Python-matplotlib入门--基础图表的绘制

生而为人，请务必善良

matplotlib 实现数据可视化

前提：安装matplotlib库、numpy库及pandas库

实例目录：

1、线性图
2、直方图
3、条状图
4、多序列条状图
5、饼状图
6、极坐标图
7、散点图
8、3D曲面
9、3D散点
10、动画

基础图表实例

1、线性图：

为pandas数据结构绘制线性图

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

data = {'series1':[1,2,3,4,5], 'series2':[2,3,4,5,6], 'series3':[3,4,5,6,7], }
df = pd.DataFrame(data)
x = np.arange(5)
plt.axis([0,5,0,9])
plt.plot(x,df)
plt.legend(data,loc=2)
plt.show()

2、直方图：

#直方图绘制
import matplotlib.pyplot as plt
import numpy as np

np.random.seed(0)#随机种子
m,sigma = 50,5 #均值和标准差
a = np.random.normal(m,sigma,size=100)#一百个元素

#该函数参数为直方图上面的信息,最后两个参数为颜色的设置
#第二个参数为 bin:生成直方图的个数
#normed=1表示出现的概率，=0，表示出现的个数
plt.hist(a,40,normed=0,histtype='stepfilled',facecolor='b',alpha=0.7)
plt.title('test')
plt.savefig('hist.png',dpi=600)#保存为PNG文件，dpi为像素
plt.show()

3、条状图：

#条状图
import matplotlib.pyplot as plt
import numpy as np
index = np.arange(5)
values = [5,3,2,4,5]
plt.bar(index,values,color='b',alpha=0.7)
plt.title('bar')
plt.xticks(index+0.2,['s','m','i','l','e'])#设置刻度标签
plt.savefig('bar.png')#保存为图片
plt.show()

4、多序列条状图：

#多序列条状图
import matplotlib.pyplot as plt
import numpy as np
index = np.arange(5)
values1 = [5,3,2,4,5]
values2 = [6,5,3,5,7]
values3 = [7,4,4,6,8]

b = 0.25#设置b为调控距离
plt.axis([0,5,0,10])#x轴起止，y轴起止坐标
plt.bar(index,values1,b,color='r',alpha=0.7)
plt.bar(index+b,values2,b,color='y',alpha=0.7)
plt.bar(index+2*b,values3,b,color='b',alpha=0.7)
plt.title('A bar chart',fontsize=15)#标题及字体
plt.xticks(index+b,['s','m','i','l','e'])#设置刻度标签
plt.show()

5、饼状图：

#饼图绘制
import matplotlib.pyplot as plt

labels = 'Dog','Cat','Fish','Hen' #饼图标签
sizes = [30,35,15,20]#饼图的大小
explode = (0,0.1,0,0)#0.1为第二个元素凸出距离
#饼图绘制函数
plt.pie(sizes,explode=explode,labels=labels,\
        autopct='%1.1f%%',shadow=False,startangle=90)

plt.axis('equal')
#plt.savefig('bing',dpi=600)#保存为PNG文件，dpi为像素
plt.show()

6、极坐标图：

#极坐标图绘制
import matplotlib.pyplot as plt
import numpy as np

N = 7#极坐标图中数据的个数
t = np.linspace(0.0,2*np.pi,N,endpoint=False)#0-2π 按照个数分出N个不同的角度
rd = 10*np.random.rand(N)#生成每一个角度对应的值
w = np.pi / 2*np.random.rand(N)#宽度值

colors = np.array(['navy','darkgreen','lightgreen','pink','blue','brown','violet'])#颜色数组

#绘制极坐标方法
ax = plt.subplot(111,projection='polar')#一个绘图区域，projection='polar'极坐标参数，采取面向对象方法
bars = ax.bar(t, rd, width=w, bottom=0.0,color=colors)
#分别对应：left(绘制极坐标系中颜色区域开始位置),height(从中心点到边缘绘制的长度),width(每一个绘图区域的面积)
''' plt.show()

7、散点图：

#面型对象方法绘制散点图
import numpy as np
import matplotlib.pyplot as plt

fig , ax = plt.subplots()#函数变成对象，参数分别对应plt.subplots生成的，fig：图表，ax：绘图区域，参数为空默认绘图区域为111
ax.plot(10*np.random.randn(68),10*np.random.randn(68),'*')#(横轴，纵轴，标点方式) randn生成的随机数呈现正态分布乘以10空间范围内,显得更扩散
ax.set_title('stars')

plt.show()

8、3D曲面：

#3D曲面
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
fig = plt.figure()
ax = Axes3D(fig)
X = np.arange(-5,5,0.5)
Y = np.arange(-5,5,0.5)
X,Y = np.meshgrid(X,Y)
#函数（变换函数可有不同效果）
def f(x,y):
    return (1-Y**4+X**4)*np.exp(-x**2-y**2)

#z=f(x,y)生成三维结构
ax.plot_surface(X,Y,f(X,Y),rstride=1,cstride=1,cmap=plt.cm.hot)#cmap关键字可指定各颜色
ax.view_init(elev=10,azim=125)#函数功能：旋转曲面，elev，azim两个参数作用分别为：查看曲面高度；曲面旋转角度
plt.show()

9、3D散点：

#3D散点图

import matplotlib.pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = Axes3D(fig)

x = np.random.randint(30,40,50)
y = np.random.randint(20,30,50)
z = np.random.randint(10,20,50)

x1 = np.random.randint(70,80,50)
y1 = np.random.randint(60,70,50)
z1 = np.random.randint(50,70,50)

x2 = np.random.randint(40,50,50)
y2 = np.random.randint(50,60,50)
z2 = np.random.randint(30,40,50)

ax.scatter(x,y,z)
ax.scatter(x1,y1,z1,c='b',marker='^')
ax.scatter(x2,y2,z2,c='r',marker='*')

ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')

plt.show()

10、制作动画：

#制作动画
import numpy as np
import matplotlib.pyplot as plt
import matplotlib.animation as an

fig = plt.figure()
ax = fig.add_subplot(111)
N = 10
x = np.random.rand(N)
y = np.random.rand(N)
z = np.random.rand(N)
circles,triangles,dots = ax.plot(x,'ro',y,'g^',z,'b.')#设置颜色及形状
ax.set_ylim(0,1)
plt.axis('off')

def update(data):
    circles.set_ydata(data[0])
    triangles.set_ydata(data[1])
    return circles,triangles

def generate():
    while True:
        yield np.random.rand(2,N)

anm = an.FuncAnimation(fig,update,generate,interval=150)

plt.show()