matplotlib

最新推荐文章于 2026-04-27 00:47:55 发布
原创 最新推荐文章于 2026-04-27 00:47:55 发布 · 593 阅读 · 0 ·
本内容遵循CC 4.0 BY-SA版权协议
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
标签
#matplotlib #python #numpy
本文详细介绍了使用PyPlot在Matplotlib中绘制线图、散点图、柱状图、饼图等的基本技巧，包括线型、颜色、标记、标签和图例的设置，以及如何创建和定制复杂的图表。

PyPlot

大多数matplotlib实用程序位于pyplot子模块下，通常以plt别名导入：

在图中从位置（0,0）到位置（6,250）画一条线

import matplotlib.pyplot as plt
import numpy as np

xpoints = np.array([0, 6])
ypoints = np.array([0, 250])

plt.plot(xpoints, ypoints)
plt.show()

请添加图片描述

绘图

绘制x和y点

plot()函数用于在图表中绘制点（标记）.
默认情况下，plot（）函数从点到点绘制一条线.
该函数采用参数来指定图中的点
参数1是一个包含x轴上的点的数组
参数2是一个包含y轴上的点的数组
如果我们需要绘制一条从（1,3）到（8,10）的线，我们必须将两个数组[1,8]和[3,10]传递给plot函数

import matplotlib.pyplot as plt
import numpy as np

#在图中从位置（1,3）到位置（8,10）画一条线：
xpoints = np.array([1, 8])
ypoints = np.array([3, 10])

plt.plot(xpoints, ypoints)
plt.show()

请添加图片描述

无线绘图

仅绘制标记，可以使用快捷字符串符号参数“o”，这意味着“环”.

#在图中绘制两个点，一个在位置（1,3），一个在位置（8,10）：
plt.plot(xpoints, ypoints, 'o')
plt.show()

请添加图片描述

多点

可以根据需要绘制任意数量的点，只需要确保两个轴上的点数相同即可。

# 在图中画一条线，从位置（1，3）到（2,8）然后到（6,1）最后到位置（8,10）：
xpoints = np.array([1, 2, 6, 8])
ypoints = np.array([3, 8, 1, 10])

plt.plot(xpoints, ypoints)
plt.show()

请添加图片描述

默认X点

如果我们不指定x轴上的点，他们将获得默认值0、1、2、3（等等，取决于y点的长度）.
因此，如果我们采用与上述相同的示例，并省略x点，则图表将如下所示：

ypoints = np.array([3, 8, 1, 10, 5, 7])

plt.plot(ypoints)
plt.show()

请添加图片描述

标记

标记

可以使用关键字参数maker，用指定的标记强调每个点：

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, marker='o')
plt.show()

请添加图片描述

# 用星星标记每个点
plt.plot(ypoints, marker='*')

[<matplotlib.lines.Line2D at 0x26378acabe0>]

请添加图片描述

标记/线/颜色参考

标记有很多别的符号，用的时候可以再查（标记、线的形状、颜色）

格式化字符串fmt

可以使用快捷字符串符号参数来指定标记。
此参数也称为fmt，使用一下语法编写：
marker|line|color

ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, 'o:r')  #点是o，中间线是虚线,颜色是红色
plt.show()

在这里插入图片描述

标记尺寸

可以使用关键字参数markersize或ms来设置标记的大小：

ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, marker='o', ms=20)
plt.show()

在这里插入图片描述

标记颜色

#使用关键字参数 markeredgecolor 或 mec来设置标记边缘的颜色：

ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, marker='o', ms=20, mec='r')
plt.show()

在这里插入图片描述

#关键字参数 markerfacecolor 或较短的mfc来设置标记边缘内的颜色

ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, marker='o', ms=20, mfc='r')
plt.show()

在这里插入图片描述

ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, marker='o', ms=20, mec='r', mfc='r')
plt.show()

在这里插入图片描述

#还可以使用十六进制颜色值
plt.plot(ypoints, marker='o', ms=20, mec='#4CAF50', mfc='#4CAF50')

[<matplotlib.lines.Line2D at 0x26378e5f908>]

在这里插入图片描述

#140种支持的颜色名称中的任何一种
plt.plot(ypoints, marker='o', ms=20, mec='hotpink', mfc='hotpink')

[<matplotlib.lines.Line2D at 0x26378ec8470>]

请添加图片描述

线条

线型

可以使用关键字参数linestyle 或 ls来更改绘制线的样式：

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, linestyle='dotted')
plt.show()

在这里插入图片描述

plt.plot(ypoints, linestyle='dashed')

[<matplotlib.lines.Line2D at 0x26378f62278>]

在这里插入图片描述

更短的语法

线条样式可以用更短的语法编写：
linestyle 可以写成ls
dotted可以写成:
dashed可以写成–

plt.plot(ypoints, ls=':')

[<matplotlib.lines.Line2D at 0x26378de89e8>]

在这里插入图片描述

线参考

线的形式有多样，具体用到再进行了解

线条颜色

使用关键字参数color或c来设置线条的颜色：

ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, color='r')
plt.show()

在这里插入图片描述

# 可以使用十六进制颜色值：
plt.plot(ypoints, c='#4CAF50')

[<matplotlib.lines.Line2D at 0x26378d08160>]

在这里插入图片描述

# 140中支持的颜色名称中的任何一种
plt.plot(ypoints, c='hotpink')

[<matplotlib.lines.Line2D at 0x26378b853c8>]

在这里插入图片描述

线宽度

可以使用关键字参数linewidth或lw来更改线条的宽度.
该值是一个浮点数，以磅为单位：

ypoints = np.array([3, 8, 1, 10])

plt.plot(ypoints, linewidth='20.5')
plt.show()

在这里插入图片描述

多行

通过简单的添加更多plt.plot()函数来绘制任意数量的线：

y1 = np.array([3, 8, 1, 10])
y2 = np.array([6, 2, 7, 11])

plt.plot(y1)
plt.plot(y2)

plt.show()

在这里插入图片描述

还可以通过在同一plt.plot()函数中为每条线添加x轴和y轴的点来绘制多条线.
（在上面的例子中，我们只制定了y轴上的点，这意味着x轴上的点得到了默认值（0、1、2、3）。）
x和y值成对出现：

x1 = np.array([0, 1, 2, 3])
y1 = np.array([3, 8, 1, 0])
x2 = np.array([0, 1, 2, 3])
y2 = np.array([6, 2, 7, 11])

plt.plot(x1, y1, x2, y2)
plt.show()

在这里插入图片描述

x1 = np.array([0, 1, 2, 3])
y1 = np.array([3, 8, 1, 0])
x2 = np.array([5, 7, 8, 4])
y2 = np.array([6, 2, 7, 11])

plt.plot(x1, y1, x2, y2)
plt.show()

在这里插入图片描述

标签

为绘图创建标签

使用pyplot，可以使用xlabel()和ylabel()函数为x轴和y轴设置标签。

import numpy as np
import matplotlib
import matplotlib.pyplot as plt

matplotlib.rcParams['font.sans-serif'] = ['KaiTi']  #设置字体为楷体

x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])

plt.plot(x, y)

plt.xlabel("平均脉搏")
plt.ylabel("卡路里消耗")

plt.show()

在这里插入图片描述

为绘图创建标题

使用pyplot，可以使用title()函数为绘图设置标题。

x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])

plt.plot(x, y)

plt.title("运动手表数据")
plt.xlabel("平均脉搏")
plt.ylabel("卡路里消耗")

plt.show()

在这里插入图片描述

设置标题和标签的字体属性

使用xlabel(),ylabel()和title()中的fontdict参数来设置标题和标签的字体属性。

x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])

font1 = {'family': 'KaiTi', 'color': 'blue', 'size': 20}
font2 = {'family': 'KaiTi', 'color': 'darkred', 'size': 15}

plt.title("运动手表数据", fontdict=font1)
plt.xlabel("平均脉搏", fontdict=font2)
plt.ylabel("卡路里消耗", fontdict=font2)

plt.plot(x, y)
plt.show()

在这里插入图片描述

定位标题

使用title()中的loc参数来定位标题。
合法值是：“left”、“right"和"center”。默认值为"center"。

x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])

plt.title("运动手表数据", loc='left')
plt.xlabel("平均脉搏")
plt.ylabel("卡路里消耗")

plt.plot(x, y)
plt.show()

在这里插入图片描述

网格

向绘图中添加网格线

使用pyplot,使用grid()函数将网格线添加到绘图中。

import numpy as np
import matplotlib
import matplotlib.pyplot as plt

x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])

plt.title("运动手表数据")
plt.xlabel("平均脉搏")
plt.ylabel("卡路里消耗")

plt.plot(x, y)

plt.grid()

plt.show()

在这里插入图片描述

指定要显示的网格线

使用grid()函数中的轴参数来指定要显示的网格线
合法值为：‘x’、‘y’和‘both’。默认值为“both”。

x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])

plt.title("运动手表数据", loc='left')
plt.xlabel("平均脉搏")
plt.ylabel("卡路里消耗")

plt.plot(x, y)

plt.grid(axis='x')  # 只显示x轴的网格线

plt.show()

在这里插入图片描述

设置网格的线属性

可以设置网格的线条属性，如下所示：
grid(color=‘color’,linestyle=‘linestyle’,linewidth=number)

x = np.array([80, 85, 90, 95, 100, 105, 110, 115, 120, 125])
y = np.array([240, 250, 260, 270, 280, 290, 300, 310, 320, 330])

plt.title("运动手表数据", loc='left')
plt.xlabel("平均脉搏")
plt.ylabel("卡路里消耗")

plt.plot(x, y)

plt.grid(color='green', linestyle='--', linewidth=1.5)  # 只显示x轴的网格线

plt.show()

在这里插入图片描述

多图

显示多个图

使用subplots()函数，可以在一张图中绘制多个图：

import matplotlib.pyplot as plt
import numpy as np

#plot 1:
x = np.array([0, 1, 2, 3])
y = np.array([3, 8, 1, 10])

plt.subplot(1, 2, 1)  #整张图有一行两列 也就是两个子图 最后一个一代表第一张子图
plt.plot(x, y)

#plot 2:
x = np.array([0, 1, 2, 3])
y = np.array([10, 20, 30, 40])

plt.subplot(1, 2, 2)  #第二张子图
plt.plot(x, y)

plt.show()

在这里插入图片描述

subplots()函数

subplots()函数采用三个参数来描述图形的布局。
布局按行和列组织， 由第一个和第二个参数表示。 第三个参数表示当前绘图的索引。
如果我们想要一个2行1列的图形（这意味着两个图像将垂直显示而不是并排显示），我们可以编写如下语法：

#plot 1:
x = np.array([0, 1, 2, 3])
y = np.array([3, 8, 1, 10])

plt.subplot(2, 1, 1)
plt.plot(x, y)

#plot 2:
x = np.array([0, 1, 2, 3])
y = np.array([10, 20, 30, 40])

plt.subplot(2, 1, 2)  #第二张子图
plt.plot(x, y)

plt.show()

在这里插入图片描述

#plot 1:
x = np.array([0, 1, 2, 3])
y = np.array([3, 8, 1, 10])

plt.subplot(2, 3, 1)
plt.plot(x, y)

#plot 2:
x = np.array([0, 1, 2, 3])
y = np.array([10, 20, 30, 40])

plt.subplot(2, 3, 2)  #第二张子图
plt.plot(x, y)

#plot 3:
x = np.array([0, 1, 2, 3])
y = np.array([3, 8, 1, 10])

plt.subplot(2, 3, 3)
plt.plot(x, y)

#plot 4:
x = np.array([0, 1, 2, 3])
y = np.array([10, 20, 30, 40])

plt.subplot(2, 3, 4)
plt.plot(x, y)

#plot 5:
x = np.array([0, 1, 2, 3])
y = np.array([3, 8, 1, 10])

plt.subplot(2, 3, 5)
plt.plot(x, y)

#plot 6:
x = np.array([0, 1, 2, 3])
y = np.array([10, 20, 30, 40])

plt.subplot(2, 3, 6)
plt.plot(x, y)

plt.show()

在这里插入图片描述

标题

使用title()函数为每个图添加标题：

#plot 1:
x = np.array([0, 1, 2, 3])
y = np.array([3, 8, 1, 10])

plt.subplot(1, 2, 1)
plt.plot(x, y)
plt.title("SALES")

#plot 2:
x = np.array([0, 1, 2, 3])
y = np.array([10, 20, 30, 40])

plt.subplot(1, 2, 2)  #第二张子图
plt.plot(x, y)
plt.title("INCOME")

plt.show()

在这里插入图片描述

超级标题

可以使用suptitle()函数为整个图形添加标题：

#plot 1:
x = np.array([0, 1, 2, 3])
y = np.array([3, 8, 1, 10])

plt.subplot(1, 2, 1)
plt.plot(x, y)
plt.title("SALES")

#plot 2:
x = np.array([0, 1, 2, 3])
y = np.array([10, 20, 30, 40])

plt.subplot(1, 2, 2)  #第二张子图
plt.plot(x, y)
plt.title("INCOME")

plt.suptitle("MY SHOP")
plt.show()

在这里插入图片描述

散点图

创建散点图

借助PYPLOT,可以使用scatter()函数绘制散点图。
scatter()函数为每个观察绘制一个点。它需要两个长度相同的数组，一个用于x轴，一个用于y轴上的值：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5, 7, 8, 7, 2, 17, 2, 9, 4, 11, 12, 9, 6])
y = np.array([99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86])

plt.scatter(x, y)
plt.show()

在这里插入图片描述

颜色

使用color或c参数为每一个散点图设置自己的颜色：

x = np.array([5, 7, 8, 7, 2, 17, 2, 9, 4, 11, 12, 9, 6])
y = np.array([99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86])
plt.scatter(x, y, color='hotpink')

x = np.array([2, 2, 8, 1, 15, 8, 12, 9, 7, 3, 11, 4, 7, 14, 12])
y = np.array([100, 105, 84, 105, 90, 99, 90, 95, 94, 100, 79, 112, 91, 80, 85])
plt.scatter(x, y, color='#88c999')

plt.show()

在这里插入图片描述

为每个点上色

可以通过使用颜色数组作为c参数的值来为每个点设置特定颜色，
不能为此使用color参数，只能使用c参数。

x = np.array([5, 7, 8, 7, 2, 17, 2, 9, 4, 11, 12, 9, 6])
y = np.array([99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86])
colors = np.array([
    "red", "green", "blue", "yellow", "pink", "black", "orange", "purple",
    "beige", "brown", "gray", "cyan", "magenta"
])

plt.scatter(x, y, c=colors)

plt.show()

在这里插入图片描述

颜色图

Matplotlib模块有许多可用的颜色图。
颜色图就像一个颜色列表，其中每种颜色都有一个范围从0到100的值。
下面是一个颜色图的例子：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-0NlgxkS9-1659780917433)(attachment:image.png)]
此颜色图称为“viridis”，它的范围从0（紫色）到100（黄色）。

如何使用颜色图

可以使用带有颜色图值的关键字参数cmap指定颜色图，在本例中为“viridis”，它是Matplotlib中可用的内置颜色图之一。
此外，还必须创建一个包含值（从0到100）的数组，散点图中的每个点都有一个值：

x = np.array([5, 7, 8, 7, 2, 17, 2, 9, 4, 11, 12, 9, 6])
y = np.array([99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86])
colors = np.array([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])

plt.scatter(x, y, c=colors, cmap="viridis")

plt.colorbar()

plt.show()

在这里插入图片描述

可用的颜色图

可以选择的内置颜色图（需要时再查）

尺寸

使用s参数更改点的大小。
就像颜色一样，确保大小数组的长度与x和y轴的数组长度相同：

x = np.array([5, 7, 8, 7, 2, 17, 2, 9, 4, 11, 12, 9, 6])
y = np.array([99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86])
sizes = np.array([20, 50, 100, 200, 500, 1000, 60, 90, 10, 300, 600, 800, 75])

plt.scatter(x, y, s=sizes)

plt.show()

在这里插入图片描述

透明度

可以使用alpha参数调整点的透明度。
就像颜色一样，确保大小数组的长度与x和y轴的数组长度相同：

x = np.array([5, 7, 8, 7, 2, 17, 2, 9, 4, 11, 12, 9, 6])
y = np.array([99, 86, 87, 88, 111, 86, 103, 87, 94, 78, 77, 85, 86])
sizes = np.array([20, 50, 100, 200, 500, 1000, 60, 90, 10, 300, 600, 800, 75])

plt.scatter(x, y, s=sizes, alpha=0.5)

plt.show()

在这里插入图片描述

组合颜色、大小和透明度

在点上组合具有不同大小的颜色图。

x = np.random.randint(100, size=(100))
y = np.random.randint(100, size=(100))
colors = np.random.randint(100, size=(100))
sizes = 10 * np.random.randint(100, size=(100))

plt.scatter(x, y, c=colors, s=sizes, alpha=0.5, cmap='nipy_spectral')

plt.colorbar()
plt.show()

在这里插入图片描述

柱状图

创建柱状图

在pyplot包中，使用bar()函数绘制柱状图：

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["A", "B", "C", "D"])
y = np.array([3, 8, 1, 10])

plt.bar(x, y)
plt.show()

在这里插入图片描述

bar()函数采用描述条形布局的参数。
类别及其值由第一个和第二个参数表示为数组。

x = ["APPLES", "BANANAS"]
y = [400, 350]
plt.bar(x, y)

<BarContainer object of 2 artists>

在这里插入图片描述

水平柱状图

如果柱状水平显示而不是垂直显示，请使用bath()函数：

x = np.array(["A", "B", "C", "D"])
y = np.array([3, 8, 1, 10])

plt.barh(x, y)
plt.show()

在这里插入图片描述

柱状图颜色

bar()和barh()使用关键字参数color来设置颜色：

x = np.array(["A", "B", "C", "D"])
y = np.array([3, 8, 1, 10])

plt.bar(x, y, color="red")
plt.show()

在这里插入图片描述

颜色名称

使用140种支持的颜色名称中的任何一种。

x = np.array(["A", "B", "C", "D"])
y = np.array([3, 8, 1, 10])

plt.bar(x, y, color="hotpink")
plt.show()

在这里插入图片描述

十六进制颜色

或者可以使用十六进制颜色值：

x = np.array(["A", "B", "C", "D"])
y = np.array([3, 8, 1, 10])

plt.bar(x, y, color="#4CAF50")
plt.show()

在这里插入图片描述

条形宽度

bar()使用关键字参数width来设置宽度：

x = np.array(["A", "B", "C", "D"])
y = np.array([3, 8, 1, 10])

plt.bar(x, y, width=0.1)
plt.show()

在这里插入图片描述

条形宽度

barh()使用关键字参数height来设置条形的高度：

x = np.array(["A", "B", "C", "D"])
y = np.array([3, 8, 1, 10])

plt.barh(x, y, height=0.1)
plt.show()

在这里插入图片描述

创建直方图

在Matplotlib中，我们使用hist()函数来创建直方图。
hist()函数将使用一个数字数组来创建直方图，该数组作为参数发送到函数中。
为简单起见，我们使用Numpy随机生成一个包含250个值的数组，其中值将集中在170左右，标准差为10.

import matplotlib.pyplot as plt
import numpy as np

x = np.random.normal(170, 10, 250)  # 均值 方差 个数
print(x)

[175.58784035 170.67184328 166.86827665 168.18700544 174.41734808
 172.57928064 163.9901554  175.5280239  182.06339974 178.26195651
 177.69990499 162.39682091 181.60260582 167.27976691 157.53753994
 168.85344733 169.58495002 162.53077861 167.93790021 182.18018689
 165.03594017 175.02336695 176.34278735 169.05901716 177.16449407
 170.75045619 169.11481702 157.68312955 171.31732556 190.05150642
 179.49523314 200.0619179  178.37875646 176.69769634 167.20239139
 176.43764106 170.26257312 171.63443689 176.54907018 171.13799638
 184.31082395 164.32755859 153.33259684 177.29524536 168.36671954
 174.77624448 168.28072704 169.28467141 160.98306841 158.48005571
 165.89584313 176.11426403 177.09334915 152.41575753 155.94365027
 169.57925355 167.64892386 177.9872364  163.88240388 175.93685093
 183.75454903 173.64295341 175.78418014 164.178739   169.20065264
 183.43195015 165.74629157 164.63195959 170.19723796 154.12762345
 156.05430609 186.07481881 193.40418636 165.05660103 164.60364149
 166.31032407 181.66534561 169.34064349 177.03887443 163.79593615
 165.08915932 181.35319964 175.90443159 163.12102878 163.90230336
 174.32630173 169.82177766 193.96154664 177.31423176 178.82134422
 149.60141932 181.24175671 176.5130141  186.54303502 149.52048287
 167.61914857 162.31103132 158.73441853 157.94293234 172.13503936
 154.46565546 167.36390915 156.04514619 177.13971641 174.61868178
 177.9204504  170.02768387 163.38682332 167.5907203  157.84107366
 161.1692403  166.32666487 167.07862595 164.85586309 169.99821076
 159.44382447 153.4993626  160.05318283 152.05508727 167.47995681
 167.85584656 184.55963764 159.31154785 155.89563137 159.65478176
 170.86504371 170.42371159 156.77080587 154.3772196  160.46266454
 178.94096439 156.07284304 181.527611   169.89133097 178.91254188
 158.5256148  158.3833149  174.11464975 177.5316297  164.00671951
 163.44615564 170.47837447 179.97061825 175.21385726 163.08902006
 168.07067165 164.77150163 175.49770308 159.63784364 161.45875224
 186.10597692 178.12735711 160.32155978 165.10762035 177.65177954
 158.1391917  171.18173754 178.15430473 171.09633401 189.7173402
 178.89320793 141.65043585 178.12522711 167.22275179 186.85840469
 175.28244741 170.99035279 162.27389217 160.86252832 170.46423197
 176.12614914 179.41979885 178.89067062 169.90666146 191.18602446
 157.17306531 178.82619187 189.53382397 177.71956431 156.60077511
 185.0026245  177.14530099 168.83927126 161.4739883  174.06394525
 161.90370627 170.44493613 146.47290372 169.00942979 196.07612984
 166.69570997 174.11799918 167.17621336 180.54397688 184.03805936
 188.90726963 170.80939681 171.97008292 166.83101754 160.32700512
 167.72792992 148.7774827  165.57564539 178.54148335 176.08423831
 154.30111672 169.90696191 179.81405828 160.45199874 174.87789907
 192.85761202 170.91952503 157.49297175 168.40460711 175.16287626
 168.46894944 187.235561   168.78197959 167.48119473 168.61676393
 154.26407721 149.9691542  183.83197309 175.33838201 180.82613859
 172.85908979 165.91860758 182.42544038 170.1040848  169.63188507
 166.80472824 167.11604017 164.1238919  162.54208155 161.50742183
 180.08166443 175.50010153 166.95460011 164.49152575 186.27022421
 166.73943861 153.74352487 152.96735939 162.76346378 178.62267616
 130.34425335 171.89435578 173.07666076 179.36892897 174.385056  ]

plt.hist(x)
plt.show()

在这里插入图片描述

饼图

创建饼图

在pyplot包中，可以使用ple()函数绘制饼图：

import matplotlib.pyplot as plt
import numpy as np

y = np.array([35, 25, 25, 15])

plt.pie(y)
plt.show()

在这里插入图片描述

标签

使用label参数为饼图添加标签。
label参数必须是一个数组，每个楔形都有一个标签：

y = np.array([35, 25, 25, 15])
mylabels = ["Apples", "Bananas", "Cherries", "Dates"]

plt.pie(y, labels=mylabels)
plt.show()

在这里插入图片描述

起始角度

如前所述，默认起始角度位于x轴，但可以通过指定startangle参数来更改起始角度。
startangle参数定义为以度为单位的角度，默认角度为0：
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Tvr2qJw3-1659780917438)(attachment:image.png)]

y = np.array([35, 25, 25, 15])
mylabels = ["Apples", "Bananas", "Cherries", "Dates"]

plt.pie(y, labels=mylabels, startangle=90)
plt.show()

在这里插入图片描述

Explode

如果想让一个楔子脱颖而出，可以使用explode参数
如果制定了explode参数，而不是None,则必须是一个数组，每个楔形都有一个值
每个值表示每个楔形显示的距离中心多远：

y = np.array([35, 25, 25, 15])
mylabels = ["Apples", "Bananas", "Cherries", "Dates"]
myexplode = [0.2, 0, 0, 0]

plt.pie(y, labels=mylabels, explode=myexplode)
plt.show()

请添加图片描述

阴影

通过将shadows参数设置为True为饼图添加阴影：

y = np.array([35, 25, 25, 15])
mylabels = ["Apples", "Bananas", "Cherries", "Dates"]
myexplode = [0.2, 0, 0, 0]

plt.pie(y, labels=mylabels, explode=myexplode, shadow=True)
plt.show()

在这里插入图片描述

颜色

使用colors参数设置每个楔形的颜色
如果指定了颜色参数，则必须是一个数组，每个楔形都有一个值：

y = np.array([35, 25, 25, 15])
mylabels = ["Apples", "Bananas", "Cherries", "Dates"]
mycolors = ["black", "hotpink", "b", "#4CAF50"]  #b是一个简写 代表blue
myexplode = [0.2, 0, 0, 0]

plt.pie(y, labels=mylabels, explode=myexplode, shadow=True, colors=mycolors)
plt.show()

在这里插入图片描述

图例

要为每个楔形添加解释列表，请使用legend()函数：

y = np.array([35, 25, 25, 15])
mylabels = ["Apples", "Bananas", "Cherries", "Dates"]
myexplode = [0.2, 0, 0, 0]

plt.pie(y, labels=mylabels, explode=myexplode, shadow=True)

plt.legend()
plt.show()

在这里插入图片描述

带标题的图例

要向图例添加标题，请将标题参数添加到图例参数。

y = np.array([35, 25, 25, 15])
mylabels = ["Apples", "Bananas", "Cherries", "Dates"]
myexplode = [0.2, 0, 0, 0]

plt.pie(y, labels=mylabels, explode=myexplode, shadow=True)

plt.legend(title="Four Fruits:")
plt.show()

在这里插入图片描述

Matplotlib | 一文搞定Matplotlib从入门到实战演练！
猫天意的博客
08-07 2万+
Matplotlib 是一个 Python 的 2D绘图库。通过 Matplotlib，开发者可以仅需要几行代码，便可以生成绘图，直方图，功率谱，条形图，错误图，散点图等。官网https://matplotlib.org/\qquad学习Matplotlib 可让数据可视化，更直观的真实给用户。使数据更加客观、更具有说服力。Matplotlib是Python的库，又是开发中常用的库。
Python学习之-matplotlib详解
Summer的博客
04-12 4818
用途广泛: Matplotlib 被广泛用于数据可视化，支持多种图表类型，例如线图 (line plots)、散点图(scat-ter plots)、条形图 (bar charts)、饼图 (pie charts)、直方图 (histograms)、箱线图 (box plots)、热图 (heatmaps)、子图 (subplots) 等。
Python绘图库Matplotlib
最新发布
Yu_Lijing的博客
04-27 417
Matplotlib是Python中最常用的数据可视化库，支持多种图表类型和高度自定义。文章介绍了Matplotlib的两种绘图接口：MATLAB风格的状态接口和更灵活的面向对象接口。通过天气数据集展示了单变量（降水量直方图）和多变量可视化方法，包括双变量（降水量与最高气温散点图）以及多变量（按年份颜色区分的散点图）。文章还说明了在不同开发环境（脚本和Notebook）中显示图形的差异，并提供了完整的代码示例和运行结果截图。
【python】数据可视化——matplotlib
urge的博客
09-27 2630
matplotlib是一个强大的Python绘图库，用于创建高质量的静态、动态和交互式图表。它提供了广泛的绘图选项，适用于数据可视化、科学计算、工程绘图等多个领域。
python——matplotlib的用法详解
longhaierwd的博客
07-25 3万+
Matplotlib是Python生态系统的一个重要组成部分，是用于可视化的绘图库，它提供了一整套和matlab相似的命令API和可视化界面，可以生成出版质量级别的精美图形，Matplotlib使绘图变得非常简单，在易用性和性能间取得了优异的平衡。安装成功后，即可以在Python中像使用其它库一样导入和使用Matplotlib，而无需更多文件的配置，通常我们将其导入后使用别名mplMatplotlib的配置更多的用于修改绘制图形的默认样式，Matplotlib。
matplotlib安装与使用方法
JFS1024的博客
12-06 3万+
学习Matplotlib是探索数据可视化领域的重要一步。Matplotlib是一个功能强大、灵活且广泛使用的Python绘图库，它能够帮助你将数据以清晰、美观的方式呈现。在这次学习中，你将了解如何使用Matplotlib创建各种类型的图表，从简单的线图到复杂的三维图表。数据统计得再好都不如一张图表清晰、直观。本章用大量的举例详细地介绍了 Matplotlib 图表，其根本任丁能够使读者全面透彻地了解和掌握最基础的图表，并应用到实际数据统计分析工作甲，同时也为以后学习其他绘图库奠定坚实的基础。
【Matplotlib】一文带你掌握Matplotlib绘制各种图形
你不来，再美的天地，都狼藉 ~
08-14 7万+
使用matplotlib进行绘制更多图象，结合文档学习，也是程序员们的一项重要技能哦！
Matplotlib安装
weixin_44768795的博客
10-05 3万+
安装matplotlib使用python中pip命令安装 使用python中pip命令安装 第一步：使用win+R输入cmd命令打开命令窗口，找到python安装目录下的Scripts目录，使用python -m pip install matplotlib命令 如果出现以下错误或警告，则需按照指示使用 python -m pip install --upgrade pip命令进行升级pip就行 若显示Successfully installed pip-21.2.4等命令，则升级成功 第二步：使用
matplotlib 画图总结
Dear_learner的博客
05-25 1万+
写在前面：好久没用到matplotlib，最近用到的时候发现有些点已经忘了还得查资料，所以趁此机会把matplotlib中常用到的画图方法总结一下！ matplotlib 官网 matplotlib是python中非常实用的一个模块，可以使用matplotlib绘制各种各样的图形，比如折线图、散点图、直方图、条形图、饼图、雷达图等。在python中安装和导入matplotlib包如下： # 安装 pip install matplotlib # 导入 import matplotlib.pyplot as
关于 MATPLOTLIB 中的滑动条应用
TSINGHUAJOKING
06-02 5124
介绍在MATPLOTLIB中增加人机交互功能。
安装Matplotlib
追逐阳光的风
04-21 2万+
文章目录一、pip安装二、conda安装1、anaconda navigator安装2、condan命令安装 一、pip安装 运行如下的命令即可 pip install matplotlib 二、conda安装 Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等。conda是一个开源的包、环境管理器，可以用于在同一个机器上安装不同版本的软件包及其依赖，并能够在不同的环境之间切换。 推荐使用anaconda进行安装，通过anaconda可以对多个不同版.
零基础学Python：Matplotlib用法
全网粉丝30w+，2025年CSDN十大博主，2024年华为云十佳博主，稀土掘金人工智能签约作者，985科班硕士— —工作室账号：https://blog.csdn.net/qq_46092061
09-10 4246
零基础学Python：Matplotlib用法
python使用matplotlib绘图
weixin_41558411的博客
04-26 5万+
matplotlib是python中用于绘制各种图像的模块，功能十分强大，通常与pandas模块搭配使用，可以生成各种样视的图片，用于数据的分析和展示。 绘图风格 plt.style.use('fivethirtyeight') #设置图像风格样式 https://blog.csdn.net/qq_42505705/article/details/84962815 设置图例的位置 plt.legend(l......
【Python 数据分析学习】Matplotlib 的基础和应用
Code哈哈笑的博客
09-16 7959
Matplotlib 是一个用于 Python 的 2D 图形库，它能够以多种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。Matplotlib 提供了一个非常接近 MATLAB 的 API，使得从 MATLAB 迁移到 Python 的过程变得相对容易。它最初由 John D. Hunter 开发，并于 2003 年首次发布。随着时间的发展，Matplotlib 已经成为了 Python 数据可视化领域的一个标准库，广泛应用于科学计算、数据分析以及机器学习等领域。
Matplotlib库的介绍及使用
qq_53763141的博客
12-24 1万+
Matplotlib库由各种可视化类构成，内部结构复杂，受Matlab启发，本文章主要介绍其子库pyplot的基本使用和基础图标的绘制。
matplotlib绘图基础
热门推荐
皮皮blog
07-13 8万+
matplotlib 是python最著名的绘图库，十分适合交互式地进行制图，而且也可以方便地将它作为绘图控件，嵌入GUI应用程序中。Matplotlib：Matlab的语法、python语言、latex的画图质量。面向对象方式绘图：matplotlib实际上是一套面向对象的绘图库，它所绘制的图表中的每个绘图元素，例如线条Line2D、文字Text、刻度等在内存中都有一个对象与之对应。pyplot模块虽然用法简单，但不适合在较大的应用程序中使用。
matplotlib安装及使用
weixin_36670529的博客
12-12 4万+
目录 1、Matplotlib简介 2、Matplotlib安装 3、Matplotlib导入 4、Matplotlib基本应用 5、画图种类 5.1、Scatter散点图 5.2、条形图 5.3、等高线图 5.4、Image图片 5.5、3D图像 6、多图合并显示 6.1、Subplot多合一显示 6.2、SubPlot分格显示 6.3、图中图 6.4、次坐标轴 ...
Matplotlib（数据可视化库）---讲解
beyond谚语的博客
05-04 4378
本内容来自《跟着迪哥学Python数据分析与机器学习实战》，该篇博客将其内容进行了整理，加上了自己的理解，所做小笔记。若有侵权，联系立删。 迪哥说以下的许多函数方法都不用死记硬背，多查API多看文档，确实，跟着迪哥混就完事了~~~ Matplotlib菜鸟教程 Matplotlib官网API 以下代码段均在Jupyter Notebook下进行运行操作 每天过一遍，腾讯阿里明天见~ 一、常规绘图方法 导入工具包，一般用plt来当作Matplotlib的别名 import matplotlib.pyplot
python——matplotlib绘图详解大全
longhaierwd的博客
07-25 2万+
Matplotlib中有多种定义颜色的方法，常见的方法包括：三元组 (Triplets)：颜色可以描述为一个实数三元组，即颜色的红、蓝、绿分量，其中每个分量在[0,1]区间内。因此，表示纯红色，而则表示粉色。四元组 ()：它们前三个元素与三元组定义相同，第四个元素定义透明度值。此值也在[0,1]区间内。将图形渲染到图片文件中时，使用透明颜色可以使绘制图形与背景进行混合。Matplotlib将标准HTML颜色名称解释为实际颜色。例如，字符串red即可表示为红色。
【Python】Matplotlib详解
qq_73339471的博客
01-14 4530
plot()函数的基本格式x和y：【必要参数】，分别是横坐标和纵坐标的数据，可以是列表、数组等可迭代对象。如果只提供y，则x默认是从0开始的整数序列。：【可选参数】，用于指定线条的格式，包括颜色、线型、标记等。例如，'r-'表示红色实线，'bo'表示蓝色圆点标记。**kwargs：【可选参数】，用于更详细地设置线条的属性，如线宽、标记大小、颜色等。在实际应用中，常见的参数类型主要有以下几种【额外配置】：color：设置线条颜色，默认为蓝色。linestyle：设置线条样式，默认为实线。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值