python库Matplotlib（一）

参考链接

1、简单的x-y图绘制

import matplotlib.pyplot as plt
plt.plot([1,2,3,4],[5,7,4,9]) #[1,2,3,4]是x轴，[5,7,4,9]是y轴
plt.show()

2、图例、标题、标签

import matplotlib.pyplot as plt
#坐标轴
x = [1,2,3]
y = [5,7,4]
x2 = [1,2,3]
y2 = [10,14,12]
#给线条添加标签
plt.plot(x, y, label='First Line')
plt.plot(x2, y2, label='Second Line')
#给坐标轴和图形添加标签
plt.xlabel('Plot Number')
plt.ylabel('Important var')
plt.title('Interesting Graph
Check it out')
#显示图形
plt.legend()
plt.show()

结果显示如图所示

 3、条形图和直方图

　　条形图

import matplotlib.pyplot as plt

#绘制直方图，并且添加标签，设定第二个直方图为绿色
plt.bar([1,3,5,7,9],[5,2,7,8,2], label="Example one")
plt.bar([2,4,6,8,10],[8,6,2,5,6], label="Example two", color='g')
plt.legend()

#个x、y轴和图形添加标签
plt.xlabel('bar number')
plt.ylabel('bar height')
plt.title('Epic Graph
Another Line! Whoa')

#显示图形
plt.show()

 　　直方图

import matplotlib.pyplot as plt

#直方图的坐标
population_ages = [22,55,62,45,21,22,34,42,42,4,99,102,110,120,121,122,130,111,115,112,80,75,65,54,44,43,42,48]

bins = [0,10,20,30,40,50,60,70,80,90,100,110,120,130]

#设定容器为bar类型，宽度为0.8
plt.hist(population_ages, bins, histtype='bar', rwidth=0.8)


plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph
Check it out')
plt.legend()
plt.show()

直方图非常像条形图，倾向于通过将区段组合在一起来显示分布。结果如下

4、散点图

　　二维散点图

import matplotlib.pyplot as plt

x = [1,2,3,4,5,6,7,8]
y = [5,2,4,2,1,4,5,2]

plt.scatter(x,y, label='skitscat', color='k', s=25, marker="o")

plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph
Check it out')
plt.legend()
plt.show()

标记文档

 5、堆叠图

import matplotlib.pyplot as plt

#x轴和y轴数据
days = [1,2,3,4,5]

sleeping = [7,8,6,11,7]
eating =   [2,3,4,3,2]
working =  [7,8,7,2,2]
playing =  [8,5,7,8,13]

#设定格式
plt.plot([],[],color='m', label='Sleeping', linewidth=5)
plt.plot([],[],color='c', label='Eating', linewidth=5)
plt.plot([],[],color='r', label='Working', linewidth=5)
plt.plot([],[],color='k', label='Playing', linewidth=5)

#画图
plt.stackplot(days, sleeping,eating,working,playing, colors=['m','c','r','k'])

plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph
Check it out')
plt.legend()
plt.show()

6、饼图

import matplotlib.pyplot as plt

slices = [7,2,2,13]
activities = ['sleeping','eating','working','playing']
cols = ['c','m','r','b']

plt.pie(slices,
        labels=activities,
        colors=cols,
        startangle=90, #我们为饼图选择了 90 度角，这意味着第一个部分是一个竖直线条
        shadow= True,  
        explode=(0,0.1,0,0),  #我们将第二个切片拉出来，如果要拉出来第一个切片，则为(0.1,0,0,0)
        autopct='%1.1f%%')  #我们使用autopct，选择将百分比放置到图表上面。

plt.title('Interesting Graph
Check it out')
plt.show()

结果显示如图所示

7、从文件中加载数据

　　7.1使用CSV模块加载数据

import matplotlib.pyplot as plt
import csv

x = []
y = []

with open('data.txt','r') as csvfile:
    plots = csv.reader(csvfile, delimiter=',')
    for row in plots:
        x.append(int(row[0]))  #第1列的数据作为x轴
        y.append(int(row[1]))  #第二列数据作为y轴

plt.plot(x,y, label='Loaded from file!')
plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph
Check it out')
plt.legend()
plt.show()

data.txt文件中的数据和显示结果如图所示

                                                                                                                               

 　　7.2使用Numpy模块显示数据

import matplotlib.pyplot as plt
import numpy as np

#加载数据
x, y = np.loadtxt('data.txt', delimiter=',', unpack=True)
plt.plot(x,y, label='Loaded from file!')

#画图
plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph
Check it out')
plt.legend()
plt.show()