python统计图参数（Python使用统计函数绘制简单图形实例代码）

python统计图参数

Python使用统计函数绘制简单图形实例代码

前言

matplotlib 是 python 的绘图库。 它可与 numpy 一起使用，提供了一种有效的 matlab 开源替代方案。 它也可以和图形工具包一起使用，如 pyqt 和 wxpython。

用matplotlib绘制一些大家比较熟悉又经常混淆的统计图形，掌握这些统计图形可以对数据可视化有一个深入理解。

windows 系统安装 matplotlib

进入到 cmd 窗口下，执行以下命令：

?

1 2	python -m pip install -u pip setuptools python -m pip install matplotlib

linux 系统安装 matplotlib

可以使用 linux 包管理器来安装：

debian / ubuntu：

?

1	sudo apt-get install python-matplotlib

fedora / redhat：

?

1	sudo yum install python-matplotlib

mac osx 系统安装 matplotlib

mac osx 可以使用 pip 命令来安装：

?

1	sudo python -mpip install matplotlib

安装完后，你可以使用 python -m pip list 命令来查看是否安装了 matplotlib 模块。

?

1 2	$ python -m pip list | grep matplotlib matplotlib (1.3.1)

1.函数bar()--用于绘制柱状图

在x轴上绘制定性数据的分布特征

?

1 2 3 4 5 6 7 8 9 10 11 12

import matplotlib as mpl import matplotlib.pyplot as plt   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.bar(x,y,align="center",color="c",tick_label=["q","a","c","e","r","j","b","p"],hatch="/") plt.xlabel("箱子编号") plt.ylabel("箱子重量(kg)") plt.show()

2.

2、函数barh()--用于绘制条形图

在y轴上绘制定性数据的分布特征

?

1 2 3 4 5 6 7 8 9 10 11 12

import matplotlib as mpl import matplotlib.pyplot as plt   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("箱子编号") plt.ylabel("箱子重量(kg)") plt.show()

3.

3、函数hist()--用于绘制直方图

在x轴上绘制定量数据的分布特征

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

import matplotlib as mpl import matplotlib.pyplot as plt import numpy as np mpl.rcparams["font.sans-serif"]=["simhei"] mpl.rcparams["axes.unicode_minus"]=false   #set test scores boxweight = np.random.randint(0,10,100) x = boxweight #plot histogram bins = range(0,11,1) plt.hist(x,bins=bins,   color="g",   histtype="bar",   rwidth=1,   alpha=0.6) #set x,y-axis label plt.xlabel("箱子重量(kg)") plt.ylabel("销售数量(个)") plt.show()

4.函数pie()--用于绘制饼图

绘制定性数据的不同类别的百分比

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16

import matplotlib as mpl import matplotlib.pyplot as plt 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] #pie chart 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.show()

5.函数polar()--用于绘制极线图

在极坐标图上绘制折线图

?

1 2 3 4 5 6 7 8 9 10 11 12

import matplotlib.pyplot as plt import numpy as np barslices = 12 theta = np.linspace(0.0,2*np.pi,barslices,endpoint=false) r = 30*np.random.rand(barslices) plt.polar(theta,r, #theta每个标记所在射线与极径的夹角，r每个标记到原点的距离   color="chartreuse",   linewidth=2,   marker="*",   mfc="b",   ms=10) plt.show()

6.函数scatter()--用于绘制气泡图

二维数据借助气泡图大小展示三维数据

?

1 2 3 4 5 6 7 8 9 10 11

import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np a = np.random.randn(100) b = np.random.randn(100) #colormap:rdylbu plt.scatter(a,b,s=np.power(10*a+20*b,2),#s散点标记的大小   c=np.random.rand(100),#c散点标记的颜色   cmap=mpl.cm.rdylbu,#将浮点数映射成颜色的颜色映射表   marker='o') plt.show()

7.函数stem()--用于绘制棉棒图

绘制离散的有序数据

?

1 2 3 4 5 6 7

import matplotlib.pyplot as plt import numpy as np x = np.linspace(0.5,2*np.pi,20) y = np.random.randn(20) plt.stem(x,y,linefmt="-.",markerfmt="o",basefmt="-") linefmt棉棒的样式、markerfmt棉棒末端的样式、basefmt指定基线的样式 plt.show()

8.函数boxplot()--用于绘制箱型图

绘制箱型图

?

1 2 3 4 5 6 7 8 9 10 11 12 13

import matplotlib.pyplot as plt import matplotlib as mpl import numpy as np 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.show()

9.函数errorbar()--用于绘制误差棒图

绘制y轴方向或是x轴方向的误差范围

?

1 2 3 4 5 6 7

import matplotlib.pyplot as plt import numpy as np 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.show()

总结

以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对开心学习网的支持。

原文链接：https://www.jianshu.com/p/1585d27c0506