matplotlib 必知的 15 个图-技术圈

Python与算法社区

已原创423篇，干货满满

值得星标

三步加星标

施工专题，我已完成20篇，施工系列几乎覆盖Python完整技术栈，目标只总结实践中最实用的东西，直击问题本质，快速帮助读者们入门和进阶：

19 Python 绘图神器matplotlib(上)

20 matplotlib 绘图(中)

今天是讨论matplotlib绘图的最后一篇，这次以案例和代码为主，总结平时最常使用的绘图API，参考前几天推送给大家的matplotlib绘图60案例这本书籍。

需要导入的模块，matplotlib绘图，numpy几乎是必用的包。

# 导入numpy模块
import numpy as np
# 导入pyplot模块
import matplotlib.pyplot as plt

案例1基本折线图

# 创建序列[1,2,3,...,99]
X = range(100)
# X中元素依次取平方
Y = [value ** 2 for value in X]
plt.plot(X, Y)
plt.show()

案例2正弦图

# [0,2PI)分割为100份
X = np.linspace(0, 2 * np.pi, 100)
# 计算正弦值
Y = np.sin(X)
plt.plot(X, Y)
plt.show()

案例3正弦和余弦图

X = np.linspace(0, 2 * np.pi, 100)
Ya = np.sin(X)
# 计算余弦值
Yb = np.cos(X)
plt.plot(X, Ya)
plt.plot(X, Yb)
plt.show()

案例4 曲线

def plot_slope(X, Y):
    # 计算x方向相邻元素的delta
    Xs = X[1:] - X[:-1]
    # y方向delta
    Ys = Y[1:] - Y[:-1]
    plt.plot(X[1:], Ys / Xs)

X = np.linspace(-3, 3, 100)
Y = np.exp(-X ** 2)
plt.plot(X, Y)
plot_slope(X, Y)
plt.show()

案例5读入数据文件

数据文件 my_data.txt 为：

0	0
1	1
2	4
4	16
5	25
6	36


X, Y = [], []
# 按行读入txt文件
for line in open('my_data.txt', 'r'):
    # 得到一对(x,y)坐标
    values = [float(s) for s in line.split()]
    X.append(values[0])
    Y.append(values[1])

plt.plot(X, Y)
plt.show()

案例6散点图

1024个随机点的散点图

# 随机生成1024行2列的数据，就是1024个点(x,y)
data = np.random.rand(1024, 2)
# 绘制散点图
plt.scatter(data[:, 0], data[:, 1])
plt.show()

案例7 柱状图

data = [5., 25., 50., 20.]
plt.bar(range(len(data)), data, width=0.5)
plt.show()

案例8 水平柱状图

data = [5., 25., 50., 20.]
plt.barh(range(len(data)), data)
plt.show()

案例9 系列柱状图

import numpy as np
import matplotlib.pyplot as plt

data = [[5., 25., 50., 20.],
[4., 23., 51., 17.],
[6., 22., 52., 19.]]

X = np.arange(4)

plt.bar(X + 0.00, data[0], color='b', width=0.25)
plt.bar(X + 0.25, data[1], color='g', width=0.25)
plt.bar(X + 0.50, data[2], color='r', width=0.25)

plt.show()

案例10 stacked 柱状图

A = [5., 30., 45., 22.]
B = [5., 25., 50., 20.]
X = range(4)
plt.bar(X, A, color='b')
plt.bar(X, B, color='r', bottom=A)

plt.show()

案例11 背靠背水平柱状图

women_pop = np.array([5., 30., 45., 22.])
men_pop = np.array([5., 25., 50., 20.])
X = np.arange(4)

plt.barh(X, women_pop, color = 'r')
plt.barh(X, -men_pop, color = 'b')
plt.show()
X = np.arange(4)

plt.barh(X, women_pop, color='r')
plt.barh(X, -men_pop, color='b')

plt.show()

案例12 饼状图

data = [5, 25, 50, 20]
plt.pie(data)

plt.show()

案例13 直方图

X = np.random.randn(1000)
plt.hist(X, bins=20)

plt.show()

以上直方图描述了20个区间内，点数的频次。

案例14 箱形图

data = np.random.randn(100, 5)
plt.boxplot(data)

plt.show()

箱形图中红线表示中位数，往下线是1/4分位数，往上线是3/4分位数，再往下延伸线的长度等于2倍的(上分位数-下分位数），圆圈表示异常点。

案例15 triangulation 图

import matplotlib.tri as tri
data = np.random.rand(100, 2)
triangles = tri.Triangulation(data[:, 0], data[:, 1])
plt.triplot(triangles)

plt.show()

以上这15个图是最最基本的matplotlib绘图，是不能再精简的了，使用尽可能少的代码绘图，方便初学的读者入门。

matplotlib的更多颜色、样式设置、标注设置、多个子图、3D绘图、GUI绘图前面我们也都多少涉及过，在此不再重复。

如果对以上内容感兴趣的读者，可微信我，获取《适合练手的matplotlib 60个案例》电子书。

不必打赏

给我点个赞

就心满意足了