1.折线图

在绘制折线图时，如果你的数据很小，图表的线条有点折，当你数据集比较大时候，比如超过100个点，则会呈现相对平滑的曲线。

在这里，我们使用三个plt.plot绘制了，不同斜率（1，2和3）的三条线。

import numpy as np

import matplotlib.pyplot as plt

cc= np.linspace(0,2,100)

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.plot(cc,cc,label='linear')

plt.plot(cc,cc**2,label='两倍')

plt.plot(cc,cc**3,label='三倍')

plt.xlabel('x label')

plt.ylabel('y label')

plt.title("折线图")

plt.legend()

plt.show()

cc = np.linspace(0,100)

plt.plot(cc,label ='linear')

plt.plot(cc,cc ** 2,label ='quadratic')

plt.plot(cc,cc ** 3,label ='cubic')

plt.xlabel('x label')

plt.ylabel('y label')

结果显示，如下：

注意为了显示中文，我们plt.rcParams属性设置了中文字体，不然不能正确显示中文title的。

3.直方图

直方图也是一种常用的简单图表，本例中我们在同一张图片中绘制两个概率直方图。

import numpy as np

import matplotlib.pyplot as plt

np.random.seed(19680801)

mu1,sigma1 = 100,15

mu2,sigma2 = 80,15

x1 = mu1 + sigma1 * np.random.randn(10000)

x2 = mu2 + sigma2 * np.random.randn(10000)

n1,bins1,patches1 = plt.hist(x1,50,density=True,facecolor='g',alpha=1)

n2,bins2,patches2 = plt.hist(x2,facecolor='r',alpha=0.2)

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.xlabel('智商')

plt.ylabel('置信度')

plt.title('IQ直方图')

plt.text(110,.025,r'$mu=100,sigma=15$')

plt.text(50,r'$mu=80,sigma=15$')

# 设置坐标范围

plt.axis([40,160,0.03])

plt.grid(True)

plt.show()

显示效果为：

4.条形图

我们要介绍的第四种，图表类型是条形图，我们这儿引入稍微比较复杂的条形图。

4.1平行条形图

此例中，我们引入三组（a,b,c）5个随机数（0~1），并用条形图打印出来，做比较

import numpy as np

import matplotlib.pyplot as plt

size = 5

a = np.random.random(size)

b = np.random.random(size)

c = np.random.random(size)

x = np.arange(size)

total_width,n = 0.8,3

width = total_width / n

# redraw the coordinates of x

x = x - (total_width - width) / 2

# here is the offset

plt.bar(x,a,width=width,label='a')

plt.bar(x + width,label='b')

plt.bar(x + 2 * width,c,label='c')

plt.legend()

plt.show()

显示效果为：

4.2堆积条形图

数据同上，不过条形plot的时候，用的相互的值大小差异（水平方向），而不是条柱平行对比。

import numpy as np

import matplotlib.pyplot as plt

size = 5

a = np.random.random(size)

b = np.random.random(size)

c = np.random.random(size)

x = np.arange(size)

plt.bar(x,width=0.5,label='a',fc='r')

plt.bar(x,bottom=a,label='b',fc='g')

plt.bar(x,bottom=a+b,label='c',fc='b')

plt.ylim(0,2.5)

plt.legend()

plt.grid(True)

plt.show()

显示效果为：

5.2嵌套饼图

import numpy as np

import matplotlib.pyplot as plt

size = 0.3

vals = np.array([[60.,32.],[37.,40.],[29.,10.]])

cmap = plt.get_cmap("tab20c")

outer_colors = cmap(np.arange(3)*4)

inner_colors = cmap(np.array([1,5,6,9,10]))

print(vals.sum(axis=1))

# [92. 77. 39.]

plt.pie(vals.sum(axis=1),radius=1,colors=outer_colors,

wedgeprops=dict(width=size,edgecolor='w'))

print(vals.flatten())

# [60. 32. 37. 40. 29. 10.]

plt.pie(vals.flatten(),radius=1-size,colors=inner_colors,edgecolor='w'))

# equal makes it a perfect circle

plt.axis('equal')

plt.show()

显示效果为：

5.3极轴饼图

极轴饼图是一种非常酷的图表，让我们看他的源码：

import numpy as np

import matplotlib.pyplot as plt

np.random.seed(19680801)

N = 10

theta = np.linspace(0.0,2 * np.pi,N,endpoint=False)

radii = 10 * np.random.rand(N)

width = np.pi / 4 * np.random.rand(N)

ax = plt.subplot(111,projection='polar')

bars = ax.bar(theta,radii,bottom=0.0)

for r,bar in zip(radii,bars):

bar.set_facecolor(plt.cm.viridis(r / 10.))

bar.set_alpha(0.5)

plt.show()

显示效果为：

6.3D图表

3D图表也是能我们展示出超想象力的视觉效果的图表。

6.1三维散点图

首先来看看三维的散点图，源码：

import numpy as np

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

data = np.random.randint(0,255,size=[40,40,40])

x,y,z = data[0],data[1],data[2]

ax = plt.subplot(111,projection='3d')

ax.scatter(x[:10],y[:10],z[:10],c='y')

ax.scatter(x[10:20],y[10:20],z[10:20],c='r')

ax.scatter(x[30:40],y[30:40],z[30:40],c='g')

ax.set_zlabel('Z')

ax.set_ylabel('Y')

ax.set_xlabel('X')

plt.show()

显示效果为：

怎么样，效果很酷把，好今天就给大家介绍到这里，如果你有任何问题，可以加到我的一个交流?:548+377+875 源码也有！教程也有！一起交流 快速入门！

（编辑：李大同）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!