matplotlib绘图(折线图，直方图，柱状图，饼图，散点图，三维，动图)

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了matplotlib绘图(折线图，直方图，柱状图，饼图，散点图，三维，动图)，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含9418字，纯文字阅读大概需要14分钟。

内容图文

折线图 
#折线图，曲线图
import numpy as np
import matplotlib.pyplot as plt

x = np.linspace(-10, 10, 1000)
# y = np.sin(x)
#y = 2 * x * x * x + 3* x * x + 2*x +5
y = np.sin(2*x)+2*np.cos(1/x)
plt.figure()
plt.plot(x, y)
plt.show()
1234567891011 
 
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['KaiTi']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
plt.figure()

fig, (axes1, axes2) = plt.subplots(nrows=1, ncols=2)
axes1.plot([1, 2, 3, 4, 5, 6], color="r", linestyle="-.", label="红线")
axes1.set_title("图1")
# 设置当前x轴以及y轴的label
axes1.set_xlabel(xlabel="x轴")
axes1.set_ylabel(ylabel="y轴")
# 设置显示昂前的legend
axes1.legend()
# 设置当前的网格
axes1.grid(True, linestyle='-.', alpha=0.5)

axes2.plot([2, 4, 6, 8], color="y", linestyle="--", label="黄线")
axes2.set_title("图2")
# 设置当前第二张图的刻度
axes2.set_xticks([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
axes2.set_yticks([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
axes2.legend()
# 开启刻度
axes2.minorticks_on()
plt.show()
1234567891011121314151617181920212223242526 
 
直方图 
# 直方图与当前的柱状图不一样，一个是有间隔并且x轴的是一个准确的值，直方图的值为区间
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['KaiTi']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

plt.figure()
x_date = [22, 87, 5, 43, 56, 73, 55, 54, 11, 20, 51, 5, 79, 31, 27]
bins = [0, 20, 40, 60, 80, 100]
plt.hist(x_date, bins, density=True)
# plt.yticks(range(min(x_date), max(x_date), 10))
plt.xticks(range(min(bins), max(bins) + 5, 5))
plt.show()
12345678910111213 
 
柱状图 
import matplotlib.pyplot as plt
import random

plt.rcParams['font.sans-serif'] = ['KaiTi']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
plt.figure()
month_days = 31
x = [i for i in range(1, month_days)]
y = [random.randrange(20, 41) for i in range(1, month_days)]
plt.bar(x, y, color="r", label="金额")
plt.minorticks_on()
plt.title("一个月的消费情况")
plt.xlabel("一个月(天)")
plt.ylabel("消费金额(元)")
plt.legend()
# plt.xticks(x)
# plt.yticks([i for i in range(0, 41)])
plt.show()
123456789101112131415161718 
 
import matplotlib.pyplot as plt
import random

plt.rcParams['font.sans-serif'] = ['KaiTi']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
plt.figure()
month_days = 5
x = [i + 1 for i in range(1, month_days + 1)]
y = [random.randrange(20, 41) for i in range(1, month_days + 1)]
plt.bar(x, y, label="金额", color=["r", "y", "b", "g", "c"])
# plt.minorticks_on()
plt.title("一周的消费情况")
plt.xlabel("一周(天)")
plt.ylabel("消费金额(元)")
plt.legend()
plt.xticks(x, ["星期{0}".format(i + 1) for i in range(0, month_days + 1)])
plt.grid( linestyle="-.", alpha=0.5)
plt.show()
123456789101112131415161718 
 
import matplotlib.pyplot as plt
import random

plt.rcParams['font.sans-serif'] = ['KaiTi']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
plt.figure()
month_days = 5
x = [i for i in range(1, month_days + 1)]
y = [random.randrange(20, 41) for i in range(1, month_days + 1)]
plt.bar(x, y, label="本周", width=0.3, color="r")
plt.bar([i + 0.2 for i in x], [i + random.randrange(1, 10) for i in y], label="上周", width=0.3, color="g")
# plt.minorticks_on()
plt.title("本周和上周的消费情况")
plt.xlabel("同比")
plt.ylabel("消费金额(元)")
plt.legend()
plt.xticks([i + 0.05 for i in x], ["星期{0}".format(i + 1) for i in range(0, month_days + 1)])
plt.grid(linestyle="-.", alpha=0.5)
plt.show()
12345678910111213141516171819 
 
# -*- coding: utf-8 -*-
import time
import matplotlib.pyplot as plt

def showResult(xList, yList, title, xLabel, yLabel):
    plt.bar(xList, yList, width=0.5,color="b")
    plt.title(title)
    plt.xlabel(xLabel)
    plt.ylabel(yLabel)
    plt.xticks(xList)
    for x, y in zip(xList, yList):
        plt.text(x, y+0.3, str(y), ha='center', va='bottom', fontsize=7.5)
    plt.savefig('fig'+str(int(time.time()))+'.jpg')
    plt.show()

x_arr = [1, 2, 3, 4, 5, 6,7,8,9,10]
y_arr = [95.88897746,92.99818646,84.0831402,87.035405,90.48605803,83.32441838,82.4323623,94.95956628,86.27340434,90.85186676]
showResult(x_arr, y_arr, 'Changan Soh Estimation', 'vehicle number', 'SOH')
123456789101112131415161718 
 
饼图 
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['KaiTi']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

plt.figure()
dataList = [10, 12, 15, 18, 9, 25]
dataLabel = ["水", "零食", "水果", "生活用品", "外卖", "电影"]

plt.pie(dataList, labels=dataLabel, colors=["r", "y", "g", "b", "c", "m"], autopct="%1.2f%%")
plt.legend()
plt.title("一天的消费情况")
# 将当前的图形变成圆形，默认为椭圆
plt.axis("equal")

plt.show()
12345678910111213141516 
 
散点图 
import matplotlib.pyplot as plt
import random

plt.rcParams['font.sans-serif'] = ['KaiTi']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False
plt.figure()
month_days = 31
x = [i for i in range(1, month_days)]
y = [random.randrange(20, 40) for i in range(1, month_days)]
plt.scatter(x, y)
plt.xlabel("一个月")
plt.ylabel("消费金额")
plt.title("一个月的中餐的消费情况")
plt.show()
1234567891011121314 
 
热力图 
import numpy as np
import matplotlib.pyplot as plt

x = np.random.rand(100).reshape(10,10)
plt.imshow(x, cmap=plt.cm.hot, vmin=0, vmax=1)
plt.colorbar()
plt.show()
1234567 
 
三维的线图和散点图 
最基本的三维图是由(x, y, z)三维坐标点构成的线图与散点图，可以用ax.plot3D和ax.scatter3D函数来创建，默认情况下，散点会自动改变透明度，以在平面上呈现出立体感 
#绘制三角螺旋线
from mpl_toolkits import mplot3d
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np

ax = plt.axes(projection='3d')

#三维线的数据
zline = np.linspace(0, 15, 1000)
xline = np.sin(zline)
yline = np.cos(zline)
ax.plot3D(xline, yline, zline, 'gray')

# 三维散点的数据
zdata = 15 * np.random.random(100)
xdata = np.sin(zdata) + 0.1 * np.random.randn(100)
ydata = np.cos(zdata) + 0.1 * np.random.randn(100)
ax.scatter3D(xdata, ydata, zdata, c=zdata, cmap='Greens')
12345678910111213141516171819 
 
三维等高线图 
def f(x, y):
    return np.sin(np.sqrt(x ** 2 + y ** 2))
x = np.linspace(-6,6,30)
y = np.linspace(-6,6,30)
X, Y = np.meshgrid(x, y)
Z = f(X,Y)

fig = plt.figure()
ax = plt.axes(projection='3d')
ax.contour3D(X, Y, Z, 50, cmap='binary')
ax.set_xlabel('x')
ax.set_ylabel('y')
ax.set_zlabel('z')
#调整观察角度和方位角。这里将俯仰角设为60度，把方位角调整为35度
ax.view_init(60, 35)
123456789101112131415 
 
线框图和全面图 
全面图和线框图相似，只不过线框图的每一个面都是由多边形构成。只要增加唉一个配色方案来填充这些多边形，就可以感受到可视化图形表面的拓扑结构了。 
#线框图
fig =plt.figure()
ax = plt.axes(projection='3d')
ax.plot_wireframe(X, Y, Z, color='c')
ax.set_title('wireframe')
12345 
 
曲面图 
#曲面图
ax = plt.axes(projection='3d')
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='viridis', edgecolor='none')
ax.set_title('surface')
1234 
 
三维切片 
#使用极坐标可以获得切片的效果
r = np.linspace(0, 6, 20)
theta = np.linspace(-0.9 * np.pi, 0.8 * np.pi, 40)
r, theta = np.meshgrid(r, theta)
X = r * np.sin(theta)
Y = r * np.cos(theta)
Z = f(X, Y)
ax = plt.axes(projection='3d')
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='viridis', edgecolor='none')
123456789 
 
曲面三角剖分 
在某些应用场景下，上述这些要求均匀采样的网格数据显得太过严格且不太容易实现。这时就可以使用三角剖分部分图形。 
theta = 2 * np.pi * np.random.random(1000)
r = 6 * np.random.random(1000)
x = np.ravel(r * np.sin(theta))
y = np.ravel(r * np.cos(theta))
z = f(x, y)

ax = plt.axes(projection='3d')
ax.scatter(x, y, z, c=z, cmap='viridis', linewidth=0.5)
12345678 
 上图还有许多地方需要修补，这些工作可以由ax.plot_trisurf函数帮助我们完成。它首先找到一组所有点都连接起来的三角形，然后用这些三角形创建曲面 
ax = plt.axes(projection='3d')
ax.plot_trisurf(x, y, z, cmap='viridis', edgecolor='none')
12 
 
莫比乌斯带（应用曲面三角剖分） 
#绘制莫比乌斯带
#由于它是一条二维带，因此需要两个内在维度。theta维度取值范围是0～2pi，宽度维度w取值范围是-1～1
theta = np.linspace(0, 2 * np.pi, 30)
w = np.linspace(-0.25, 0.25, 8)
w, theta = np.meshgrid(w, theta)
phi = 0.5 * theta
#x-y平面内的半径
r = 1 + w * np.cos(phi)

x = np.ravel(r * np.cos(theta))
y = np.ravel(r * np.sin(theta))
z = np.ravel(w * np.sin(phi))

#要画出莫比乌斯带，还必须保证三角部分是正确的。最好的方法是首先用基本参数化方法定义三角部分，然后用Matplotlib将
#这个三角剖分映射到莫比乌斯带的三维空间里
from matplotlib.tri import Triangulation
tri = Triangulation(np.ravel(w), np.ravel(theta))
ax = plt.axes(projection='3d')
ax.plot_trisurf(x, y, z, triangles=tri.triangles, cmap='viridis', linewidth=0.2)
ax.set_xlim(-1, 1);ax.set_ylim(-1,1);ax.set_zlim(-1,1)
1234567891011121314151617181920 
 
动态条形图 
import matplotlib.pyplot as plt
import time

def insert_sort(lst):
    lsts = []
    for i in range(len(lst)):
        temp = lst[i]
        j = i-1
        while j>=0 and lst[j]>temp:
            lst[j+1] = lst[j]
            j -= 1
        lst[j+1] = temp
        l = lst[:]
        lsts.append(l)
    return lsts

if __name__ == "__main__":
    lst = [13,32,42,1,53,4,66,2,5,7,74,23]
    lsts = insert_sort(lst)
    plt.ion()#打开交互模式
    fig = plt.figure()#新建绘图窗口
    ax  = plt.gca()#获取当前子图
    bars = ax.bar(range(len(lst)),height=lst)#绘制条形图
    for l in lsts:
        print(l)
        bars.remove()#删除条形图
        bars = ax.bar(range(len(lst)),height=l)#绘制条形图
        plt.pause(0.5)
    while True:#防止图片关闭
        plt.pause(1)
 

内容总结

以上是互联网集市为您收集整理的matplotlib绘图(折线图，直方图，柱状图，饼图，散点图，三维，动图)全部内容，希望文章能够帮你解决matplotlib绘图(折线图，直方图，柱状图，饼图，散点图，三维，动图)所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

---