python数据分析与展示--matplotlib基本绘制函数

一.pyplot基本图标函数概述

以下是对pyplot一些基本绘图函数的介绍，内容较多，故分多表介绍：

---

---

---

二.pyplot饼图绘制

饼图绘制plt.pie()函数，plt.axis()缩放操作

代码实例：

import matplotlib.pyplot as plt
 
labels = 'sing', 'dance', 'rap', 'basketball'
size = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)
plt.pie(size, explode=explode, labels=labels, autopct='%1.1f%%',
        shadow=True, startangle=90)
plt.axis('equal')
plt.show()

效果图：

 

当shadow为false是，饼图没有立体阴影效果：

---

三.pyplot直方图绘制 

直方图绘制函数plt.hist()

hist常用参数：

·bins：直方图区间的个数

·color：柱子颜色

·edgecolor：柱子边框颜色

·denstiy：参数默认为Flase,表示用每个区间的数值个数来绘图，当去True时，柱子的高度为每个区间的频率

·orientation：表示柱子的方向，默认值为vertical，为竖直方向，当取值为horizontal时为水平向

·histtpe：指定绘图的类型，参数bar和stepfilled一样，当参数为step时只绘边框的线条

·alpha：设置像素

代码实例：

import matplotlib.pyplot as plt
import numpy as np
 
np.random.seed(0)   
mu,sigma=100,20         #均值和标准差
a=np.random.normal(mu,sigma,size=100)
plt.hist(a,20,histtype='stepfilled',facecolor='b',alpha=0.75)
plt.title('Histogram')
plt.show()

效果图：

---

又如：

import matplotlib.pyplot as plt
import numpy as np
 
np.random.seed(0)
mu,sigma=100,20         #均值和标准差
a=np.random.normal(mu,sigma,size=100)
plt.hist(a, 20, histtype='bar', facecolor='b', alpha=0.75,
         edgecolor='k',orientation='horizontal')
plt.title('Histogram')
plt.show()

图：

---

 四.pyplot极坐标图的绘制

import matplotlib.pyplot as plt
import numpy as np
 
N=20
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,width=width,bottom=1.0)
for r,bar in zip(radii,bars):
    bar.set_facecolor(plt.cm.viridis(r/10.))
    bar.set_alpha(0.5)
plt.show()

图：

代码详解：

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

 将0到2π" role="presentation">2π$2\pi$均匀分成N份

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

π/4" role="presentation">π/4$\pi /4$生成的数，形成密度值

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

111为子分区，表示生成1*1矩阵的图取第一个图，projection表示画的极坐标

最后for循环用于图像添加颜色

---

五.pyplot散点图绘制

代码:

import matplotlib.pyplot as plt
import numpy as np
 
fig,ax=plt.subplots()
ax.plot(10*np.random.randn(100),10*np.random.randn(100),'o')
ax.set_title('Simple Scatter')
plt.show()

效果图：

 

---