint(0,100,100)
x2 = np.random.randint(0,100,100) x = [x1,x2]
colors = ["#8dd3c7","#bebada"]
labels = ["A","B"]
bins = range(0,101,10) plt.hist(x,bins=bins,color=colors,histtype="stepfilled",rwidth=10,stacked=True,label=labels,edgecolor = 'k') plt.legend(loc="upper right")
plt.show()

图像输出:

五、饼图

1、分列式饼图

代码实现:

import matplotlib.pyplot as plt

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

nums = [0.35,0.15,0.2,0.3]

colors = ["#377eb8","#4daf4a","#984ea3","#ff7f00"]
explode = (0.1,0.1,0.1,0.1) plt.pie(nums,explode=explode,labels=labels,autopct="%3.1f%%",startangle=45,shadow=True,colors=colors)
plt.show()

图像输出:

2、非分裂式饼图

代码示例:

import matplotlib.pyplot as plt

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

nums = [0.35,0.15,0.2,0.3]

colors = ["#377eb8","#4daf4a","#984ea3","#ff7f00"]

plt.pie(nums,labels=labels,autopct="%3.1f%%",startangle=45,colors=colors,pctdistance=0.7)
plt.show()

图像输出:

3、内嵌环形饼图

代码示例:

import matplotlib.pyplot as plt

labels = ["A","B","C","D","E"]

nums1 = [40,15,20,10,15]
nums2 = [30,25,15,20,10] colors = ["#e41a1c","#377eb8","#4daf4a","#984ea3","#ff7f00"] w1, t1, a1 = plt.pie(nums1,autopct="%3.1f%%",radius=1,pctdistance=0.85,colors=colors,textprops=dict(color="w"),wedgeprops=dict(width=0.3,edgecolor="w"))
w2, t2, a2 = plt.pie(nums2,autopct="%3.1f%%",radius=0.7,pctdistance=0.75,colors=colors,textprops=dict(color="w"),wedgeprops=dict(width=0.3,edgecolor="w")) plt.legend(nums1,labels,fontsize=12,bbox_to_anchor=(0.91,0,0.3,1)) plt.setp(a1,size=15,weight="bold")
plt.setp(a2,size=15,weight="bold")
plt.setp(t1,size=12)
plt.show()

图像输出:

六、箱线图

plt.boxplot(testList,whis=whis,widths=width,sym="o",labels=labels,patch_artist=True)

参数说明:

testList:绘制箱线图的输入数据
whis:四分位间距的倍数,用来确定箱须包含数据的范围大小
widths:设置箱体的宽度
sym:离群值的标记样式
labels:绘制每一个数据集的刻度标签
patch_artist:是否给箱体添加颜色

代码实例:

import matplotlib.pyplot as plt
import numpy as np t1 = np.random.randn(5000)
t2 = np.random.randn(5000) testList = [t1,t2]
labels = ["A","B"]
colors = ["#1b9e77","#d95f02"] whis = 1.6
width = 0.35 bplot = plt.boxplot(testList,whis=whis,widths=width,sym="o",labels=labels,patch_artist=True) for patch,color in zip(bplot["boxes"],colors):
patch.set_facecolor(color) plt.grid(axis="y",ls=":",lw=1,color="gray",alpha=0.4)
plt.show()

图像输出:

2、水平方向箱线图

代码示例:

import matplotlib.pyplot as plt
import numpy as np x = np.random.randn(1000) plt.boxplot(x,vert=False) plt.grid(axis="x",ls=":",lw=1,color="gray",alpha=0.4)
plt.show()

图像输出:

3、没有离群值的水平箱线图

代码示例:

import matplotlib.pyplot as plt
import numpy as np x = np.random.randn(1000) plt.boxplot(x,vert=False,showfliers=False) plt.grid(axis="x",ls=":",lw=1,color="gray",alpha=0.4)
plt.show()

图像输出:

七、误差棒图

1、定量数据的误差范围

代码示例:

import matplotlib.pyplot as plt
import numpy as np x = np.linspace(0.1,0.6,10)
y = np.exp(x) err = 0.05 + 0.15 * x low_err = err
upp_err = err * 0.3
err_lim = [low_err,upp_err] plt.errorbar(x,y,yerr=err_lim,fmt=":o",ecolor="y",elinewidth=4,ms=5,mfc='r',capthick=1,capsize=2) plt.xlim(0,0.7)
plt.show()

图像输出:

参数说明:

x,y : 数据点的位置
yerr:单一数值的非对称形式误差范围 //误差范围非对称形式,而且数据点下方的误差范围大于数据点上方的误差范围,xerr类似
fmt:数据点标记样式和数据点标记的连接线样式
ecolor:误差棒的线条颜色
elinewidth:误差棒的线条粗细
ms:数据点的大小
mfc:数据点的标记颜色
mec:数据点的标记边沿颜色
capthick:误差棒边界横杠的厚度
capsize:误差棒边界横杠的大小

2、带误差棒的柱状图

代码实例:

import matplotlib.pyplot as plt
import numpy as np x = np.arange(5)
y = [100,68,79,91,82]
err = [7,2,6,10,5] err_att = dict(elinewidth=2,ecolor="black",casize=3) plt.bar(x,y,color="c",width=0.6,align="center",yerr=err,error_kw=err_att,tick_label=["A","B","C","D","E"])
plt.grid(True,axis="y",ls=":",color="gray",alpha=0.2)
plt.show()

图像输出:

3、带误差棒的条形图

代码实例:

import matplotlib.pyplot as plt
import numpy as np x = np.arange(5)
y = [1200,2400,1800,2200,1600]
err = [150,100,180,130,100] bar_width = 0.6
colors = ["#377eb8","#4daf4a","#984ea3","#ff7f00","#e41a1c"] plt.barh(x,y,bar_width,color=colors,align="center",xerr=err,tick_label=["A","B","C","D","E"])
plt.grid(True,axis="x",ls=":",color="gray",alpha=0.2)
plt.show()

图像输出:

4、带误差棒的多数据并列柱状图

代码实例:

import matplotlib.pyplot as plt
import numpy as np x = np.arange(5)
y1 = [100,68,79,91,82]
y2 = [120,75,70,78,85]
err1 = [7,2,6,10,5]
err2 = [5,1,4,8,9] err_att = dict(elinewidth=2,ecolor="black",capize=3)
bar_width = 0.4 tick_label=["A","B","C","D","E"] plt.bar(x,y1,bar_width,color="#87ceeb",align="center",yerr=err1,error_kw=err_att,label="NO.1")
plt.bar(x+bar_width,y2,bar_width,color="#cd5c5c",align="center",yerr=err2,error_kw=err_att,label="NO.2") plt.xticks(x+bar_width/2,tick_label)
plt.grid(True,axis="y",ls=":",color="gray",alpha=0.2) plt.legend()
plt.show()

图像输出:

5、带误差棒的堆积柱状图

代码实例:

import matplotlib.pyplot as plt
import numpy as np x = np.arange(5)
y1 = [1200,2400,1800,2200,1600]
y2 = [1050,2100,1300,1600,1340]
err1 = [150,100,180,130,80]
err2 = [120,110,170,150,120] err_att = dict(elinewidth=2,ecolor="black",capize=0)
bar_width = 0.6 tick_label=["A","B","C","D","E"] plt.bar(x,y1,bar_width,color="#6495ed",align="center",yerr=err1,error_kw=err_att,label="NO.1")
plt.bar(x,y2,bar_width,color="#ffa500",align="center",yerr=err2,error_kw=err_att,label="NO.2") plt.xticks(x,tick_label)
plt.grid(True,axis="y",ls=":",color="gray",alpha=0.2) plt.legend()
plt.show()

图像输出:

使用Python统计函数绘制复杂图形matplotlib的更多相关文章

  1. 使用Python统计函数绘制简单图形matplotlib

    1.bar() -- 绘制柱状图 plt.bar(x,y,align="center",color="b",tick_label=["a", ...

  2. Python画各种 3D 图形Matplotlib库

    回顾 2D 作图 用赛贝尔曲线作 2d 图.此图是用基于 Matplotlib 的 Path 通过赛贝尔曲线实现的,有对赛贝尔曲线感兴趣的朋友们可以去学习学习,在 matplotlib 中,figur ...

  3. Python数据处理——绘制函数图形以及数据拟合

    1.多项式拟合 对散点进行多项式拟合并打印出拟合函数以及拟合后的图形import matplotlib.pyplot as pltimport numpy as npx=np.arange(1,17, ...

  4. Python 使用 matplotlib绘制3D图形

    3D图形在数据分析.数据建模.图形和图像处理等领域中都有着广泛的应用,下面将给大家介绍一下如何在Python中使用 matplotlib进行3D图形的绘制,包括3D散点.3D表面.3D轮廓.3D直线( ...

  5. Python绘制3D图形

    来自:https://www.jb51.net/article/139349.htm 3D图形在数据分析.数据建模.图形和图像处理等领域中都有着广泛的应用,下面将给大家介绍一下如何使用python进行 ...

  6. Python学习(一) —— matplotlib绘制三维轨迹图

    在研究SLAM时常常需要对其输出的位姿进行复现以检测算法效果,在ubuntu系统中使用Python可以很好的完成相关的工作. 一. Ubuntu下Python的使用 在Ubuntu下使用Python有 ...

  7. Python plot_surface(Axes3D)方法:绘制3D图形

    3D 图形需要的数据与等高线图基本相同:X.Y 数据决定坐标点,Z 轴数据决定 X.Y 坐标点对应的高度.与等高线图使用等高线来代表高度不同,3D 图形将会以更直观的形式来表示高度. 为了绘制 3D ...

  8. 10个Python 统计报表/图表图形类库

    matplotlib,官网:http://matplotlib.sourceforge.net/,Matplotlib 是一个由 John Hunter 等开发的,用以绘制二维图形的 Python 模 ...

  9. python之绘制函数pyplot初探

    我们想将我们手里的数据通过图形的方式展示出来,这样我们更直观的,更可以发现数据带给我们的信息.今天给大家介绍要给python中pyplot绘制函数.一般我们想将手里的数据绘制成图形,分为四大步:1.准 ...

随机推荐

  1. Linux备份入门:3种克隆方法详解_Clonezilla

    摘自:http://os.51cto.com/art/201006/206871.htm 给你的系统磁盘制作一个镜像拷贝是创建备份的好办法.由于便携式U盘总是有比较低廉的价格,你可以维护数个拷贝以便循 ...

  2. 解决Cisco VPN Client:Reason 442: Failed to Enable Virtual Adapter VPN连接问题

    大公司里肯定涉及不同地点的办公问题,这样VPN的使用就频繁了,今天遇到一个VPN连接问题,分享给大家,看一眼,以后不在这问题上耗费太多功夫. 在win7上连接vpn时抛出“failed to enab ...

  3. (一)backbone - API入门

    初探 backbone采用MVC模式,本身提供了模型.控制器和视图从而我们应用程序的骨架便形成. Backbone.js 唯一重度依赖 Underscore.js. 对于 RESTful , hist ...

  4. 【Tomcat源码学习】-1.概述

    Tomcat是用java语言开发的一个Web服务器,最近花了差不多两周时间对Tomcat 9.0源码进行了一遍学习,由于知识储备有限,也只是理解了一个大概,下面就由我来给大家分享一下我对Tomcat的 ...

  5. python性能分析之cProfile模块

    cProfile是标准库内建的分析工具的其中一个,另外两个是hotshot和profile -s cumulative -s cumulative开关告诉cProfile对每个函数累计花费的时间进行排 ...

  6. vue弹窗组件

    文件结构 component.vue <template> <div class="_vuedals" v-show="show"> & ...

  7. JoyOI1035 棋盘覆盖

    原题链接 对棋盘染色,坐标和为奇数的染黑,偶数为白.这时会发现对于相同颜色的格子,是无法放置骨牌的,这样我们就将所有格子分成两类,然后根据能否放置骨牌连边,最后就是求二分图最大匹配了. 这里我是用的匈 ...

  8. 关于TCP/IOCP构架中出现的假死连接解决方案

    如果在2台不同的公网机器,对TCP的c/s做过详细的压力测试,那么很不幸,会有很多人发现自己的server端会出现大量的假死连接. 假死连接具体表现如下: 1.在s端机器上,会有一些处于TCP_EST ...

  9. js &amp; get recursive ids

    js & get recursive ids len = 0; bug for(let i = 0; i < 3; i++) { console.log(`i =`, i); let y ...

  10. 用cocos2d 2.1制作一个过河小游戏(4): 游戏主逻辑BaseLayer设计

    前段时间一直在忙.没有时间更新博客.今天还是抽点时间把最后一小部分游戏的实现放上来吧. BaseLayer.h: #import <GameKit/GameKit.h> #import & ...