不乱于心,不困于情。
不畏将来,不念过往。如此,安好。

Matplotlib入门指南

Matplotlib

Matplotlib 是用于创建图表的 Python 库。 Matplotlib 可用于 Python 脚本,Python 和 IPython shell,jupyter 笔记本,Web 应用服务器以及四个图形用户界面工具包。

Matplotlib 安装

Matplotlib 是需要安装的外部 Python 库。

$ sudo pip install matplotlib
Py

我们可以使用pip工具安装该库。

Matplotlib 散点图

散点图是一种图形或数学图,使用笛卡尔坐标显示一组数据的两个变量的值。

scatter.py

#!/usr/bin/python3

import matplotlib.pyplot as plt

x_axis = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y_axis = [5, 16, 34, 56, 32, 56, 32, 12, 76, 89]

plt.title("Prices over 10 years")
plt.scatter(x_axis, y_axis, color='darkblue', marker='x', label="item 1")

plt.xlabel("Time (years)")
plt.ylabel("Price (dollars)")

plt.grid(True)
plt.legend()

plt.show()
Py

该示例绘制了一个散点图。 该图表显示了十年内某些商品的价格。

import matplotlib.pyplot as plt
Py

我们从matplotlib模块导入pyplot。 它是创建图表的命令样式函数的集合。 它的操作与 MATLAB 类似。

x_axis = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y_axis = [5, 16, 34, 56, 32, 56, 32, 12, 76, 89]
Py

我们有 x 和 y 轴的数据。

plt.title("Prices over 10 years")
Py

通过title()功能,我们可以为图表设置标题。

plt.scatter(x_axis, y_axis, color='darkblue', marker='x', label="item 1")
Py

scatter()功能绘制散点图。 它接受 x 和 y 轴,标记的颜色,标记的形状和标签的数据。

plt.xlabel("Time (years)")
plt.ylabel("Price (dollars)")
Py

我们为轴设置标签。

plt.grid(True)
Py

我们用grid()功能显示网格。 网格由许多垂直和水平线组成。

plt.legend()
Py

legend()功能在轴上放置图例。

plt.show()
Py

show()功能显示图表。

Matplotlib 教程

两个数据集

在下一个示例中,我们将另一个数据集添加到图表。

scatter2.py

#!/usr/bin/python3

import matplotlib.pyplot as plt

x_axis1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y_axis1 = [5, 16, 34, 56, 32, 56, 32, 12, 76, 89]

x_axis2 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y_axis2 = [53, 6, 46, 36, 15, 64, 73, 25, 82, 9] 

plt.title("Prices over 10 years")

plt.scatter(x_axis1, y_axis1, color='darkblue', marker='x', label="item 1")
plt.scatter(x_axis2, y_axis2, color='darkred', marker='x', label="item 2")

plt.xlabel("Time (years)")
plt.ylabel("Price (dollars)")

plt.grid(True)
plt.legend()

plt.show()
Py

该图表显示两个数据集。 我们通过标记的颜色来区分它们。

x_axis1 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y_axis1 = [5, 16, 34, 56, 32, 56, 32, 12, 76, 89]

x_axis2 = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y_axis2 = [53, 6, 46, 36, 15, 64, 73, 25, 82, 9] 
Py

我们有两个数据集。

plt.scatter(x_axis1, y_axis1, color='darkblue', marker='x', label="item 1")
plt.scatter(x_axis2, y_axis2, color='darkred', marker='x', label="item 2")
Py

我们为每个集合调用scatter()函数。

Matplotlib 折线图

折线图是一种显示图表的图表,该信息显示为一系列数据点,这些数据点通过直线段相连,称为标记。

linechart.py

#!/usr/bin/python3

import numpy as np
import matplotlib.pyplot as plt

t = np.arange(0.0, 3.0, 0.01)
s = np.sin(2.5 * np.pi * t)
plt.plot(t, s)

plt.xlabel('time (s)')
plt.ylabel('voltage (mV)')

plt.title('Sine Wave')
plt.grid(True)

plt.show()
Py

该示例显示正弦波折线图。

import numpy as np
Py

在示例中,我们还需要numpy模块。

t = np.arange(0.0, 3.0, 0.01)
Py

arange()函数返回给定间隔内的均匀间隔的值列表。

s = np.sin(2.5 * np.pi * t)
Py

我们获得数据的sin()值。

plt.plot(t, s)
Py

我们使用plot()功能绘制折线图。

Matplotlib 条形图

条形图显示带有矩形条的分组数据,其长度与它们代表的值成比例。 条形图可以垂直或水平绘制。

barchart.py

#!/usr/bin/python3

from matplotlib import pyplot as plt
from matplotlib import style

style.use('ggplot')

x = [0, 1, 2, 3, 4, 5]
y = [46, 38, 29, 22, 13, 11]

fig, ax = plt.subplots()

ax.bar(x, y, align='center')

ax.set_title('Olympic Gold medals in London')
ax.set_ylabel('Gold medals')
ax.set_xlabel('Countries')

ax.set_xticks(x)
ax.set_xticklabels(("USA", "China", "UK", "Russia", 
    "South Korea", "Germany"))

plt.show()
Py

该示例绘制了条形图。 它显示了 2012 年伦敦每个国家/地区的奥运金牌数量。

style.use('ggplot')
Py

可以使用预定义的样式。

fig, ax = plt.subplots()
Py

subplots()函数返回图形和轴对象。

ax.bar(x, y, align='center')
Py

使用bar()功能生成条形图。

ax.set_xticks(x)
ax.set_xticklabels(("USA", "China", "UK", "Russia", 
    "South Korea", "Germany"))
Py

我们为 x 轴设置国家/地区名称。

Matplotlib 饼图

饼图是圆形图,将其分成多个切片以说明数值比例。

piechart.py

#!/usr/bin/python3

import matplotlib.pyplot as plt

labels = ['Oranges', 'Pears', 'Plums', 'Blueberries']
quantity = [38, 45, 24, 10]

colors = ['yellowgreen', 'gold', 'lightskyblue', 'lightcoral']

plt.pie(quantity, labels=labels, colors=colors, autopct='%1.1f%%', 
    shadow=True, startangle=90)

plt.axis('equal')

plt.show()
Py

该示例创建一个饼图。

labels = ['Oranges', 'Pears', 'Plums', 'Blueberries']
quantity = [38, 45, 24, 10]
Py

我们有标签和相应的数量。

colors = ['yellowgreen', 'gold', 'lightskyblue', 'lightcoral']
Py

我们为饼图的切片定义颜色。

plt.pie(quantity, labels=labels, colors=colors, autopct='%1.1f%%', 
    shadow=True, startangle=90)
Py

饼图是通过pie()功能生成的。 autopct负责在图表的楔形图中显示百分比。

plt.axis('equal')
Py

我们设置了相等的长宽比,以便将饼图绘制为圆形。

赞(0) 打赏
未经允许不得转载:seo优化_前端开发_渗透技术 » Matplotlib入门指南

相关推荐

  • 暂无文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏