本文转载自使用Python绘制图表。
在使用Python绘制图表前，我们需要先安装两个库文件numpy和matplotlib。
Numpy是Python开源的数值计算扩展，可用来存储和处理大型矩阵，比Python自身数据结构要高效；matplotlib是一个Python的图像框架，使用其绘制出来的图形效果和MATLAB下绘制的图形类似。
下面介绍如何使用 Python绘图。
注意：
1）使用notebook绘图时需要就加入一句%pylab inline以在页面内显示所绘制图形。
2）使用import matplotlib.pyplot as plt导入绘图库。
3）使用plt.show() 显示图形。
4）使用plt.savefig('images/line.eps', format='eps')保存图形到指定格式并显示图形。format可取值为jpg、png、eps等。
5）使用plt.savefig时不要使用plt.show 。
一、图形绘制
1
%pylab inline
直方图
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import matplotlib.pyplot as plt
import numpy as np
mu = 100
sigma = 20
x = mu + sigma * np.random.randn(20000) # 样本数量
plt.hist(x,bins=100,color='green',normed=True) # bins显示中存在几个直方,normed是否对数据进行标准化
# plt.show() # 显示图形，使用了plt.savefig时不要再使用plt.show
plt.savefig('images/line.eps', format='eps') # 保存图形到指定格式
条形图
1
2
3
4
5
6
7
8
9
10
11
12
import matplotlib.pyplot as plt
import numpy as np
y = [20,10,30,25,15]
index = np.arange(5)
plt.bar(left=index, height=y, color='green', width=0.5)
plt.show()
柱状图
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import matplotlib.pyplot as plt
import numpy as np
plt.rc('font', family='Arial', size=9)
num = np.array([13325, 9403, 9227, 8651])
ratio = np.array([0.75, 0.76, 0.72, 0.75])
men = num * ratio
women = num * (1-ratio)
x = ['A','B','C\nC','D']
width = 0.5
idx = np.arange(len(x))
plt.bar(idx, men, width, color='red', label='Male')
plt.bar(idx, women, width, bottom=men, color='yellow', label='Female')
plt.xlabel('Type')
plt.ylabel('Distribution')
plt.xticks(idx+width/2, x, rotation=40)
plt.legend()
plt.savefig('images/bar.eps', format='eps',dpi=1000)
折线图
1
2
3
4
5
6
7
8
9
10
11
import matplotlib.pyplot as plt
import numpy as np
x = np.linspace(-10,10,100)
y = x**3
plt.plot(x,y,linestyle='--',color='green',marker=',')
plt.show()
散点图
1
2
3
4
5
6
7
8
9
10
11
12
import matplotlib.pyplot as plt
import numpy as np
x = np.random.randn(1000)
y = x+np.random.randn(1000)*0.5
plt.scatter(x,y,s=5,marker='<') # s表示面积，marker表示图形
plt.show()
饼状图
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import matplotlib.pyplot as plt
import numpy as np
labels = 'A','B','C','D'
fracs = [15,30,45,10]
plt.axes(aspect=1) #使x y轴比例相同
explode = [0,0.05,0,0] # 突出某一部分区域
plt.pie(x=fracs, labels=labels, autopct='%.1f%%', explode=explode) #autopct显示百分比
plt.show()
箱形图
主要用于显示数据的分散情况。图形分为上边缘、上四分位数、中位数、下四分位数、下边缘。外面的点是异常值。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import matplotlib.pyplot as plt
import numpy as np
np.random.seed(100)
data = \
np.random.normal(size=(1000,4),loc=0,scale=1)
labels = ['A','B','C','D']
plt.boxplot(data,labels=labels)
plt.show()
二、图像的调整
1、20余种点形状
"." point "," pixel "o" circle "v" triangle_down
"^" triangle_up "<" triangle_left ">" triangle_right "1" tri_down
"2" tri_up "3" tri_left "4" tri_right "8" octagon
"s" square "p" pentagon "*" star "h" hexagon1 "H" hexagon2
"+" plus "x" x "D" diamond "d" thin_diamond
2、8种內建默认颜色的缩写
b:blue g:green r:red c:cyan
m:magenta y:yellow k:black w:white
3、4种线性
- 实线 --虚线 -.点划线 ：点线
4、一张图上绘制子图
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(1,100)
plt.subplot(221) # 2行2列第1个图
plt.plot(x,x,'r-*')
plt.subplot(222)
plt.plot(x,-x,'g--.')
plt.subplot(223)
plt.plot(x,x*x,'b-.+')
plt.subplot(224)
plt.plot(x,np.log(x),'y:^')
plt.show()
5、生成网格
1
2
3
4
5
6
7
8
9
10
11
12
13
14
import matplotlib.pyplot as plt
import numpy as np
y=np.arange(1,5)
plt.plot(y,y,'r-p')
plt.plot(y,y*2,'g--s')
plt.plot(y,y*3,'b-..')
plt.plot(y,y*4,'k:x')
plt.grid(True,color='g',linestyle='--',linewidth='1')
plt.show()
6、生成图例
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
import matplotlib.pyplot as plt
import numpy as np
x=np.arange(1,11,1)
plt.plot(x,x*2)
plt.plot(x,x*3)
plt.plot(x,x*4)
plt.legend(['Normal','Fast','Faster'])
plt.show()
