python 绘图库Matplotlib-,matplotlib绘制函数图像
将绘制精美的图表作为数学编程语言(Mathematical Programming Language)导入
将matplotlib.pyplot输入为血小板计数
汇入数组为铭牌堆积柱状图def no1():
""选项卡
堆积柱状图
:返回：
""选项卡
例如，rcparams[ font。sans-serif ]=[ simhei ]
例如，rcparams[轴。unicode _ MINUS ]=false
x=[1、2、3、4、5]
y=[6，10，4，5，1]
y1=[2、6、3、8、5]
工厂酒吧(
x轴，
然后呢？
align=居中，
颜色= # 66c2-5 ，
tick_label=[
" a "
" b "
" c "
“d”，
是],
标签=班级(一)"
plt.bar(x，y1，align=center ，bottom=y，color= # 8 from 0 CB)，
tick_label=[A ， b ， c ， d ，
是，标签=班级(b)"
plt.xlabel(测试难度)
plt.ylabel(试卷份数)
plt .图例()
PLT。保存配置(r e:\ programmer \ python \ matplot lib实践\图\图(单位)
R3)\否1。png "
plt.show()堆积条形图def no2():
""选项卡
堆积条形图
:返回：
""选项卡
例如，rcparams[ font。sans-serif ]=[ simhei ]
例如，rcparams[轴。unicode _ MINUS ]=false
x=[1、2、3、4、5]
y=[6，10，4，5，1]
y1=[2、6、3、8、5]
plt.barh(
x轴，
然后呢？
align=居中，
颜色= # 66c2-5 ，
tick_label=[
" a "
" b "
" c "
“d”，
是],
标签=班级(一)"
plt.barh(x，y1，align=center ，left=y，color= # 8 from 0 CB)，
tick_label=[A ， b ， c ， d ，
是，标签=班级(b)"
plt.ylabel(测试难度)
plt.xlabel(试卷份数)
plt .图例()
PLT。保存配置(r e:\ programmer \ python \ matplot lib实践\图\图(单位)
r 3)\否。2 .png "
plt.show()多数据并列柱状图def no3():
""选项卡
多数据并列柱状图
:返回：
""选项卡
例如，rcparams[ font。sans-serif ]=[ simhei ]
例如，rcparams[轴。unicode _ MINUS ]=false
x=橙色NP(5)
y=[6，10，4，5，1]
y1=[2、6、3、8、5]
条形宽度=0.35
tick_label=[A ， b ， c ， d ， E]
plt.bar(x，y，bar_width，color=c ，align=center ，label=班级=0.5)
plt.bar(x bar_width，y1，bar_width，color=b ，align=center)，
标签=班级b，=0.5)
plt.xlabel(测试难度)
plt.ylabel(试卷份数)
PLT。xts(x条形宽度//2，刻度标签)
plt .图例()
PLT。保存配置(r e:\ programmer \ python \ matplot lib实践\图\图(单位)
R3)\否3。png "
plt.show()多数据平行条形图def no4():
""选项卡
多数据平行条形图
:返回：
""选项卡
例如，rcparams[ font。sans-serif ]=[ simhei ]
例如，rcparams[轴。unicode _ MINUS ]=false
x=橙色NP(5)
y=[6，10，4，5，1]
y1=[2、6、3、8、5]
条形宽度=0.35
tick_label=[A ， b ， c ， d ， E]
plt.barh(
x轴，
然后呢？
酒吧_宽度，
颜色=c ，
align=居中，
标签=班级答：
阿尔法=0.5)
plt.barh(x bar_width，y1，bar_width，color=b ，align=center)，
标签=班级b，=0.5)
plt.ylabel(测试难度)
plt.xlabel(试卷份数)
plt.yticks(x bar_width //2，tick_label)
plt .图例()
PLT。保存配置(r e:\ programmer \ python \ matplot lib实践\图\图(单位)
R3)\否4。png "
plt.show()堆积折线图def no5():
""选项卡
堆积折线图
:返回：
""选项卡
x=橙色NP(1，6，1)
y=[0，4，3，5，6]
y1=[1，3，4，2，7]
y2=[3，4，1，6，5]
标签=[蓝色星球，棕色星球，绿色星球]
colors=[# 8 from 0 CB， #fc8d62 ， # 66c2-5 ]
plt.stackplot(x，y，y1，y2，标签=标签，颜色=颜色)
plt.legend(loc=左上")
PLT。保存配置(r e:\ programmer \ python \ matplot lib实践\图\图(单位)
R3)\否5。png "
plt.show()间断条形图def no6():
""选项卡
间断条形图
:返回：
""选项卡
例如，rcparams[ font。sans-serif ]=[ simhei ]
例如，rcparams[轴。unicode _ MINUS ]=false
#(60.90):从x个轴的数值为60的位置起，沿x个轴正方向移动90个单位。
#(10.8):从起点是然后呢轴的数值为10的位置起，沿然后呢轴正方向移动8个单位。
#面部颜色：每个柱面的填充颜色
PLT。broken _ bar([(30，100)，(180，50)，(260，70)]，
(20，8)，facecolors=#1f78b4 "
PLT。broken _ bar[(60，90)，(190，20)，(230，30)，(280，60)]，(10，8)，
facecolors=(#7fc97f ， #beaed4 ， #fdc086 ， #ffff99 ))
PLT。xlim(0.360)
PLT。伊利姆(5.35)
plt.xlabel(演出时间)
PLT。xts(NP。阿朗(0.361.60))
plt.yticks([15，25]，[歌剧院一个，”歌剧院页：1
plt.grid(ls=-、lw=1、color=gray )"
plt.title(不同地区的歌剧院的演出时间比较)
plt .图例()
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图（单位
r3)\no6.png )
plt.show()阶梯图def no7():
阶梯图
：返回：
x=np.linspace(1，10，10)
y=np.sin(x)
#其中：默认参数是pre，表示x轴上的每个数据点对应的y轴上的数值向左侧绘制水平直线到x轴
# 上的此数据点的左侧相邻数据点为止，左开右闭数据点
#帖子
plt.step(x，y，color=#8dd3c7 ，其中=pre ，lw=2)
plt.xlim(0，11)
plt.xticks(np.arange(1，11，1))
plt.ylim(-1.2，1.2)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图（单位
r3)\no7.png )
plt.show()堆积直方图def no8():
堆积直方图
：返回：
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
scoreT1=np.random.randint(1，100，100)
scoreT2=np.random.randint(1，100，100)
x=[得分1,得分2]
colors=[#8dd3c7 ， #bebada]
标签=[班级一个,班级B]
箱子=范围(0,101,10)
#堆叠设置为错误的得到并排直方图
#历史类型设置直方图形状（分步填充：阶梯图)
plt.hist(x，bins=bins，color=colors，histtype=bar ，rwidth=10，
堆叠=真，标签=标签)
plt.xlabel(测试成绩)
plt.ylabel(学生人数)
plt.title(不同班级的测试成绩的直方图)
plt.legend(loc=左上角)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图（单位
r3)\no8.png )
plt.show()饼图def no9():
饼图
：返回：
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
标签=A难度水平， B难度水平， C难度水平， D难度水平
学生=[0.35,0.15,0.20,0.30]
colors=[#377eb8 ， #4daf4a ， #984ea3 ， #ff7f00]
分解=(0.1,0.1,0.1,0.1)
#学生：饼片代表的百分比
#爆炸：饼片边缘偏离半径的百分比
#标签:标记每份饼片的文本标签内容
#自动执行：饼片文本标签内容对应的数值百分比样式
#开始角度：从x轴作为其实位置，第一个饼片逆时针旋转的角度
#阴影：是否绘制饼片的阴影
#颜色：饼片的颜色
plt.pie(students，explode=explode，labels=labels，autopct=%3.1f%% ，
startangle=45，shadow=True，colors=colors)
plt.title(选择不同难度测试试卷的学生的百分比)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图（单位
r3)\no9.png )
plt.show()非分裂式饼图def no10():
非分裂式饼图
：返回：
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
标签=A难度水平， B难度水平， C难度水平， D难度水平
学生=[0.35,0.15,0.20,0.30]
colors=[#377eb8 ， #4daf4a ， #984ea3 ， #ff7f00]
分解=(0.1,0.1,0.1,0.1)
plt.pie(students，labels=labels，autopct=%3.1f%% ，
开始角度=45,颜色=颜色，百分比距离=0.7,
labeldistance=1.2)
plt.title(选择不同难度测试试卷的学生的百分比)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图（单位
r3)\no10.png )
plt.show()内嵌环形饼图def no11():
内嵌环形饼图
：返回：
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
元素=[面粉, 砂糖, 奶油, 草莓酱, 坚果]
权重1=[40,15,20,10,15]
权重2=[30,25,15,20,10]
colormapList=[#e41a1c ， #377eb8 ， #4daf4a ， #984ea3 ， #ff7f00]
outer_colors=colormapList
inner_colors=colormapList
wedges1，texts1，autotexts1=plt.pie(weight1，
autopct=%3.1f%% ，
半径=1,
百分比距离=0.85,
颜色=外部颜色，
textprops=dict(color=w )，
wedgeprops=dict(宽度=0.3,
edgecolor=w ))
wedges2，texts2，autotexts2=plt.pie(weight2，
autopct=%3.1f%% ，
半径=0.7,
百分比距离=0.75,
颜色=内部颜色
textprops=dict(color=w )，
wedgeprops=dict(宽度=0.3,
edgecolor=w ))
plt.legend(wedges1，elements，fontsize=12，title=配料表，loc=中央偏左，
bbox_to_anchor=(0.91，0，0.3，1))
plt.setp(autotexts1，size=15，weight=bold )
plt.setp(autotexts2，size=15，weight=bold )
plt.setp(texts1，size=12)
plt.title(不同果酱面包配料比例表的比较)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图（单位
r3)\no11.png )
plt.show()多组定量数据的分布比较def no12():
多组定量数据的分布比较
：返回：
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
testA=np.random.randn(5000)
testB=np.random.randn(5000)
testList=[testA，testB]
标签=[随机数生成器AlphaRM ，随机数生成器BetaRM]
colors=[#1b9e77 ， #d95f02]
whis=1.6
宽度=0.35
#测试列表绘制箱线图的输入数据
#小声点四分位间距的倍数，用来确定箱须包含数据的范围的大小
#宽度设置箱体的宽度
# sym离群值的标记样式
标签数量绘制每一个数据集的刻度标签
# patch_artisi是否给箱体添加颜色
bplot=plt.boxplot(testList，whis=whis，widths=width，sym=o ，
标签=标签，补丁_艺术家=真)
对于补丁，zip中的颜色(英国石油公司批次[方框]，颜色):
patch.set_facecolor(颜色)
plt.ylabel(随机数值)
plt.title(生成器抗干扰能力的稳定性比较)
工厂网格(轴=y ，ls=:，lw=1，颜色=灰色=0.4)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图（单位
r3)\no12.png )
plt.show()水平方向的箱线图def no13():
水平方向的箱线图
：返回：
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
x=np.random.randn(1000)
plt.boxplot(x，vert=False)
plt.xlabel(随机数值)
plt.yticks([1]，[随机数生成器AlphaRM]，旋转=90 )
plt.title(随机数生成器抗干扰能力的稳定性)
工厂网格(轴=x ，ls=:，lw=1，颜色=灰色=0.4)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图（单位
r3)\no13.png )
plt.show()不绘制离群值的水平放置的箱线图def no14():
不绘制离群值的水平放置的箱线图
：返回：
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
x=np.random.randn(1000)
plt.boxplot(x，vert=False，showfliers=False)
plt.xlabel(随机数值)
plt.yticks([1]，[随机数生成器AlphaRM]，旋转=90 )
plt.title(随机数生成器抗干扰能力的稳定性)
工厂网格(轴=x ，ls=:，lw=1，颜色=灰色=0.4)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图（单位
r3)\no14.png )
plt.show()误差棒图def no15():
误差棒图
：返回：
x=np.linspace(0.1，0.6，10)
y=np.exp(x)
误差=0.05 0.15 * x
下限_错误=错误
上限误差=0.3 *误差
错误限制=[下限错误，上限错误]
# x，y数据点位置
# yerr:单一数值的非对称形式误差范围
# fmt:数据点的标记样式和数据点标记的连接线样式
# ecolor:误差棒的线条颜色
#电子宽度：误差棒的线条粗细
#毫秒：数据点的标记边缘颜色
# mfc:数据点的标记颜色
# mec:数据点的标记边缘颜色
# capthick:误差棒边界横杠的厚度
#翻船：误差棒边界横杠的大小
plt.errorbar(x，y，yerr=error_limit，fmt=:o ，
ecolor=y ，elinewidth=4，ms=5，
mfc=c ，mec=r ，capthick=1，over=2)
plt.xlim(0，0.7)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图（单位
r3)\no15.png )
plt.show()带误差棒的柱状图def no16():
带误差棒的柱状图
：返回：
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
x=np.arange(5)
y=[100，68，79，91，82]
std_err=[7，2，6，10，5]
error_attri=dict(elinewidth=2，ecolor=black ，over=3)
plt.bar(x，y
color=c ，
宽度=0.6,
align=居中，
yerr=std_err，
错误_千瓦=错误_属性，
tick_label=[园区1, 园区2, 园区3, 园区4, 园区5])
plt.xlabel(芒果种植区)
plt.ylabel(收割量)
plt.title(不同芒果种植区的单次收割量)
plt.grid(True，axis=y ，ls=:，color=gray ，alpha=0.2)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图（单位
r3)\no16.png )
plt.show()绘制带误差棒的条形图def no17():
绘制带误差棒的条形图
：返回：
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
x=np.arange(5)
y=[1200，2400，1800，2200，1600]
标准错误=[150,100,180,130,80]
条形宽度=0.6
colors=[#e41a1c ， #377eb8 ， #4daf4a ， #984ea3 ， #ff7f00]
plt.barh(x，y，
条形宽度，
颜色=颜色，
align=居中，
xerr=std_err，
tick_label=[家庭, 小说, 心理, 科技, 儿童])
plt.xlabel(订购数量)
plt.ylabel(图书种类)
plt.title(大型图书展销会的不同图书种类的采购情况)
plt.grid(True，axis=x ，ls=:，color=gray ，alpha=0.2)
(0.2600)
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图（单位
r3)\no17.png )
plt.show()带误差棒的多数据并列柱状图def no18():
带误差棒的多数据并列柱状图
：返回：
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
x=np.arange(5)
y1=[100，68，79，91，82]
y2=[120，75，70，78，85]
std_err1=[7，2，6，10，5]
std_err2=[5，1，4，8，9]
error_attri=dict(elinewidth=2，ecolor=black ，over=3)
条形宽度=0.4
tick_label=[园区1, 园区2, 园区3, 园区4, 园区5]
工厂酒吧(x，y1，
条形宽度，
color=#87CEEB ，
align=居中，
yerr=std_err1，
错误_千瓦=错误_属性，
label=2010 )
plt.bar(x bar_width，y2，
条形宽度，
color=#CD5C5C ，
align=居中，
yerr=std_err2，
错误_千瓦=错误_属性，
label=2013 )
plt.xlabel(芒果种植区)
plt.ylabel(收割量)
plt.xticks(x bar_width //2，tick_label)
plt.title(不同年份芒果种植区的单次收割量)
plt.grid(True，axis=y ，ls=:，color=gray ，alpha=0.2)
plt。图例()
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图（单位
r3)\no18.png )
plt.show()带误差棒的堆积柱状图def no19():
带误差棒的堆积柱状图
：返回：
mpl。RC params[ font。sans-serif ]=[ sim hei ]
mpl。RC params[轴。unicode _ MINUS ]=False
x=np.arange(5)
y1=[1200，2400，1800，2200，1600]
y2=[1050，2100，1300，1600，1340]
std_err1=[150，100，180，130，80]
std_err2=[120，110，170，150，120]
条形宽度=0.4
tick_label=[家庭, 小说, 心理, 科技, 儿童]
error_attri=dict(elinewidth=2，ecolor=black ，over=0)
工厂酒吧（
x，
y1，
条形宽度，
align=居中，
color=#6495ED ，
tick_label=地区1,
错误功率=错误属性)
工厂酒吧（
x，
y2，
条形宽度，
底部=y1，
align=居中，
color=#FFA500 ，
yerr=std_err2，
tick_label=地区2,
错误功率=错误属性)
plt.xlabel(图书种类)
plt.ylabel(订购数量)
plt.title(不同地区大型图书展销会图书采购情况)
plt.grid(True，axis=y ，ls=:，color=gray ，alpha=0.2)
plt.xticks(x，刻度标签)
plt。图例()
PLT。保存fig(r e:\ Programmer \ PYTHON \ Matplotlib实践\图\图（单位
r3)\no19.png )
plt.show()本篇博文特别感谢刘大成的《Python数据可视化之matplotlib实践》
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。