Python绘制图像（Matplotlib）（Ⅱ）（python如何用matplotlib绘图）

Python绘制图像（Matplotlib）（Ⅱ）（python如何用matplotlib绘图）

import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as np

def no1(): """ :return: """ # 展示图表中的中文字体 mpl.rcParams["font.sans-serif"] = ["SimHei"] # 不使用默认的"Unicode minus"模式来处理坐标轴轴线的刻度标签是负数的情况 # 一般使用"ASCII hyphen"模式来处理坐标轴轴线的负刻度值情况 mpl.rcParams["axes.unicode_minus"] = False x = [1, 2, 3, 4, 5, 6, 7, 8] y = [3, 1, 4, 5, 8, 9, 7, 2] # x:柱状图中的柱体标签值 # y:柱状图中的柱体高度 # align:柱体对齐方式 # color: 柱体颜色 # tick_label:刻度标签值 # alpha:柱体的透明度 plt.bar( x, y, align="center", color='c', tick_label=[ "q", 'a', 'c', 'e', 'r', 'j', 'b', 'p'], hatch='/') # hatch参数可以设置柱体的填充样式（/，\\，|，-等） plt.xlabel("箱子编号") plt.ylabel("箱子重量（kg）") plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit " r"2)\no1.png") plt.show()

def no2(): """ :return: """ mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False x = [1, 2, 3, 4, 5, 6, 7, 8] y = [3, 1, 4, 5, 8, 9, 7, 2] plt.barh( x, y, align="center", color='c', tick_label=[ "q", 'a', 'c', 'e', 'r', 'j', 'b', 'p'], hatch='/') plt.xlabel("箱子重量（kg）") plt.ylabel("箱子编号") plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit " r"2)\no2.png") plt.show()

def no3(): """ :return: """ mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False boxWeight = np.random.randint(0, 10, 100) x = boxWeight bins = range(0, 11, 1) plt.hist(x, bins=bins, color='g', histtype="bar", rwidth=1, alpha=0.6) plt.xlabel("箱子重量(Kg)") plt.ylabel("销售数量（个）") plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit " r"2)\no3.png") plt.show()

def no4(): """ :return: """ mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False kinds = "简易箱", "保温箱", "行李箱", "密封箱" colors = ["#e41a1c", "#377eb8", "#4daf4a", "#984ea3"] soldNums = [0.05, 0.45, 0.15, 0.35] plt.pie(soldNums, labels=kinds, autopct="%3.1f%%", startangle=60, colors=colors) plt.title("不同类型箱子的销售数量占比") plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit " r"2)\no4.png") plt.show()

def no5(): """ :return: """ barSlices = 12 theta = np.linspace(0.0, 2 * np.pi, barSlices, endpoint=False) r = 30 * np.random.rand(barSlices) plt.polar( theta, r, color='chartreuse', linewidth=2, marker="*", mfc='b', ms=10) plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit " r"2)\no5.png") plt.show()

def no6(): """ :return: """ a = np.random.randn(100) b = np.random.randn(100) plt.scatter( a, b, s=np.power( 10 * a + 20 * b, 2), cmap=mpl.cm.RdYlBu, marker='o') plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit " r"2)\no6.png") plt.show()

def no7(): """ :return: """ x = np.linspace(0.5, 2 * np.pi, 20) y = np.random.randn(20) plt.stem(x, y, linefmt='-', markerfmt='o', basefmt='-') plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit " r"2)\no7.png") plt.show()

def no8(): """ :return: """ mpl.rcParams["font.sans-serif"] = ["SimHei"] mpl.rcParams["axes.unicode_minus"] = False x = np.random.randn(1000) plt.boxplot(x) plt.xticks([1], ["随机数生成器AlphaRM"]) plt.ylabel("随机数值") plt.title("随机数生成器抗干扰能力的稳定性") plt.grid(axis='y', ls=':', lw=1, color='gray', alpha=0.4) plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit " r"2)\no8.png") plt.show()

def no9(): """ :return: """ x = np.linspace(0.1, 0.6, 6) y = np.exp(x) plt.errorbar(x, y, fmt="bo:", yerr=0.2, xerr=0.02) plt.xlim(0, 0.7) plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit " r"2)\no9.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》

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。