沉淀再出发:用python画各种图表

一、前言

最近需要用python来做一些统计和画图，因此做一些笔记。

二、python画各种图表

2.1、使用turtle来画图

 import turtle as t #turtle库是python的内部库，直接import使用即可

 import time

 def draw_diamond(turt):

     for i in range(1,3):

         turt.forward(100) #向前走100步

         turt.right(45) #海龟头向右转45度

         turt.forward(100) #继续向前走100步

         turt.right(135) #海龟头再向右转135度

 def draw_art():

     window = t.Screen() #创建画布

     window.bgcolor("green") #设置画布颜色

     brad = t.Turtle() #创建一个Turtle的实例

     brad.shape('turtle') #形状是一个海归turtle，也可以是圆圈circle，箭头(默认)等等

     brad.color("red") #海龟的颜色是红色red，橙色orange等

     brad.speed('fast') #海龟画图的速度是快速fast，或者slow等

     for i in range(1,37): #循环36次

         draw_diamond(brad) #海龟画一个形状/花瓣，也就是菱形

         brad.right(10) #后海龟头向右旋转10度

         brad.right(90) #当图形画完一圈后，把海龟头向右转90度

         brad.forward(300) #画一根长线/海龟往前走300步

     window.exitonclick() #点击屏幕退出

 draw_art() #调用函数开始画图

 t.color("red", "yellow")

 t.speed(10)

 t.begin_fill()

 for _ in range(50):

     t.forward(200)

     t.left(170)

 end_fill()

 time.sleep(1)

2.2、画坐标系

 import sys

 import math

 import random

 import matplotlib.pyplot as plt

 import pylab as pl

 import numpy as np

 pl.mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体

 pl.mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

 x = range(10)  # 横轴的数据

 y = [i*i for i in x]  # 纵轴的数据

 y1 = [i*i+123 for i in x]  # 纵轴的数据

 pl.title('title zyr')

 pl.plot(x, y, '1m:', label=u'compare')  # 加上label参数添加图例

 pl.plot(x, y1, '>r--', label=u'set other')  # 加上label参数添加图例

 pl.xlabel(u"横轴的数据")

 pl.ylabel(u"纵轴的数据")

 pl.legend()  # 让图例生效

 pl.show()  # 显示绘制出的图

import sys

import math

import random

import matplotlib.pyplot as plt

import pylab as pl

import numpy as np

pl.mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体

pl.mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

x = list(range(10))+[100]

y = [i*i for i in x]

pl.plot(x, y, 'ob-', label=u'y=x^2')

pl.xlim(-1, 11)  # 限定横轴的范围

pl.ylim(-1, 110)  # 限定纵轴的范围

pl.show()  # 显示绘制出的图

 颜色（color 简写为 c）：

 # 蓝色： 'b' (blue)

 # 绿色： 'g' (green)

 # 红色： 'r' (red)

 # 蓝绿色(墨绿色)： 'c' (cyan)

 # 红紫色(洋红)： 'm' (magenta)

 # 黄色： 'y' (yellow)

 # 黑色： 'k' (black)

 # 白色： 'w' (white)

 # 线型（linestyle 简写为 ls）：

 # 实线： '-'

 # 虚线： '--'

 # 虚点线： '-.'

 # 点线： ':'

 # 点： '.' 

 # 点型（标记marker）：

 # 像素： ','

 # 圆形： 'o'

 # 上三角： '^'

 # 下三角： 'v'

 # 左三角： '<'

 # 右三角： '>'

 # 方形： 's'

 # 加号： '+'

 # 叉形： 'x'

 # 棱形： 'D'

 # 细棱形： 'd'

 # 三脚架朝下： '1'（像'丫'）

 # 三脚架朝上： '2'

 # 三脚架朝左： '3'

 # 三脚架朝右： '4'

 # 六角形： 'h'

 # 旋转六角形： 'H'

 # 五角形： 'p'

 # 垂直线： '|'

 # 水平线： '_'

2.3、直方图

 import numpy as np

 import matplotlib.pyplot as plt

 np.random.seed(19680801)

 mu1, sigma1 = 100, 15

 mu2, sigma2 = 80, 15

 x1 = mu1 + sigma1 * np.random.randn(10000)

 x2 = mu2 + sigma2 * np.random.randn(10000)

 # the histogram of the data

 # 50：将数据分成50组

 # facecolor：颜色；alpha：透明度

 # density：是密度而不是具体数值

 n1, bins1, patches1 = plt.hist(x1, 50, density=True, facecolor='g', alpha=1)

 n2, bins2, patches2 = plt.hist(x2, 50, density=True, facecolor='r', alpha=0.2)

 # n：概率值；bins：具体数值；patches：直方图对象。

 plt.xlabel('Smarts')

 plt.ylabel('Probability')

 plt.title('Histogram of IQ')

 plt.text(110, .025, r'$\mu=100,\ \sigma=15$')

 plt.text(50, .025, r'$\mu=80,\ \sigma=15$')

 # 设置x，y轴的具体范围

 plt.axis([40, 160, 0, 0.03])

 plt.grid(True)

 plt.show()

2.4、扇形图/饼图

 import matplotlib.pyplot as plt

 import time

 from pylab import mpl

 import numpy as np

 import matplotlib.animation as animation

 import time

 mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体

 mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

 data = {'': 106, '': 704, '': 491, '': 24, '': 6, '': 23, '': 11,

         '': 29, '': 23, '': 31, '': 31, '': 24, '': 18, '': 33,

         '': 49, '': 82, '': 57,'': 71, '': 50, '': 68, '': 136,

         '': 103, '': 88, '': 58, '': 185, '': 62,'': 61, '': 90,

         '': 57, '': 102, '': 59,'': 27, '': 142, '': 159, '': 347,

         '': 64, '': 87, '': 145, '': 645, '': 671}

 source_data = sorted(data.items(), key=lambda x: x[1], reverse=True)

 print(source_data)

 labels = [source_data[i][0][:4] for i in range(len(source_data))]  # 设置标签

 fracs = [source_data[i][1] for i in range(len(source_data))]

 explode = [x * 0.01 for x in range(len(source_data))]  # 与labels一一对应，数值越大离中心区越远

 plt.axes(aspect=1)  # 设置X轴 Y轴比例

 # labeldistance标签离中心距离  pctdistance百分百数据离中心区距离 autopct 百分比的格式 shadow阴影

 plt.pie(x=fracs, labels=labels, explode=explode, autopct='%3.1f %%',

         shadow=False, labeldistance=1.1, startangle=0, pctdistance=0.8, center=(-1, 0))

 # 控制位置：bbox_to_anchor数组中，前者控制左右移动，后者控制上下。ncol控制 图例所列的列数。默认值为1。fancybox 圆边

 plt.legend(loc=7, bbox_to_anchor=(1.2, 0.80), ncol=3, fancybox=True, shadow=True, fontsize=8)

 plt.show()

 import matplotlib.pyplot as plt

 labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'

 sizes = [15, 30, 45, 10]

 # 设置分离的距离，0表示不分离

 explode = (0, 0.1, 0, 0)

 plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',

   shadow=True, startangle=90)

 # Equal aspect ratio 保证画出的图是正圆形

 plt.axis('equal')

 plt.show()

 import numpy as np

 import matplotlib.pyplot as plt

 # 设置每环的宽度

 size = 0.3

 vals = np.array([[60., 32.], [37., 40.], [29., 10.]])

 # 通过get_cmap随机获取颜色

 cmap = plt.get_cmap("tab20c")

 outer_colors = cmap(np.arange(3)*4)

 inner_colors = cmap(np.array([1, 2, 5, 6, 9, 10]))

 print(vals.sum(axis=1))

 # [92. 77. 39.]

 plt.pie(vals.sum(axis=1), radius=1, colors=outer_colors,

   wedgeprops=dict(width=size, edgecolor='w'))

 print(vals.flatten())

 # [60. 32. 37. 40. 29. 10.]

 plt.pie(vals.flatten(), radius=1-size, colors=inner_colors,

   wedgeprops=dict(width=size, edgecolor='w'))

 # equal 使得为正圆

 plt.axis('equal')

 plt.show()

 import numpy as np

 import matplotlib.pyplot as plt

 np.random.seed(19680801)

 N = 10

 theta = np.linspace(0.0, 2 * np.pi, N, endpoint=False)

 radii = 10 * np.random.rand(N)

 width = np.pi / 4 * np.random.rand(N)

 ax = plt.subplot(111, projection='polar')

 bars = ax.bar(theta, radii, width=width, bottom=0.0)

 # left表示从哪开始，

 # radii表示从中心点向边缘绘制的长度（半径）

 # width表示末端的弧长

 # 自定义颜色和不透明度

 for r, bar in zip(radii, bars):

  bar.set_facecolor(plt.cm.viridis(r / 10.))

  bar.set_alpha(0.5)

 plt.show()

2.5、动图

 import matplotlib.pyplot as plt

 import time

 from pylab import mpl

 import numpy as np

 import matplotlib.animation as animation

 import time

 mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体

 mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

 # Fixing random state for reproducibility

 np.random.seed(196)

 # 初始数据绘图

 dis = np.zeros(40)

 dis2 = dis

 fig, ax = plt.subplots()

 line, = ax.plot(dis)

 ax.set_ylim(-1, 1)

 plt.grid(True)

 ax.set_ylabel("distance: m")

 ax.set_xlabel("time")

 def update(frame):

     global dis

     global dis2

     global line

     # 读入模拟

     a = np.random.rand() * 2 - 1

     time.sleep(np.random.rand() / 10)

     # 绘图数据生成

     dis[0:-1] = dis2[1:]

     dis[-1] = a

     dis2 = dis

     # 绘图

     line.set_ydata(dis)

     # 颜色设置

     plt.setp(line, 'color', 'c', 'linewidth', 2.0)

 ani = animation.FuncAnimation(fig, update, frames=None, interval=100)

 plt.show()

2.6、画其他图形

 import matplotlib.pyplot as plt

 plt.rcdefaults()

 import numpy as np

 import matplotlib.pyplot as plt

 import matplotlib.path as mpath

 import matplotlib.lines as mlines

 import matplotlib.patches as mpatches

 from matplotlib.collections import PatchCollection

 def label(xy, text):

     y = xy[1] - 0.15  # shift y-value for label so that it's below the artist

     plt.text(xy[0], y, text, ha="center", family='sans-serif', size=14)

 fig, ax = plt.subplots()

 # create 3x3 grid to plot the artists

 grid = np.mgrid[0.2:0.8:3j, 0.2:0.8:3j].reshape(2, -1).T

 patches = []

 # add a circle

 circle = mpatches.Circle(grid[0], 0.1, ec="none")

 patches.append(circle)

 label(grid[0], "Circle")

 # add a rectangle

 rect = mpatches.Rectangle(grid[1] - [0.025, 0.05], 0.05, 0.1, ec="none")

 patches.append(rect)

 label(grid[1], "Rectangle")

 # add a wedge

 wedge = mpatches.Wedge(grid[2], 0.1, 30, 270, ec="none")

 patches.append(wedge)

 label(grid[2], "Wedge")

 # add a Polygon

 polygon = mpatches.RegularPolygon(grid[3], 5, 0.1)

 patches.append(polygon)

 label(grid[3], "Polygon")

 # add an ellipse

 ellipse = mpatches.Ellipse(grid[4], 0.2, 0.1)

 patches.append(ellipse)

 label(grid[4], "Ellipse")

 # add an arrow

 arrow = mpatches.Arrow(grid[5, 0] - 0.05, grid[5, 1] - 0.05, 0.1, 0.1, width=0.1)

 patches.append(arrow)

 label(grid[5], "Arrow")

 # add a path patch

 Path = mpath.Path

 path_data = [

     (Path.MOVETO, [0.018, -0.11]),

     (Path.CURVE4, [-0.031, -0.051]),

     (Path.CURVE4, [-0.115,  0.073]),

     (Path.CURVE4, [-0.03 ,  0.073]),

     (Path.LINETO, [-0.011,  0.039]),

     (Path.CURVE4, [0.043,  0.121]),

     (Path.CURVE4, [0.075, -0.005]),

     (Path.CURVE4, [0.035, -0.027]),

     (Path.CLOSEPOLY, [0.018, -0.11])

     ]

 codes, verts = zip(*path_data)

 path = mpath.Path(verts + grid[6], codes)

 patch = mpatches.PathPatch(path)

 patches.append(patch)

 label(grid[6], "PathPatch")

 # add a fancy box

 fancybox = mpatches.FancyBboxPatch(

     grid[7] - [0.025, 0.05], 0.05, 0.1,

     boxstyle=mpatches.BoxStyle("Round", pad=0.02))

 patches.append(fancybox)

 label(grid[7], "FancyBboxPatch")

 # add a line

 x, y = np.array([[-0.06, 0.0, 0.1], [0.05, -0.05, 0.05]])

 line = mlines.Line2D(x + grid[8, 0], y + grid[8, 1], lw=5., alpha=0.3)

 label(grid[8], "Line2D")

 colors = np.linspace(0, 1, len(patches))

 collection = PatchCollection(patches, cmap=plt.cm.hsv, alpha=0.3)

 collection.set_array(np.array(colors))

 ax.add_collection(collection)

 ax.add_line(line)

 plt.subplots_adjust(left=0, right=1, bottom=0, top=1)

 plt.axis('equal')

 plt.axis('off')

 plt.show()

2.7、画点图

 from numpy import *;

 import numpy as np

 import matplotlib.pyplot as plt

 N = 50

 x = np.random.rand(N)

 y = np.random.rand(N)

 colors = np.random.rand(N)

 area = np.pi * (15 * np.random.rand(N))**2

 plt.scatter(x, y, s=area, c=colors, alpha=0.5, marker=(9, 3, 30))

 plt.show()

2.8、画数学曲线

 #coding:utf-8

 import numpy as np

 import matplotlib.pyplot as plt

 x=np.linspace(0,10,1000)

 y=np.sin(x)

 z=np.cos(x**2)

 #控制图形的长和宽单位为英寸，

 # 调用figure创建一个绘图对象，并且使它成为当前的绘图对象。

 plt.figure(figsize=(8,4))

 #$可以让字体变得跟好看

 #给所绘制的曲线一个名字，此名字在图示(legend)中显示。

 # 只要在字符串前后添加"$"符号，matplotlib就会使用其内嵌的latex引擎绘制的数学公式。

 #color : 指定曲线的颜色

 #linewidth : 指定曲线的宽度

 plt.plot(x,y,label="$sin(x)$",color="red",linewidth=2)

 #b-- 曲线的颜色和线型

 plt.plot(x,z,"b--",label="$cos(x^2)$")

 #设置X轴的文字

 plt.xlabel("Time(s)")

 #设置Y轴的文字

 plt.ylabel("Volt")

 #设置图表的标题

 plt.title("PyPlot First Example")

 #设置Y轴的范围

 plt.ylim(-1.2,1.2)

 #显示图示

 plt.legend()

 #显示出我们创建的所有绘图对象。

 plt.show()

 #coding:utf-8

 import numpy as np

 import matplotlib.pyplot as plt

 x=np.arange(0,5,0.1)

 ## plot返回一个列表，通过line,获取其第一个元素

 line,=plt.plot(x,x*x)

 # 调用Line2D对象的set_*方法设置属性值 是否抗锯齿

 line.set_antialiased(False)

 # 同时绘制sin和cos两条曲线，lines是一个有两个Line2D对象的列表

 lines = plt.plot(x, np.sin(x), x, np.cos(x))

 ## 调用setp函数同时配置多个Line2D对象的多个属性值

 plt.setp(lines, color="r", linewidth=2.0)

 plt.show()

 import numpy as np

 import matplotlib.pyplot as plt

 x = np.arange(0., 5., 0.2)

 # 红色破折号, 蓝色方块 ，绿色三角块

 plt.plot(x, x, 'r--', x, x**2, 'bs', x, x**3, 'g^')

 plt.show()

2.9.画多个子图

 import matplotlib.pyplot as plt

 '''

 subplot(numRows, numCols, plotNum)

 numRows行 * numCols列个子区域

 如果numRows，numCols和plotNum这三个数都小于10的话，可以把它们缩写为一个整数，

 例如subplot(323)和subplot(3,2,3)是相同的

 '''

 for idx, color in enumerate("rgbyckbyc"):

     plt.subplot(330+idx+1, facecolor=color)

 plt.show()

 plt.subplot(221) # 第一行的左图

 plt.subplot(222) # 第一行的右图

 #第二行全占

 plt.subplot(212) # 第二整行

 plt.show()

 plt.subplot(331, facecolor='r')

 plt.show()

2.10、标记刻度

 import matplotlib.pyplot as pl

 from matplotlib.ticker import MultipleLocator, FuncFormatter

 import numpy as np

 x = np.arange(0, 4*np.pi, 0.01)

 y = np.sin(x)

 pl.figure(figsize=(8,4))

 pl.plot(x, y)

 ax = pl.gca()

 def pi_formatter(x, pos):

     """

     比较罗嗦地将数值转换为以pi/4为单位的刻度文本

     """

     m = np.round(x / (np.pi/4))

     n = 4

     if m%2==0: m, n = m/2, n/2

     if m%2==0: m, n = m/2, n/2

     if m == 0:

         return ""

     if m == 1 and n == 1:

         return "$\pi$"

     if n == 1:

         return r"$%d \pi$" % m

     if m == 1:

         return r"$\frac{\pi}{%d}$" % n

     return r"$\frac{%d \pi}{%d}$" % (m,n)

 # 设置两个坐标轴的范围

 pl.ylim(-1.5,1.5)

 pl.xlim(0, np.max(x))

 # 设置图的底边距

 pl.subplots_adjust(bottom = 0.15)

 pl.grid() #开启网格

 # 主刻度为pi/4

 ax.xaxis.set_major_locator( MultipleLocator(np.pi/4) )

 # 主刻度文本用pi_formatter函数计算

 ax.xaxis.set_major_formatter( FuncFormatter( pi_formatter ) )

 # 副刻度为pi/20

 ax.xaxis.set_minor_locator( MultipleLocator(np.pi/20) )

 # 设置刻度文本的大小

 for tick in ax.xaxis.get_major_ticks():

     tick.label1.set_fontsize(16)

 pl.show()

2.11、三维图

 import matplotlib.pyplot as plt

 from mpl_toolkits.mplot3d import Axes3D

 import numpy as np

 def fun(x,y):

     #return np.power(x,2)+np.power(y,2)

     return 2*(x*0.8+y*0.1)*(x*0.2+y*0.9)*(x*0.3+y*0.7)*(x*0.3+y*0.7)*(x*0.4+y*0.7)*(x*0.4+y*0.7)

 def fun2(xx,yy):

     return xx

 fig1=plt.figure()

 ax=Axes3D(fig1)

 X=np.arange(0,1,0.01)

 Y=np.arange(0,1,0.01)

 XX=np.arange(0,1,0.01)

 YY=np.arange(1,0,-0.01)

 ZZ=np.arange(0,1,0.01)

 ZZ,ZZ=np.meshgrid(ZZ,ZZ)

 #ZZ=fun2(XX,YY)

 X,Y=np.meshgrid(X,Y)

 Z=fun(X,Y)

 plt.title("This is main title")

 ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap=plt.cm.coolwarm)

 ax.plot_surface(XX, YY, ZZ, rstride=1, cstride=1, cmap=plt.cm.coolwarm)

 ax.set_xlabel(u'θ1', color='r')

 ax.set_ylabel(u'θ2', color='g')

 ax.set_zlabel('z label', color='b')

 plt.show()

 import numpy as np

 import matplotlib.pyplot as plt

 from mpl_toolkits.mplot3d import Axes3D

 data = np.random.randint(0, 255, size=[40, 40, 40])

 x, y, z = data[0], data[1], data[2]

 ax = plt.subplot(111, projection='3d') # 创建一个三维的绘图工程

 # 将数据点分成三部分画，在颜色上有区分度

 ax.scatter(x[:10], y[:10], z[:10], c='y') # 绘制数据点

 ax.scatter(x[10:20], y[10:20], z[10:20], c='r')

 ax.scatter(x[30:40], y[30:40], z[30:40], c='g')

 ax.set_zlabel('Z') # 坐标轴

 ax.set_ylabel('Y')

 ax.set_xlabel('X')

 plt.show()

 from matplotlib import pyplot as plt

 import numpy as np

 from mpl_toolkits.mplot3d import Axes3D

 fig = plt.figure()

 ax = Axes3D(fig)

 X = np.arange(-4, 4, 0.25)

 Y = np.arange(-4, 4, 0.25)

 X, Y = np.meshgrid(X, Y)

 R = np.sqrt(X**2 + Y**2)

 Z = np.sin(R)

 # 具体函数方法可用 help(function) 查看，如：help(ax.plot_surface)

 ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='rainbow')

 plt.show()

 2.12、画3d柱状图

 #-*- coding:utf-8 -*-

 import numpy as np

 import matplotlib as mpl

 import matplotlib.pyplot as plt

 import random

 import matplotlib.dates as mdates

 from mpl_toolkits.mplot3d import Axes3D

 #generate random numbers

 Query_times1=range(0,50)

 Query_times2=range(0,30)

 list_random1=random.sample(Query_times1,25)

 list_random2=random.sample(Query_times2,25)

 mpl.rcParams['font.size'] = 8

 fig = plt.figure()

 ax = fig.add_subplot(111, projection='3d')

 xs = np.arange(1,26)

 ys =list_random1

 ys2=list_random2

 ys3=list_random1

 ys4=list_random2

 ys5=list_random1

 ys6=list_random2

 ys7=list_random1

 ys8=list_random2

 z1=3

 total_width, n = 0.8, 2

 width = total_width / n

 color =plt.cm.Set2((np.arange(plt.cm.Set2.N)))

 p1=ax.bar(xs, ys, z1, zdir='y', color='#FF0080', alpha=0.8,width=width,label='h=3,DA')

 p2=ax.bar(xs + width, ys2, z1, zdir='y', color='CYAN', alpha=0.8,width=width,label='h=3,DGA')

 z2=4

 total_width, n = 0.8, 2

 width = total_width / n

 color =plt.cm.Set2((np.arange(plt.cm.Set2.N)))

 p3=ax.bar(xs, ys3, z2, zdir='y', color='b', alpha=0.8,width=width,label='h=4,DA')

 p4=ax.bar(xs + width, ys4, z2, zdir='y', color='#9AFF02', alpha=0.8,width=width,label='h=4,DGA')

 z3=5

 total_width, n = 0.8, 2

 width = total_width / n

 color =plt.cm.Set2((np.arange(plt.cm.Set2.N)))

 p5=ax.bar(xs, ys5, z3, zdir='y', color='#FF8000', alpha=0.8,width=width,label='h=5,DA')

 p6=ax.bar(xs + width, ys6, z3, zdir='y', color='violet', alpha=0.8,width=width,label='h=5,DGA')

 z4=6

 total_width, n = 0.8, 2

 width = total_width / n

 color =plt.cm.Set2((np.arange(plt.cm.Set2.N)))

 p7=ax.bar(xs, ys7, z4, zdir='y', color='r', alpha=0.8,width=width,label='h=6,DA')

 p8=ax.bar(xs + width, ys8, z4, zdir='y', color='#0072E3', alpha=0.8,width=width,label='h=6,DGA')

 # ax.xaxis.set_major_locator(mpl.ticker.FixedLocator(xs))

 # ax.yaxis.set_major_locator(mpl.ticker.FixedLocator(ys))

 ax.set_xlabel('k-')

 ax.set_ylabel('Spatial hierarchy (h)')

 ax.set_zlabel('Count')

 # plt.legend(loc='upper left')

 #plt.legend(loc='upper left', bbox_to_anchor=(0.0,0.6),ncol=1,fancybox=True,shadow=False)#Control the position of the legend

 plt.show()

2.13、柱状图、并列柱状图

 import numpy as np

 import matplotlib.animation as animation

 import time

 mpl.rcParams['font.sans-serif'] = ['FangSong'] # 指定默认字体

 mpl.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题

 source_data = {'mock_verify': 369, 'mock_notify': 192, 'mock_sale': 517}  # 设置原始数据

 for a, b in source_data.items():

     plt.text(a, b + 0.05, '%.0f' % b, ha='center', va='bottom', fontsize=11)  # ha 文字指定在柱体中间， va指定文字位置 fontsize指定文字体大小

 # 设置X轴Y轴数据，两者都可以是list或者tuple

 x_axis = tuple(source_data.keys())

 y_axis = tuple(source_data.values())

 plt.bar(x_axis, y_axis, color='rg')  # 如果不指定color，所有的柱体都会是一个颜色

 plt.xlabel(u"渠道名")  # 指定x轴描述信息

 plt.ylabel(u"访问量")  # 指定y轴描述信息

 plt.title("渠道访问量统计表")  # 指定图表描述信息

 plt.ylim(0, 600)  # 指定Y轴的高度

 # plt.savefig('{}.png'.format(time.strftime('%Y%m%d%H%M%S')))  # 保存为图片

 plt.show()

 import numpy as np

 import matplotlib.pyplot as plt

 x = [1,2]   #横坐标

 y = [3,4]   #第一个纵坐标

 y1 = [5,6]   #第二个纵坐标

 x = np.arange(len(x))  #首先用第一个的长度作为横坐标

 width = 0.05    #设置柱与柱之间的宽度

 fig,ax = plt.subplots()

 ax.bar(x,y,width,alpha = 0.9)

 ax.bar(x+width,y1,width,alpha = 0.9,color= 'red')

 ax.set_xticks(x +width/2)#将坐标设置在指定位置

 ax.set_xticklabels(x)#将横坐标替换成

 plt.show()

 # -*- coding: utf-8 -*-

 import matplotlib.pyplot as plt

 name_list = ['Monday','Tuesday','Friday','Sunday']

 num_list = [1.5,0.6,7.8,6]

 num_list1 = [1,2,3,1]

 x =list(range(len(num_list)))

 total_width, n = 0.8, 2

 width = total_width / n

 plt.bar(x, num_list, width=width, label='boy',fc = 'y')

 for i in range(len(x)):

     x[i] = x[i] + width

 plt.bar(x, num_list1, width=width, label='girl',tick_label = name_list,fc = 'r')

 plt.legend()

 plt.show()

 import numpy as np

 import matplotlib.pyplot as plt

 size = 5

 a = np.random.random(size)

 b = np.random.random(size)

 c = np.random.random(size)

 x = np.arange(size)

 # 有多少个类型，只需更改n即可

 total_width, n = 0.8, 3

 width = total_width / n

 # 重新拟定x的坐标

 x = x - (total_width - width) / 2

 # 这里使用的是偏移

 plt.bar(x, a, width=width, label='a')

 plt.bar(x + width, b, width=width, label='b')

 plt.bar(x + 2 * width, c, width=width, label='c')

 plt.legend()

 plt.show()

2.13、堆叠柱状图

 # -*- coding: utf-8 -*-

 import matplotlib.pyplot as plt

 name_list = ['Monday','Tuesday','Friday','Sunday']

 num_list = [1.5,0.6,7.8,6]

 num_list1 = [1,2,3,1]

 plt.bar(range(len(num_list)), num_list, label='boy',fc = 'y')

 plt.bar(range(len(num_list)), num_list1, bottom=num_list, label='girl',tick_label = name_list,fc = 'r')

 plt.legend()

 plt.show()

 import numpy as np

 import matplotlib.pyplot as plt

 size = 5

 a = np.random.random(size)

 b = np.random.random(size)

 c = np.random.random(size)

 x = np.arange(size)

 # 这里使用的是偏移

 plt.bar(x, a, width=0.5, label='a',fc='r')

 plt.bar(x, b, bottom=a, width=0.5, label='b', fc='g')

 plt.bar(x, c, bottom=a+b, width=0.5, label='c', fc='b')

 plt.ylim(0, 2.5)

 plt.legend()

 plt.grid(True)

 plt.show()

2.14、横排柱状图

 # -*- coding: utf-8 -*-

 import matplotlib.pyplot as plt

 name_list = ['Monday','Tuesday','Friday','Sunday']

 num_list = [1.5,0.6,7.8,6]

 plt.barh(range(len(num_list)), num_list,tick_label = name_list)

 plt.show()

三、总结

       使用python中的库，我们可以按照自己的想法来画图，但是需要注意一些细节上的东西，比如尺寸和刻度，比如颜色，字体，以及相应对比的数据，特别是用于数据分析上面的对比，我们需要重点掌握。

沉淀再出发:用python画各种图表的更多相关文章

  1. 沉淀再出发：使用python进行机器学习

    沉淀再出发:使用python进行机器学习 一.前言 使用python进行学习运算和机器学习是非常方便的,因为其中有很多的库函数可以使用,同样的python自身语言的特点也非常利于程序的编写和使用. 二 ...

  2. 沉淀，再出发：python中的pandas包

    沉淀,再出发:python中的pandas包 一.前言 python中有很多的包,正是因为这些包工具才使得python能够如此强大,无论是在数据处理还是在web开发,python都发挥着重要的作用,下 ...

  3. 沉淀，再出发：python爬虫的再次思考

    沉淀,再出发:python爬虫的再次思考 一.前言    之前笔者就写过python爬虫的相关文档,不过当时因为知识所限,理解和掌握的东西都非常的少,并且使用更多的是python2.x的版本的功能,现 ...

  4. 沉淀再出发:在python3中导入自定义的包

    沉淀再出发:在python3中导入自定义的包 一.前言 在python中如果要使用自己的定义的包,还是有一些需要注意的事项的,这里简单记录一下. 二.在python3中导入自定义的包 2.1.什么是模 ...

  5. 沉淀再出发:dubbo的基本原理和应用实例

    沉淀再出发:dubbo的基本原理和应用实例 一.前言 阿里开发的dubbo作为服务治理的工具,在分布式开发中有着重要的意义,这里我们主要专注于dubbo的架构,基本原理以及在Windows下面开发出来 ...

  6. 沉淀再出发：mongodb的使用

    沉淀再出发:mongodb的使用 一.前言 这是一篇很早就想写却一直到了现在才写的文章.作为NoSQL(not only sql)中出色的一种数据库,MongoDB的作用是非常大的,这种文档型数据库, ...

  7. 沉淀再出发:java中的equals()辨析

    沉淀再出发:java中的equals()辨析 一.前言 关于java中的equals,我们可能非常奇怪,在Object中定义了这个函数,其他的很多类中都重载了它,导致了我们对于辨析其中的内涵有了混淆, ...

  8. 沉淀再出发:web服务器和应用服务器之间的区别和联系

    沉淀再出发:web服务器和应用服务器之间的区别和联系 一.前言 关于后端,我们一般有三种服务器(当然还有文件服务器等),Web服务器,应用程序服务器和数据库服务器,其中前面两个的概念已经非常模糊了,但 ...

  9. 沉淀再出发:jetty的架构和本质

    沉淀再出发:jetty的架构和本质 一.前言 我们在使用Tomcat的时候,总是会想到jetty,这两者的合理选用是和我们项目的类型和大小息息相关的,Tomcat属于比较重量级的容器,通过很多的容器层 ...

随机推荐

  1. AngularJS 的常用特性（四）

    11.使用 Module(模块) 组织依赖关系 Angular 里面的模板,提供了一种方法,可以用来组织应用中一块功能区域的依赖关系:同时还提供了一种机制,可以自动解析依赖关系(又叫依赖注入),一般来 ...

  2. Charles 抓取 iphone https的设置方式

    1. Charles:  help > SSL Proxying > Install Charles Root Certificate, 2. 将会打开 钥匙串访问 的功能,查找 Char ...

  3. Idea软件Vim插件问题

    人家说用webstorm是纯前端,用Idea是java+前端,好,那就用Idea,装上试试,全选所有插件安装,奇迹出现了,选中一行代码,backspace,删不了,我的天,好吧,复制粘贴的快捷键也不行 ...

  4. MYSQL登录错误：mysqladmin: connect to server at ‘localhost’ failed

    一.mysql登录错误 mysqladmin: connect to server at 'localhost' failed       error: 'Access denied for user ...

  5. github提交代码不用输入账号密码的解决方案

    1.在命令行输入命令: git config --global credential.helper store 这一步会在用户目录下的.gitconfig文件最后添加: [credential] he ...

  6. 记DateTime.Now.ToString()遇到的一个坑

    最近在编写一个程序中遇到的 程序的简要逻辑就是一个timer控件 1.获取当前时间的短时间,例如 13:15 2.使用获取到的短时间去一个列表中查询是否有匹配的,列表中是一串短时间,类似 {" ...

  7. oracle ROW_NUMBER() OVER (PARTITION BY COL1 ORDER BY COL2)

    工作中遇到的一个问题,需要对某列进行分组排序,取其中排序的第一条数据项 用到了ROW_NUMBER() OVER(PARTITION BY COL1 ORDER BY COL2)来解决此问题. 实例准 ...

  8. slider轮播插件的多种写法

    slider轮播插件相信大家经常会用到,写法也是各种各样,大部分都是用的第三方提供的组件使用,如果想基于自己的业务特点封装个组件供自己使用的话就要自己封装组件了,网上看了大部分写法都是通过js控制do ...

  9. Github+hexo+next搭建教程

    今天参考的是大神的教程,学了一个新东西,但是可能由于原教程中运用的npm包与我当前使用的npm包版本不同的原因,有出过多处运行错误,但都在此教程中解决了; 总结了下命令: npm install he ...

  10. BZOJ P4720[Noip2016]换教室____solution

    题目太长不表 <--无形传送,最为致命 学习一点数学期望的基础,预处理最短路,然后加上DP即可.(废话) 理解决策和结果的差别: 在这里每阶段的决策有两个:申请|不申请 结果有两个:换|不换 然 ...