Matplotlib 精简实例入门

# Matplotlob 简明实例入门  通过几个实例,快速了解matplotlib.pyplot 中最为常见的折线图,散点图,柱状图,直方图,饼图的用法 如果您需要更为详细的内容,请参考官方文档: https://matplotlib.org/gallery/ ```python import matplotlib.pyplot as plt import random from pylab import mpl # 设置显示中文字体 mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False ``` ## 案例1:显示温度变化状况 ```python # 0.生成数据 x = range(60) y_shanghai = [random.uniform(10, 15) for i in x] # 1.创建画布 plt.figure(figsize=(20,8), dpi=100) # 2.图形绘制 plt.plot(x, y_shanghai) ## 2.1添加x,y轴刻度 y_ticks = range(40) x_ticks_labels = ['11点{}分'.format(i) for i in x] plt.xticks(x[::5], x_ticks_labels[::5]) plt.yticks(y_ticks[::5]) # 2.2 显示网格 ,True可以不给,后面有其他值默认为True plt.grid(True, linestyle='--', alpha=0.7) # 2.3 添加描述信息 plt.xlabel('时间', fontsize=16) plt.ylabel('温度', fontsize=16) plt.title('中午温度变化图示', fontsize=20) # 3.保存图形 # plt.savefig('.https://img.qb5200.com/download-x/data/temperature.png') # 4.图形展示, 会释放内存中的资源 plt.show() ```  ## 案例2. 同一个坐标系中绘制多个图像 ```python # 0.新增北京温度数据 x = range(60) y_beijing = [random.uniform(1, 3) for i in x] # 1.创建画布 plt.figure(figsize=(20, 8), dpi=100) # 2.绘制折线图 # 2.1 绘制x, y刻度 x_ticks = ['11点{}分'.format(i) for i in x] y_ticks = range(40) plt.xticks(x[::5], x_ticks[::5]) plt.yticks(y_ticks[::1]) # 2.2 绘制坐标轴描述 plt.xlabel('时间', fontsize=16) plt.ylabel('温度', fontsize=16) plt.title('北京上海两地温度变化图', fontsize=20) # 2.3 绘制网格线 plt.grid(True, linestyle='--', alpha=0.7) # 3 绘制图形 plt.plot(x, y_beijing, color='c', linestyle='-.',label='北京') plt.plot(x, y_shanghai, color='m', linestyle='--',label='上海') # 4. 绘制图例, 需要在绘制图形时指定label plt.legend(loc='best') # 5. 保存图片,需要在plt.show()释放内存资源之前 plt.savefig('.https://img.qb5200.com/download-x/data/北京上海两地气温变化图.png') # 5.显示图像 plt.show() ```  ## 案例3. 多个坐标系显示(子图) ```python # 0.获取数据 x = range(60) y_beijing = [random.uniform(1, 5) for i in x] y_shanghai = [random.uniform(15, 25) for i in x] # 1.创建画布 fig, axes = plt.subplots(nrows=1, ncols=2, figsize=(20, 8), dpi=100) # 2.绘制图像 axes[0].plot(x, y_beijing, label='北京') axes[1].plot(x, y_shanghai, label='上海', color='c', ls='--') # 2.1 绘制刻度 x_ticks_label = ['11点{}分'.format(i) for i in x] y_ticks = range(40) # 先设定数据标签set_xticks, 然后再改为字符串set_xticklabels (不是xtickslabels !!) axes[0].set_xticks(x[::5]) axes[0].set_xticklabels(x_ticks_labels[::5]) axes[0].set_yticks(y_ticks[::5]) axes[1].set_xticks(x[::5]) axes[1].set_xticklabels(x_ticks_labels[::5]) axes[1].set_yticks(y_ticks[::5]) # 2.2 设定网格显示 axes[0].grid(True, linestyle='--', alpha=0.5) axes[1].grid(True, linestyle='-.', alpha=0.5) # 2.3 添加描述信息 axes[0].set_xlabel('时间', fontsize=16) axes[0].set_ylabel('北京温度', fontsize=16) axes[0].set_title('北京温度变化图', fontsize=20) axes[1].set_xlabel('时间', fontsize=16) axes[1].set_ylabel('北京温度', fontsize=16) axes[1].set_title('北京温度变化图', fontsize=20) # 2.4 添加图例 axes[0].legend(loc=0) axes[1].legend(loc=0) # 3. 保存图像 plt.savefig('北京上海两地温度子图.png') # 4. 显示图像 plt.show() ```  ## 案例4.常见其他图形绘制 ### 4.1 散点图绘制 ```python # 0.准备数据 x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01, 20.67, 288.64, 163.56, 120.06, 207.83, 342.75, 147.9 , 53.06, 224.72, 29.51, 21.61, 483.21, 245.25, 399.25, 343.35] y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61, 24.9 , 239.34, 140.32, 104.15, 176.84, 288.23, 128.79, 49.64, 191.74, 33.1 , 30.74, 400.02, 205.35, 330.64, 283.45] # 1. 创建画布 plt.figure(figsize=(20, 8), dpi=100) # 2.绘制散点图 plt.scatter(x, y) # 3. 显示图形 plt.show() ```  ### 4.2 柱状图绘制 ```python # 0. 准备数据(以某月电影票房为例) movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它'] # x, y 分别为电影名称和票房 x = range(len(movie_name)) y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222] # 1.创建画布 plt.figure(figsize=(20, 8), dpi=100) # 2.绘制柱状图 # 可以添加每个的宽度和颜色(列表输入) plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g','b']) # 2.1 修改x轴刻度 # plt.xticks(ticks=x, labels=movie_name) # ticks -> 原刻度, labels->新标签 plt.xticks(x, movie_name, fontsize=15) # 2.2 网格 plt.grid(ls='--', lw=1, alpha=0.5) # ls->linestyle, lw->linewidth # 2.4 添加标题和坐标轴名称 plt.title('电影票房对比') plt.xlabel('电影名称') plt.ylabel('上映票数') # 3.显示图像 plt.show() ```  ### 4.3 直方图 ```python # 0.生成数据 x = [random.uniform(0, 100) for i in range(200)] # 1.绘制图形 # 直方图用来表示数据的分布,横轴表示数据范围,总之表示分布情况, bins表示分组数量 # y轴表示每个组的占比(百分数)或者数量 plt.hist(x, bins=30) # 2.显示图形 plt.show() ```  # 4.4 饼状图 ```python # 0.获取数据 # 以不同学科的成绩占比 label_names = ['语文', '数学', '外语', '政治', '物理'] # 每部分的占比(字段换算成百分比) rate = [1,2,3,4,5] # 1.绘制图像 # autopct参数为显示占比百分数 plt.pie(rate, labels=label_names, colors=['b','r','g','c','pink'], autopct='%1.2f%%') plt.show() # 参考资料: # https://matplotlib.org/gallery/pie_and_polar_charts/pie_features.html#sphx-glr-gallery-pie-and-polar-charts-pie-features-py ```