目录

matplotlib

matplotlib是最流行的python底层绘图库，接下来就由小编为大家介绍一些关于matplotlib的一些基本图形的绘制操作。这些操作可以将你的数据更加直观的呈现在你的面前。

首先要使用Import导入pyplot库并设置一个别名plt

from matplotlib import pyplot as plt

1.折线图

以下实例绘制气温曲线。(气温是依靠numpy中随机数产生的，因此要导入numpy)

(资料图片仅供参考)

import numpy as np
import random
a = [np.random.randint(20, 35) for i in range(120)]
x = np.arange(0, 120)
fig = plt.figure(figsize=(20, 8), dpi=80) # 设置图形大小和图形分辨率
plt.plot(x, a) #调用plot绘制图形 将x轴坐标和对应的y轴的点传入
# 调整x轴的刻度
_x = list(x)
_xtick_labels = ["10点{}分".format(i) for i in range(60)]
_xtick_labels += ["11点{}分".format(i) for i in range(60)]
plt.xticks(_x[::3], _xtick_labels[::3], rotation=45)   # rotation表示x轴标签旋转度数
# 添加描述信息
plt.xlabel("时间")
plt.ylabel("温度 单位(C)")
plt.title("10点-12点每分钟的气温变化")
plt.show()

运行后发现中文字体无法显示。

这是因为matplotlib在绘制过程中无法显示中文，需要自己设置。

plt.rcParams["font.sans-serif"] = ["YouYuan"]
plt.rcParams["axes.unicode_minus"] = False

加入这些代码后，中文就可以正常显示了

我们还可以加入网格 使图像y轴对应的值更加清楚

gitd()语法格式

matplotlib.pyplot.grid(b=None, which="major",axis="both)

b,which,axis 都是可选的操作

只要在代码末行添加以下一行代码即可

plt.grid()

2.散点图

(使用scatter方法绘制散点图)

from numpy as np
import random
a = np.random.randint(6, 25, size=(31,))
a = list(a)
b = np.random.randint(12, 23, size=(31,))
# 设置字体
plt.rcParams["font.sans-serif"] = ["YouYuan"]
plt.rcParams["axes.unicode_minus"] = False
x1 = np.arange(1, 32)
x2 = np.arange(40, 71)
# 使用plt.scatter()绘制散点图
plt.scatter(x1, a, label="三月", s=20, color="orange")
plt.scatter(x2, b, label="四月"，s=10, color="red")
# label表示不同颜色点的标签，s是点的大小，color设置点的颜色
# 设置x轴刻度
_x = list(x1) + list(x2)
_xtick_labels = ["三月{}日".format(i) for i in x1]
_xtick_labels += ["四月{}日".format(i-39) for i in x2]
plt.xticks(_x[::3], _xtick_labels[::3], rotation=45)
plt.xlabel("时间")
plt.legend()
plt.ylabel("温度")
plt.show()

运行后

3.条形图

（使用bar或者barh方法绘制） （1）.竖着的条形图

a = ["猫", "狗", "蛇", "大象", "兔子", "马", "驴", "斑马", "猎豹", "豺狼"]
b = [32.4, 23.3, 232, 2423, 232, 2332, 123, 132, 213, 132]
_x = list(range(len(a)))
plt.rcParams["font.sans-serif"] = ["YouYuan"]
plt.rcParams["axes.unicode_minus"] = False
# 设置图形大小
plt.figure(figsize=(20, 8), dpi=80)
# 竖着的条形图 使用bar函数
# width表示柱形宽距
plt.bar(_x, b, width=0.3)
plt.xticks(_x, a)
plt.xlabel("动物种类")
plt.ylabel("动物数量")
plt.show()

（2）.横着的条形图

a = ["猫", "狗", "蛇", "大象", "兔子", "马", "驴", "斑马", "猎豹", "豺狼"]
b = [32.4, 23.3, 232, 2423, 232, 2332, 123, 132, 213, 132]
_x = list(range(len(a)))
plt.rcParams["font.sans-serif"] = ["YouYuan"]
plt.rcParams["axes.unicode_minus"] = False
# 设置图形大小
plt.figure(figsize=(20, 15), dpi=80)
# 横着的条形图 使用barh函数 注意柱形宽度要使用height
plt.barh(_x, b, height=0.3, color="orange")
plt.yticks(_x, a)
plt.ylabel("动物种类")
plt.xlabel("动物数量")
# alpha可以调节网格颜色深浅
plt.grid(alpha=0.3)
plt.show()

4.直方图

（使用hist方法）

在传入数据之后往往要以以下方式分组

组数：将数据分组 当数据在100个之内 一般分为5-12组
组距： 每个小组端点的距离
组数 = 极差/组距 = (max() - min()) or numpy.plp()// bin_width

以下案例为电影时长分布直方图

a = np.random.randint(90, 150, size=(250,))
print(a)
plt.figure(figsize=(20, 10), dpi=100)
bin_width = 3  # 设置组距
num_bins = int((max(a) - min(a)) // bin_width)  # 分组
plt.xticks(list(range(min(a), max(a) + bin_width, bin_width)))
plt.hist(a, num_bins)  # 传入需要统计的数据 以及组数
plt.show()

但以上案例是组距相同的情况

实际生活往往有许多组距不相同的情况

这时候往往用条形图来展现组距不相同的情况

a = [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 60, 90]
b = [5, 5, 5, 5, 5, 5, 5, 5, 5, 15, 30, 60]
c = [836, 2737, 3723, 3926, 3596, 1438, 3273, 642, 824, 613, 215, 47]
plt.figure(figsize=(20, 10), dpi=100)
plt.bar(range(len(a)), c, width=1)
_x = [i-0.5 for i in range(13)]
_xtick_labels = a + [150]  # + [150] 使得条形图能显示90，150之间的数据
plt.xticks(_x, _xtick_labels, )
plt.grid(alpha=0.3)
plt.show()

以上就是matplotlib基本图形绘制操作实例的详细内容，更多关于matplotlib 图形绘制的资料请关注脚本之家其它相关文章！

关键词： 相关文章 为大家介绍 这是因为 设置字体 不同颜色