Matplotlib

MATPLOTLIB

基本导入


x
import matplotlib.pyplot as plt             # 导入matplotlib库
plt.rcParams['font.sans-serif']=['SimHei']  #图中文字体设置为黑体
plt.rcParams['axes.unicode_minus']=False    #负值显示

简单实例

简单图形


xxxxxxxxxx
# 生成数据
x = np.arange(0,6,0.1)  #以0.1为单位，生成0到6的数据
y = np.sin(x)
# 绘制图形
plt.plot(x,y)
plt.show()

pylot功能


xxxxxxxxxx
# 生成数据
x = np.arange(0,6,0.1)  #以0.1为单位，生成0到6的数据
y1 = np.sin(x)
y2 = np.cos(x)

# 绘制图形
plt.plot(x, y1, label = "sin")  # 图例
plt.plot(x, y2, label = "cos", linestyle = "--")    # 用虚线绘制
plt.xlabel("X")         # x轴标签
plt.ylabel("Y")         # y轴标签
plt.title("sin_cos")    # 标题，有中文时图片不能直接展示
plt.legend()            # 显示图例
plt.show()

# 保存图表
plt.savefig("./png/sin_cos.png")

坐标系实例


xxxxxxxxxx
import matplotlib.pyplot as plt
import numpy as np


# 设置画布
plt.figure(figsize=(8,6),dpi=100)

# 获取坐标轴对象
ax = plt.gca()

# 设置坐标轴范围
ax.set_xlim(-10,10)
ax.set_ylim(-8,8)

# 去掉右边框和上边框颜色
ax.spines['right'].set_color('none')
ax.spines['top'].set_color('none')

# 去掉左边框和下边框到中间
ax.spines['left'].set_position(('data',0))
ax.spines['bottom'].set_position(('data',0))

# 数据
x = np.arange(-10,10,0.1)
y1 = np.sin(x)*5
y2 = np.cos(x)*5

# 绘制折线图
plt.plot(x,y1,label="SIN")
plt.plot(x,y2,label="COS")

# 网络线
plt.grid(True,linestyle='--',alpha=0.5)

# 标题
plt.title('SIN-COS',fontsize=18,color="red")

# 指定位置添加文本

plt.text(9.5,0.3,"x_axis",fontsize=14)
plt.text(0.2,7,"y_axis",fontsize=14)

plt.legend()
plt.show()

画布和坐标系

导入库、中文乱码等

导入库、中文乱码、在Jupyter Notebook中展示


xxxxxxxxxx
# 导入matplotlib库
import matplotlib.pyplot as plt 

# 将图片直接在Jupyter Notebook中展示
%matplotlib inline 

# 解决中文乱码
plt.rcParams["font.sans-serif"]='SimHei'       

# 解决负号无法正常显示问题
plt.rcParams['axes.unicode_minus']=False

# 将图表设置成矢量图格式（matplotlib图表不是很清晰）
%config InlineBackend.figure_format = 'svg'

建立画布（容器）


xxxxxxxxxx
# 建立画布，
fig =plt.figure()
<Figure size 432x288 with 0 Axes>

# 设置整块画布的宽和高
fig =plt.figure(figsize=(8,6))
<Figure size 576x432 with 0 Axes>

建立坐标系

用add_subplot函数

先建立画布，再建立坐标系。

在画布fig上绘制 1 X 1个坐标系


xxxxxxxxxx
fig = plt.figure()
ax1 = fig.add_subplot(1,1,1)

1352图片1

在画布fig上绘制 2 X 2个坐标系


xxxxxxxxxx
fig = plt.figure()
ax1 = fig.add_subplot(2,2,1)
ax2 = fig.add_subplot(2,2,2)
ax3 = fig.add_subplot(2,2,3)
ax4 = fig.add_subplot(2,2,4)

用plt.subplot2grid函数

不需要建立画布，直接建立坐标系。


xxxxxxxxxx
import numpy as np
x = np.arange(6)
y = np.arange(6)


xxxxxxxxxx
# 将图表的整个区域分成2行2列，且在(0,0)位置绘图。
plt.subplot2grid((2,2),(0,0))
plt.plot(x,y)


xxxxxxxxxx
# 将图表的整个区域分成2行2列，且在(0,0)位置做拆线图，在(0,1)位置做柱形图。
plt.subplot2grid((2,2),(0,1))
plt.bar(x,y)

用plt.subplot函数（常用）

与plt.subplot2grid函数类似，plt.suplot也是plt库的一个函数。


xxxxxxxxxx
# 将图表的整个区域分成2行2列，在第1个坐标系上做拆线图
plt.subplot(2,2,1)
plt.plot(x,y)

# 将图表的整个区域分成2行2列，在第4个坐标系上做柱形图
plt.subplot(2,2,4)
plt.bar(x,y)

用plt.subplots函数

subplot2grid、subplot函数每次只返回一个坐标系，而subplots函数一次可以返回多个坐标系。


xxxxxxxxxx
# 图表整个区域分成2行2列，并将4个坐标系全部返回
fig,axes = plt.subplots(2,2)


xxxxxxxxxx
# 通过aexs[x,y]指明在那个坐标系绘图
# 在[0,0]坐标系中绘制拆线图
axes[0,0].plot(x,y)

# 在[1,1]坐标系中绘制柱形图
axes[1,1].bar(x,y)

总结：add_subplot属于对象式编程；plt.subplot2grid 、plt.subplot、 ply.subplots属于函数式编程。

图表的基本设置

坐标系所拥有的属性如下表

属性	含义
facecolor	外观
spine	边框线
axis	坐标轴
axis_label	坐标轴标签
tick	刻度
tick_label	刻度标签
grid	网格
title	标题
legend	图例

x/y轴的标题、大小、颜色

轴标题


xxxxxxxxxx
plt.xlabel("月份")
plt.ylabel("注册量")

设置xlabel、ylabel到x轴y轴的距离，参数labelpad=10


xxxxxxxxxx
plt.xlabel("月份",labelpad=10)
plt.ylabel("销量",labelpad=10)

还可设置文本相关的，比如字体大小、字体颜色、是否加粗等


xxxxxxxxxx
x = [1,2,3,4,5,6,7,8,9]
y = [1900,2200,3100,4200,4900,3800,4100,4700,4500]
plt.plot(x, y)
plt.xlabel("月份",fontsize='xx-large',color="#70AD47",fontweight='bold')
plt.ylabel("销量")
plt.show()

x/y刻度、范围

刻度线的值和刻度线标签

刻度值 ticks，刻度对应的标签 labels


xxxxxxxxxx
plt.xticks(ticks,labels)
plt.yticks(ticks,labels)

如果x/y轴的数值不显示出来，则输入空列表


xxxxxxxxxx
plt.xticks([]])
plt.yticks([])

设置坐标轴的范围（最大值、最小值）


xxxxxxxxxx
plt.xlim(0,10)
plt.ylim(0,6000)

刻度案例


xxxxxxxxxx
ticks_x = [1,2,3,4,5,6,7,8,9]
labels_x = ["一月","二月","三月","四月","五月","六月","七月","八月","九月"]
ticks_y = [1000,2000,3000,4000,5000,6000]
labels_y = ["1000个","2000个","3000个","4000个","5000个","6000个"]
plt.xticks(ticks_x,labels_x)
plt.yticks(ticks_y,labels_y)
plt.show()

tick_params参数


xxxxxxxxxx
plt.tick_params(axis="y",which="both",direction="in")
plt.tick_params(axis="x",which="both",direction="out",bottom="False")

参数表如下：

参数	值	使用
axis	x，y，both	将参数应用到哪个轴。默认值为“both”。
reset	True/False	是否重置所在设置，默认值：False
which	major，minor，both	对哪种刻度线进行设置（主、次、两者），默认值为“major”。
direction	in，out，inout	将刻度线置于轴内，轴外或两者皆有。
length	float	刻度线长度(以磅为单位)。
width	float	刻度线宽度
color	color	刻度线颜色。
pad	float	刻度线和刻度标签之间的距离(以磅为单位)。
labelsize	浮点数或str	刻度标签字体大小(以磅或字符串为单位)(例如“大”)。
labelcolor	#A1B233、‘red’、‘green’等	刻度标签字体颜色
top/bottom/left/right	True/False	上下左右刻度线是否显示
labeltop/labelbottom/labelleft/labelright	True/False	上下左右刻度标签是否显示

坐标轴的隐藏


xxxxxxxxxx
plt.axis("off")

网格线


xxxxxxxxxx
plt.grid(b="True")          # x/y轴的网格线都显示
plt.grid(True)              # 简写形式
plt.grid(b="true",axis="x") # 仅显示x轴的网格线
plt.grid(b="true",axis="y") # 仅显示y轴的网格线
# 网格线的线形设置成虚线，并且线宽设置为2
plt.grid(b="True",linestyle="dashed",linewidth=2)

图例


xxxxxxxxxx
plt.plot(x,y1,label="一月")
plt.pl0t(x,y2,label="二月")
plt.legend(loc=4,ncol=2)    # 图例位置在4，图例显示为2列(一行)

如果对图例的位置进行更改，则需要在plt.legend()使用loc参数，即plt.legend(loc='best')。


xxxxxxxxxx
plt.legend(loc="upper left")
plt.legend(loc=2)

loc参数如下：

0: 'best' 参数默认是'best'，即自动寻找图例的最佳位置。

2: 'upper left' 9: 'upper center' 1: 'upper right'

6: 'center left' 10: 'center' 7: 'center right' 或者 5: 'right'

3: 'lower left' 8: 'lower center' 4: 'lower right'

图例的显示列数（默认1列）


xxxxxxxxxx
plt.legend(ncol=2)  # 两列,即一行

其它参数
fintsize 图例大小
prop 关于文本的相关设置，以字典形式传给参数prop
facecolor 图例框的背景颜色
edagecolor 图例框的边框颜色
title 图例标题
title_fontsize 图例标题大小
shadow 是否绘制图例框添加阴影，默认False

图表标题


xxxxxxxxxx
plt.title(label="XXX公司1-9月的销量")
plt.title(label="XXX公司1-9月的销量",loc="left",color="red")  # left/center(默认)/right,

数据标签

语法参数


xxxxxxxxxx
plt.text(x,y,str,ha,va,fontsize,rotation,color,... )

x,y 表示标签的位置

str 表示要显示的字符或数值

ha horizontalalignment表示水平对齐方式，可以填 ‘center’ ， ‘right’ ，‘left’ 等

va verticalalignment表示垂直对齐方式，可选 ‘center’ ，‘top’ ， ‘bottom’，‘baseline’ 等

fontsize 标签字体大小

rotation 表示标签的旋转角度，以逆时针计算，取整

总结：plt.text()函数只是针对具体的某一个点（x,y）显示数据(str)，如果要整个图表显示数据标签，则需要利用for进行遍历。


xxxxxxxxxx
for a,b in zip(x,y):
    plt.text(a,b,b,ha="center",va="bottom",fontsize=11)

数据标签的案例


xxxxxxxxxx
plt.text(6,3800,"1900",color="red",fontsize=14,rotation=90)

图表注解


xxxxxxxxxx
plt.annotate(s,xy,xytext,arrowprops)

s 注释的文本内容

xy 注释的位置

xytext 注释的文本的显示位置

arrowprops 设置箭头相关参数，颜色、箭头类型等


xxxxxxxxxx
plt.anottate("服务器宕机"，xy=(4,2000),xytext=(6,2000),arrowprops=dict(facecolor="black",arrowstyle="->"))

facecolor 箭头的颜色；arrowstyle箭头的类型 -，->，<-，<->，<，_，空格，fancy，simple，wedge


xxxxxxxxxx
x = [1,2,3,4,5,6,7,8,9]
y = [1900,2200,3100,4200,4900,3800,4100,4700,4500]

plt.plot(x,y)
plt.annotate("这是注释的文本",xy=(6,3800),xytext=(5,3200),arrowprops=dict(facecolor="black",arrowstyle="->") )

数据表

数据表就是在图表的基础上再添加一个表格，使用的是plt库中的table函数。


xxxxxxxxxx
plt.table(
    cellText=None,      # 数据表内的值
    cellColours=None,   # 数据表的颜色
    cellLoc='right',    # 数据表中数值的位置，left/center/right
    colWidths=None,     # 列宽
    rowLabels=None,     # 行标签
    rowColours=None,    # 行标签的颜色
    rowLoc='left',      # 行标签的位置
    colLabels=None,     # 列标签
    colColours=None,    # 列标签的颜色
    colLoc='center',    # 列标签的位置
    loc='bottom',       # 整个数据表的位置，可选坐标系的上下左右
    bbox=None,
    edges='closed',
    **kwargs,
)

数据表案例


xxxxxxxxxx
cellText= [[1100,2200,3300,4400],[5500,6600,7700,8800]]

colLabels= ["第一组","第二组","第三组","第四组"]
rowLabels = ["2021年","2022年"]

plt.table(cellText=cellText,rowLabels=rowLabels,rowColours=             ["red","yellow"],rowLoc="center",
          colLabels=colLabels,colColours=["green","yellow","red","blue"],colLoc="left",loc="bottom")

拆线图 plot

参数


xxxxxxxxxx
plt.plot(x,y,color,linestyle,linewidth,marker,markeredgecolor,markeredgewidth,markerfacecolor,makersize,label,alpha,......)

x、y轴的数据
color 拆线的颜色
b（blue，蓝色）、c（cyan，品红）、g（green，绿色）、k（black，黑色）、m（magenta，红色）、w（white，白色）、y（yellow，黄色）
除了缩写字母，也可用颜色代码表示，还可以用标准颜色名称（black）、十六进制颜色值(#000000)、RGB元组(0,0,0)等
linestyle 线的样式
solid 实线（-），dashed 虚线（--），dashot 线点（-.），dotted 虚点线（...）
linewidth 线的宽度
label 图例名称
marker 每点的标记物的形状，例如点、圆圈、上三角形、五角星等
makeredgecor 标记外边颜色
makeredgewidth 标记外边线宽
makerfacecolor 标记实心颜色
makersize 标记大小

marker符号

标记	符号	描述
"."		点
","		像素点
"o"		实心圆
"v"		下三角
"^"		上三角
"<"		左三角
">"		右三角
"1"		下三叉
"2"		上三叉
"3"		左三叉
"4"		右三叉
"8"		八角形
"s"		正方形
"p"		五边形
"P"		加号（填充）
"*"		星号
"h"		六边形 1
"H"		六边形 2
"+"		加号
"x"		乘号 x
"X"		乘号 x (填充)
"D"		菱形
"d"		瘦菱形
"\|"		竖线
"_"		横线
0 (TICKLEFT)		左横线
1 (TICKRIGHT)		右横线
2 (TICKUP)		上竖线
3 (TICKDOWN)		下竖线
4 (CARETLEFT)		左箭头
5 (CARETRIGHT)		右箭头
6 (CARETUP)		上箭头
7 (CARETDOWN)		下箭头
8 (CARETLEFTBASE)		左箭头 (中间点为基准)
9 (CARETRIGHTBASE)		右箭头 (中间点为基准)
10 (CARETUPBASE)		上箭头 (中间点为基准)
11 (CARETDOWNBASE)		下箭头 (中间点为基准)
"None", " " or ""		没有任何标记
'$...$'		渲染指定的字符。例如 "$f$" 以字母 f 为标记。

拆线图案例


xxxxxxxxxx
# 建立坐标系
plt.subplot(1,1,1)

# 数据
x = range(1,10)
y = [152,280,327,425,475,480,451,380,400]
plt.plot(x,y,linestyle="-.",label="销量",marker="*",color="m")

# 刻度
ticks_x =  range(1,10)
ticksLabels_x = ["一月","二月","三月","四月","五月","六月","七月","八月","九月"]
# ticks_y = range(0,7)
ticks_y = [0,100,200,300,400,500,600]
ticksLabels_y = [0,100,200,300,400,500,600]

plt.xticks(ticks_x,ticksLabels_x)
plt.yticks(ticks_y,ticksLabels_y)

# 标题
plt.title("XXX公司1-9月销量",loc="left",color="red")

# x/y轴标签
plt.xlabel("月份",fontsize="16",color="#70AD47",fontweight='bold')
plt.ylabel("销量",fontsize="16",color="#70AD47",fontweight='bold')

# 数据标签
for a,b in zip(x,y):
    plt.text(a,b,b,ha="center",va="bottom",fontsize=10)

plt.grid(True)   # 网络线
plt.legend()     # 图例

普通柱形图 bar

参数


xxxxxxxxxx
plt.bar(x,height,width=0.8,bottom=None,align='center',color,edgecolor)

x：柱形图的 x 轴数据。

height：柱子的高度。

width：柱子的宽度。

bottom：底座的 y 坐标，默认 0。

align：柱形图与 x 坐标的对齐方式，

'center' 以 x 位置为中心，这是默认值。 'edge'：将柱形图的左边缘与 x 位置对齐。要对齐右边缘的条形，可以传递负数的宽度值及 align='edge'。

color ：柱子颜色

edgecolor：柱子边缘的颜色

案例


xxxxxxxxxx
# 建立坐标系
plt.subplot(1,1,1)
# x/y数据
x = np.array(["A组", "B组", "C组", "D组"])
y = np.array([12, 22, 6, 18])
# 绘图
plt.bar(x, y, color = "#4CAF50",width=0.3,align="center",label="人数")
# 标题
plt.title("XXX人数统计",loc="center",color="blue")
# 数据标签
for a,b in zip(x,y):
    plt.text(a,b,b,ha="center",va="bottom",fontsize=12)
# 设x/y轴的名称
plt.xlabel("小组名称")
plt.ylabel("人数")
# 显示图例
plt.legend()
# 保存图表
plt.savefig(r"C:\Users\Administrator\Desktop\学习笔记\5.Numpy_Pandas_Matplotlib\png\pltBar_1382_01.png")

簇状柱形图 bar

只需要调整柱子的位置即可。


xxxxxxxxxx
# 建立坐标系
plt.subplot(1,1,1)
# x/y数据
x = np.array([1,2,3,4])
y1 = np.array([12, 22, 6, 18])
y2 = np.array([22, 18, 16, 16])
# 绘图
plt.bar(x, y1, width=0.3,label="一月")
plt.bar(x+0.3, y2, width=0.3,label="二月")   # 柱子右移0.3
# 标题
plt.title("XXX人数统计",color="blue")
# 数据标签
for a,b in zip(x,y1):
    plt.text(a,b,b,ha="center",va="bottom",fontsize=12)
    
for a,b in zip(x+0.3,y2):
    plt.text(a,b,b,ha="center",va="bottom",fontsize=12)
    
# 设x/y轴的名称
plt.xlabel("小组名称")
plt.ylabel("人数")
# 设置x刻度
plt.xticks(x+0.15,["A组", "B组", "C组", "D组"])
plt.yticks([5,10,15,20,25,30],["5人","10人","15人","20人","25人","30人"])
# 显示图例
plt.legend()
# 保存图表
# plt.savefig(r"C:\Users\Administrator\Desktop\学习笔记\5.Numpy_Pandas_Matplotlib\png\pltBar_1382_02.png")

堆积柱形图


xxxxxxxxxx
# 建立坐标系
plt.subplot(1,1,1)
# x/y数据
x = np.array(["A组", "B组", "C组", "D组"])
y1 = np.array([9, 8, 8, 7])
y2 = np.array([7, 6, 5, 10])
# 绘图，柱子宽度0.3
plt.bar(x, y1, width=0.3,label="一月")
plt.bar(x, y2, width=0.3,label="二月")
# 标题
plt.title("XXX人数统计",color="blue")
# 数据标签
for a,b in zip(x,y1):
    plt.text(a,b,b,ha="center",va="bottom",fontsize=12)

for a,b in zip(x,y2):
    plt.text(a,b,b,ha="center",va="bottom",fontsize=12)
    
# 设x/y轴的名称
plt.xlabel("小组名称")
plt.ylabel("人数")

# 显示图例
plt.legend(loc="upper center",ncol=2)
# 保存图表
# plt.savefig(r"C:\Users\Administrator\Desktop\学习笔记\5.Numpy_Pandas_Matplotlib\png\pltBar_1382_03.png")

条形图 barh

参数


xxxxxxxxxx
plt.barh(y,width,height,align,color,edgecolor)

y 柱子在什么位置显示，即纵坐标
width 柱子在纵向的高度，即柱子的实际宽度
height 柱子的对齐方式
align 柱子的对齐方式
color 柱子的颜色
edgecolor 柱子边缘的颜色

案例


xxxxxxxxxx
# 建立坐标系
plt.subplot(1,1,1)
# x/y数据
x = np.array(["A组", "B组", "C组", "D组"])
y = np.array([69, 78, 88, 67])
# 绘图
plt.barh(x,height=0.3,width=y)
# 标题
plt.title("XXX人数统计",color="blue")
# 数据标签
for a,b in zip(x,y):
    plt.text(b,a,b,ha="center",va="bottom",fontsize=12)     # 注意ab顺序

# 设x/y轴的名称
plt.xlabel("x轴名称")
plt.ylabel("y轴名称")
print("OK")
# 保存图表
# plt.savefig(r"C:\Users\Administrator\Desktop\学习笔记\5.Numpy_Pandas_Matplotlib\png\pltBarh_1383_01.png")

散点图 scatter

参数


xxxxxxxxxx
plt.scatter(x,y,s,c,marker,linewidths,edgecolors)

(x,y) 散点位置
s 每个散点的面积（散点的大小）
c 每个点的颜色
marker 每个点的标记，和拆线图中的marker一致
linewidths 每个散点的线宽
edagecolors 每个散点外轮廓的颜色

案例


xxxxxxxxxx
# 建立坐标系
plt.subplot(1,1,1)
# x/y数据
x = np.array([1, 2, 3, 5, 6, 7, 8, 9])
y = np.array([1.5, 2, 2.5, 5, 5.6, 7.5, 5.8, 6.9])
# 绘图
plt.scatter(x,y,marker="o",s=100)
# 标题
plt.title("XXX标题",color="Blue")
# x/y轴名称
plt.xlabel("x轴名称")
plt.ylabel("y轴名称")
# 保存图表
# plt.savefig(r"C:\Users\Administrator\Desktop\学习笔记\5.Numpy_Pandas_Matplotlib\png\pltBarh_1383_01.png")

气泡图 scatter


xxxxxxxxxx
# 建立坐标系
plt.subplot(1,1,1)
# x/y数据
x = np.array([1, 2, 3, 5, 6, 7, 8, 9])
y = np.array([2.6, 2, 3.1, 5, 3.6, 7.5, 5.8, 6.9])
# 绘图
colors=y*10  # 根据y值大小，生成不同的颜色
area = y*100 # 根据y值大小，生成大小不同的形状
plt.scatter(x,y,c=colors,marker="o",s=area)
# 标题
plt.title("XXX标题",color="Blue")
# 数据标签
for a,b in zip(x,y):
    plt.text(a,b,b,ha="center",va="center",fontsize=10,color="white")
    
# x/y轴名称
plt.xlabel("x轴名称")
plt.ylabel("y轴名称")
# 保存图表
# plt.savefig(r"C:\Users\Administrator\Desktop\学习笔记\5.Numpy_Pandas_Matplotlib\png\pltScatter_1385_01.png")

面积图（堆叠图）

参数


xxxxxxxxxx
plt.stackplot(x,y,labels,colors)

(x,y) x/y坐标数值
labels 不同系列图表的图例名称
colors 不同系列图表的颜色

案例


xxxxxxxxxx
# 建立坐标系
plt.subplot(1,1,1)
# x/y数据
x = np.array([1, 2, 3, 5, 6, 7, 8, 9])
y1 = np.array([2.6, 2.8, 3.1, 5, 3.6, 7.5, 5.8, 6.9])
y2 = np.array([2.4, 2.7, 3.0, 4.5, 3.2, 7.0, 5.4, 6.2])

# 绘图
labels=["计划人数","实际人数"]
plt.stackplot(x,y1,y2,labels=labels)
# 标题
plt.title("XXX公司汇总数据的标题")
# x/y轴名称
plt.xlabel("x轴名称")
plt.ylabel("y轴名称")
# 展示图例
plt.legend(loc="upper left")

树地图 squarify.plot()

树地图学用来表示同一等级中不同类别的占比关系，使用的是squarify库，先安装pip install squarify

参数


xxxxxxxxxx
squarify.plot(sizes,label,color,value,edgecolor,linewidth)

sizes 待绘图数据
label 不同类别的图例标签
color 不同类别的颜色
value 不同类别的数据标签
edgecolor 不同类别之间边框的颜色
linewidth 边框线宽

案例


xxxxxxxxxx
import squarify

雷达图 polar

参数


xxxxxxxxxx
plt.polar(theta,r,color,marker,linewidth)

thera 每一点在极坐标系中的角度
r 每一点在极坐标系中的半径
color 连接各点之间的颜色
marker 每点的标记物
linewidth 连接线的宽度

案例


xxxxxxxxxx
# 建立坐标系
plt.subplot(111,polar=True)   # polar=True建立极坐标系
dataLenth=5  # 把整个圆分成5份
angles = np.linspace(0,2*np.pi,dataLenth,endpoint=False)
labels = ["沟通能力","业务理解能力","逻辑思维能力","快速学习能力","工具使用能力"]
data=[2,3.5,4,4.5,5]

data = np.concatenate((data,[data[0]]))   # 闭合
angles = np.concatenate((angles,[angles[0]]))

# 绘图
plt.polar(angles,data,color="r",marker="o")

# 设置x轴刻度
plt.xticks(angles,labels)

# 设置标题
plt.title("某数据分析师的综合评级",color="green",fontsize=16)

# 保存图表
# plt.savefig(r"C:\Users\Administrator\Desktop\学习笔记\5.Numpy_Pandas_Matplotlib\png\pltPolar_1388_01.png")

箱形图 boxplot

参数


xxxxxxxxxx
plt.boxplot(x,vert,width,labels)

x 待绘图源数据
vert 箱形图的方向，默认True纵向，False横向
widths 箱形图的宽度
labels 箱形图

案例


xxxxxxxxxx
# 建立坐标系
plt.subplot(1,1,1)
# x/y数据
y1 = np.array([2.6, 2.8, 3.1, 5, 3.6, 7.5, 5.8, 6.9])
y2 = np.array([2.4, 2.7, 3.0, 4.5, 3.2, 7.0, 5.4, 6.2])
x=[y1,y2]
# 绘图
labels=["计划人数","实际人数"]
plt.boxplot(x,labels=labels,vert=True,widths=[0.2,0.5]) # 0.2 0.5箱子宽度
# 设置标题
plt.title("某数据分析师的综合评级",color="green",fontsize=16)
# 保存图表
# plt.savefig(r"C:\Users\Administrator\Desktop\学习笔记\5.Numpy_Pandas_Matplotlib\png\pltBoxplot_1389_01.png")

饼图 pie

参数


xxxxxxxxxx
plt.pie(
    x,                  # 待绘图数据
    explode=None,       # 饼图中每一块离圆心的距离
    labels=None,        # 饼图中每一块的标签
    colors=None,        # 饼图中每一块的颜色
    autopct=None,       # 控制饼图内数值的百分比格式
    pctdistance=0.6,    # 数据标签距离中心的距离
    shadow=False,       # 饼图是否有阴影
    labeldistance=1.1,  # 每一块索引距离中心的距离
    startangle=None,    # 饼图的初始角度
    radius=None,        # 饼图的半径
    counterclock=True,  # 是否证饼图逆时针显示
    wedgeprops=None,    # 饼图内外边界属性
    textprops=None,     # 饼图中心文本相关属性
    center=(0, 0),      # 饼图中心位置
    frame=False,        # 是否显示饼图背后的图框
    rotatelabels=False,
    *,
    data=None,
)

案例


xxxxxxxxxx
# 建立坐标系
plt.subplot(1,1,1)
# x数值
x=np.array([8566,5335,7310,6482])

# 绘图
labels=["A组", "B组", "C组", "D组"]
explode=[0.05,0,0,0]    # 让第一块离圆心远一点
labeldistance=1.1

plt.pie(x,labels=labels,autopct="%.0f%%",shadow=True,explode=explode,radius=1.0,labeldistance=labeldistance)

# 设置标题
plt.title("XXX公司的销量占比",color="green",fontsize=16)
# 保存图表
# plt.savefig(r"C:\Users\Administrator\Desktop\学习笔记\5.Numpy_Pandas_Matplotlib\png\pltPie_13810_01.png")

圆环图 pie

在饼图的基础上调整wedgeprops参数即可实现圆环图。


xxxxxxxxxx
# 建立坐标系
plt.subplot(1,1,1)
# x数值
x1=np.array([8566,5335,7310,6482])
x2=np.array([4283,2667,7310,3241])

# 绘图
labels=["A组", "B组", "C组", "D组"]
plt.pie(x1,labels=labels,radius=1.0,wedgeprops=dict(width=0.3,edgecolor='w'))
plt.pie(x2,labels=labels,radius=0.7,wedgeprops=dict(width=0.3,edgecolor='w'))

# 添加注解
plt.annotate("完成量", 
            xy=(0.35,0.35), xytext=(1.1,0.45),                                                       arrowprops=dict(facecolor="black",arrowstyle="->")
            )
plt.annotate("任务量",
            xy=(0.75,0.20), xytext=(1.1,0.20),                                                       arrowprops=dict(facecolor="black",arrowstyle="->")
            )

# 设置标题
plt.title("XXX公司的销量占比",color="green",fontsize=16)
# 保存图表
# plt.savefig(r"C:\Users\Administrator\Desktop\学习笔记\5.Numpy_Pandas_Matplotlib\png\pltPie_13811_01.png")

热力图 imshow

参数


xxxxxxxxxx
plt.imshow(
            x,      # 待绘图的数据，需要矩阵形式 
            cmap    # 配色方案，用来表明图表渐变的主题色
            )

cmap的所有可选值都封装在plt.cm里，在Jupyter Notebook中输入plt.cm,然后按Tab键就可以看到。

案例


xxxxxxxxxx
import itertools

# 几个相关指标之间的相关性
cm = np.array([
             [1,0.082,0.031,-0.0086],
             [0.082,1,-0.09,0.062],
             [0.031,-0.09,1,0.026],
             [-0.0086,0.062,0.026,1]
            ])

cmap = plt.cm.cool     # 设置配色方案
plt.imshow(cm,cmap=cmap)
plt.colorbar()      # 显示右边的颜色条

# 设置x/y轴的刻度标签
classes=["负债率","信贷数量","年龄","家属数量"]
tick_marks=np.arange(len(classes))
plt.xticks(tick_marks,classes)
plt.yticks(tick_marks,classes)

# 将数值显示在指定位置
for i,j in itertools.product(range(cm.shape[0]),range(cm.shape[1])):
    plt.text(j,i,cm[i,j],horizontalalignment="center")


# 保存图表
# plt.savefig(r"C:\Users\Administrator\Desktop\学习笔记\5.Numpy_Pandas_Matplotlib\png\pltImshow_13812_01.png")

绘制水平线和垂直线 axhline/axvline

参数


xxxxxxxxxx
plt.axhline(y,xmin,xmax)    # 水平线
plt.axvline(x,ymin,ymax)    # 垂直线

y/x 画水平/垂直线时的横纵坐标
xmin,xmax 水平线的起点和终点
ymin,ymax 垂直线的起点和终点

案例


xxxxxxxxxx
# 建立坐标系
plt.subplot(1,2,1)
#绘制一条Y等于2且起点是0.2，终点是0.6的水平线
plt.axhline(y=2,xmin=0.2,xmax=0.6)
plt.title("水平线axhline")
# 建立坐标系
plt.subplot(1,2,2)
#绘制一条x等于2且起点是0.2，终点是0.6的垂直线
plt.axvline(x=2,ymin=0.2,ymax=0.6)
plt.title("垂直线axvline")

# 保存图表
# plt.savefig(r"C:\Users\Administrator\Desktop\学习笔记\5.Numpy_Pandas_Matplotlib\png\pltAxhline_13813_01.png")

组合图表

折线图+折线图

将两条及以上折线画在同一个坐标系中。


xxxxxxxxxx
# 建立坐标系
plt.subplot(1,1,1)
# xy的值
x = np.array(np.arange(1,10,1))
y1 = np.array([50,43,57,64,61,26,38,44,46]) 
y2 = np.array([43,30,39,51,40,20,29,34,35])
# 绘制折线图
plt.plot(x,y1,color="blue",linestyle="-",label="计划",marker="o")
plt.plot(x,y2,color="green",linestyle="-.",label="实际",marker="o")
# 标题
plt.title("XXX公司的销量情况",fontsize=18,color="red")
# x/y轴名称
plt.xlabel("月份")
plt.ylabel("销量")
# 数据标签
for a,b in zip(x,y1):
    plt.text(a,b,b,ha="center",va="bottom",fontsize=12)

for a,b in zip(x,y2):
    plt.text(a,b,b,ha="center",va="bottom",fontsize=12)

# 刻度
xticks = np.arange(1,10,1)
yticks = np.arange(10,80,10)
plt.xticks(xticks,["1月","2月","3月","4月","5月","6月","7月","8月","9月"])
plt.yticks(yticks,["10人","20人","30人","40人","50人","60人","70人"])

# 显示图例
plt.legend(loc="upper right",ncol=2)
# 保存图表
plt.savefig(r"C:\Users\Administrator\Desktop\学习笔记\5.Numpy_Pandas_Matplotlib\png\pltPlotTwo_1391_01.png")

折线图+柱形图


xxxxxxxxxx
# 建立坐标系
plt.subplot(1,1,1)
# xy的值
x = np.array(np.arange(1,10,1))
y1 = np.array([50,43,57,64,61,26,38,44,46]) 
y2 = np.array([43,30,39,51,40,20,29,34,35])
# 绘制折线图
plt.plot(x,y1,color="blue",linestyle="-",label="计划",marker="o")
plt.bar(x,y2,color="green",width=0.4,label="实际")
# 标题
plt.title("XXX公司的销量情况",fontsize=18,color="red")
# x/y轴名称
plt.xlabel("月份",fontsize=14,color="blue" )
plt.ylabel("销量")
# 数据标签
for a,b in zip(x,y1):
    plt.text(a,b,b,ha="center",va="bottom",fontsize=12)

for a,b in zip(x,y2):
    plt.text(a,b,b,ha="center",va="bottom",fontsize=12)

# 刻度
xticks = np.arange(1,10,1)
yticks = np.arange(10,80,10)
plt.xticks(xticks,["1月","2月","3月","4月","5月","6月","7月","8月","9月"])
plt.yticks(yticks,["10人","20人","30人","40人","50人","60人","70人"])

# 显示图例
plt.legend(loc="upper right",ncol=2)
# 保存图表
# plt.savefig(r"C:\Users\Administrator\Desktop\学习笔记\5.Numpy_Pandas_Matplotlib\png\pltPlotBar_1392_01.png")

双y轴图表 twinx

流程：先建立坐标系，然后绘制主坐标轴上的图表，再调用plt.twinx方法，最后绘制次坐标轴上的图表。


xxxxxxxxxx
# 建立坐标系
plt.subplot(1,1,1)
# xy的值
x = np.array(np.arange(1,10,1))
y1 = np.array([5010,4510,5701,6410,5711,3110,3610,4410,4610]) 
y2 = np.array([0.43,0.30,0.39,0.51,0.40,0.60,0.49,0.34,0.25])

# 绘制主坐标轴的图表
plt.plot(x,y1,color="blue",linestyle="-",marker="o",markersize=3,linewidth=1,label="注册人数")

# 标题
plt.title("XXX公司的销量情况",fontsize=18,color="red")
# 设置主x/y轴名称
plt.xlabel("月份",color="green",fontsize=16)
plt.ylabel("注册量")

# 主图表的数据标签
for a,b in zip(x,y1):
    plt.text(a,b,b,ha="center",va="bottom",fontsize=12)

# 主刻度
xticks = np.arange(1,10,1)
yticks = np.arange(1000,8000,1000)
plt.xticks(xticks,["1月","2月","3月","4月","5月","6月","7月","8月","9月"])
plt.yticks(yticks,["1000人","2000人","3000人","4000人","5000人","6000人","7000人"])

# 设置主坐标轴图例显示
plt.legend(loc="upper left")

# 调用twinx方法
plt.twinx()

# 绘制次坐标轴的图表
plt.plot(x,y2,color="green",linestyle=":",marker="o",markersize=3,linewidth=1,label="激活率")

# 次轴图表的数据标签
for a,b in zip(x,y2):
    plt.text(a,b,b,ha="center",va="bottom",fontsize=12)

# 次刻度
plt.yticks([0.1,0.2,0.3,0.4,0.5,0.6,0.7],["0.1%","0.2%","0.3%","0.4%","0.5%","0.6%","0.7%"])
    
# 设置次x/y轴的名称
# plt.xlabel("月份",color="green",fontsize=16)
plt.ylabel("激活率")

# 设置次坐标轴图例显示
plt.legend(loc="upper right")

# 保存图表
plt.savefig(r"C:\Users\Administrator\Desktop\学习笔记\5.Numpy_Pandas_Matplotlib\png\pltTwinx_13101_01.png")

双x轴图表 twiny

流程与双y轴图表一样，在实际业务中很少使用。

绘图样式设置

如果要使用其中的样式，只要在程序的开头加上代码：


xxxxxxxxxx
plt.style.use(样式名)

matplotlib库支持的所有样式。


xxxxxxxxxx
plt.style.available
['bmh',
 'classic',
 'dark_background',
 'fast',
 'fivethirtyeight',
 'ggplot',
 'grayscale',
 'seaborn-bright',
 'seaborn-colorblind',
 'seaborn-dark-palette',
 'seaborn-dark',
 'seaborn-darkgrid',
 'seaborn-deep',
 'seaborn-muted',
 'seaborn-notebook',
 'seaborn-paper',
 'seaborn-pastel',
 'seaborn-poster',
 'seaborn-talk',
 'seaborn-ticks',
 'seaborn-white',
 'seaborn-whitegrid',
 'seaborn',
 'Solarize_Light2',
 'tableau-colorblind10',
 '_classic_test']