100天精通Python（可视化篇）

您所在的位置：网站首页 › python 画图例子 › 100天精通Python（可视化篇）

100天精通Python（可视化篇）

2023-03-15 16:04| 来源: 网络整理| 查看: 265

文章目录专栏导读一、课程介绍为什么要学习matplotlib什么是matplotlib 二、绘制折线图基础绘图设置图片大小和分辨率调整X或者Y轴上的刻度设置中文显示坐标轴添加描述信息绘制网格双折线图添加图例自定义绘制图形的风格保存图片三、绘制散点图普通绘图双散点图四、绘制条形图绘制竖着条形图绘制横着条形图绘制多条形图五、直方图：hist频数分布直方图频率分布直方图六、更多的图形样式七、通用自定义图片方法书籍推荐

专栏导读

🏆🏆作者介绍：Python领域优质创作者、CSDN/华为云/阿里云/掘金/知乎等平台专家博主

🔥🔥本文已收录于Python全栈系列专栏：《100天精通Python从入门到就业》📝📝此专栏文章是专门针对Python零基础小白所准备的一套完整教学，从0到100的不断进阶深入的学习，各知识点环环相扣🎉🎉订阅专栏后续可以阅读Python从入门到就业100篇文章；还可私聊进千人Python全栈交流群（手把手教学，问题解答）；进群可领取80GPython全栈教程视频 + 300本计算机书籍：基础、Web、爬虫、数据分析、可视化、机器学习、深度学习、人工智能、算法、面试题等。🚀🚀加入我一起学习进步，一个人可以走的很快，一群人才能走的更远！

在这里插入图片描述

一、课程介绍

1、什么是matplotlib

2、matplotlib基本要点

3、matplotlib的折线图、散点图、直方图、柱状图

4、更多的画图工具

为什么要学习matplotlib

1.能将数据进行可视化,更直观的呈现

2.使数据更加客观、更具说服力在这里插入图片描述

什么是matplotlib

Matplotlib 是一个 Python 的 2D绘图库，主要做数据可视化图表，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。

官方文档：http://matplotlib.org

用于创建出版质量图表的绘图工具库

目的是为Python构建一个Matlab式的绘图接口

import matplotlib.pyplot as plt

pyploy模块包含了常用的matplotlib API函数

安装（cmd控制台）:

pip install matplotlib

在这里插入图片描述

二、绘制折线图基础绘图

axis轴,指的是x或者y这种坐标轴

在这里插入图片描述每个红色的点是坐标,把5个点的坐标连接成一条线,组成了一个折线图

案例：假设一天中每隔两个小时(range(2,26,2))的气温(℃)分别是 [15,13,14.5,17,20,25,26,26,27,22,18,15]

import matplotlib.pyplot as plt x = range(2, 26, 2) # 数据在x轴的位置，是一个可迭代对象 y = [15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15] # 数据在y轴的位置，是一个可迭代对象 """ x轴和y轴的数据一起组成了所有要绘制出的坐标分别是(2,15)、(4,13)、(6,14.5)、（8,17)...... """ plt.plot(x, y) # 传入x和y，通过plot绘制出折线图 plt.show() # 在执行程序的时候展示出图形

输出结果：在这里插入图片描述但是目前存在以下几个问题:

1、设置图片大小(想要一个高清无码大图)2、保存到本地3、描述信息,比如x轴和y轴表示什么,这个图表示什么4、调整x或者y的刻度的间距5、线条的样式(比如颜色,透明度等)6、标记出特殊的点(比如告诉别人最高点和最低点在哪里)7、给图片添加一个水印(防伪,防止盗用) 设置图片大小和分辨率

设置大小和清晰度：fig = plt.figure(figsize=(长度, 宽度), dpi=清晰度)

figsize=(20, 8)：代表长宽dpi= 80：图片的清晰度 import matplotlib.pyplot as plt x = range(2, 26, 2) y = [15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15] fig = plt.figure(figsize=(20, 8), dpi=80) """ figure图形图标的意思，在这里指的是我们画的图通过实例化一个figure并且传递参数，能够后台自动使用该figure实例在图形模糊的时候可以传入dpi参数，让图片更加清晰 """ plt.plot(x, y) plt.savefig("./1.png") # 保存图片；可以保存后缀为.svg这种矢量图格式，放大就不会有锯齿 plt.show()

输出结果：在这里插入图片描述

调整X或者Y轴上的刻度

设置x轴刻度：plt.xticks()

设置y轴刻度：plt.yticks()

import matplotlib.pyplot as plt x = range(2, 26, 2) y = [15, 13, 14.5, 17, 20, 25, 26, 26, 27, 22, 18, 15] # 设置图片大小 fig = plt.figure(figsize=(20, 8), dpi=80) # 设置x轴刻度 plt.xticks(x) # plt.xticks(x[::2}) # 当刻度太密集时使用列表步长间隔取值来解决 # 设置y轴刻度 plt.yticks(range(min(y), max(y) + 1)) # 绘图 plt.plot(x, y) # 显示图片 plt.show()

在这里插入图片描述

设置中文显示

matplotlib默认不支持中文字符，因为默认的英文字体无法显示汉字

修改matplotlib的默认字体的两种方式：

通过matplotlib模块下的matplotlib.rc可以修改，具体方法参见源码(windows/linux)通过 matplotlib模块下的font_manager可以解决(windows/linux/mac)

推荐用第一种，设置一次后后续代码就不用设置了

使用第一种方法：

import matplotlib.pyplot as plt import random import matplotlib # 设置字体方法1（设置全局中文字体） matplotlib.rc("font", family='MicroSoft YaHei', weight='bold') x = range(0, 120) y = [random.randint(20, 35) for i in range(120)] # 设置图片大小 fig = plt.figure(figsize=(20, 8), dpi=80) # 调整x轴刻度 _xtick_labels = ["10点{}分".format(i) for i in range(60)] _xtick_labels += ["11点{}分".format(i) for i in range(60)] # 设置步长，数字和字符串一一对应（数据的长度） plt.xticks(list(x)[::3], _xtick_labels[::3], rotation=45) # rotation旋转刻度的度数 # 绘图 plt.plot(x, y) # 显示图片 plt.show()

输出结果：在这里插入图片描述

坐标轴添加描述信息

设置标题：plt.title("10点到12点每分钟的气温变化情况图")

设置x轴图例：plt.xlabel("时间")

设置y轴图例：plt.ylabel("温度单位（℃）")

import matplotlib.pyplot as plt import random import matplotlib # 设置字体方法1 matplotlib.rc("font", family='MicroSoft YaHei', weight='bold') x = range(0, 120) y = [random.randint(20, 35) for i in range(120)] # 设置图片大小 fig = plt.figure(figsize=(20, 8), dpi=80) # 调整x轴刻度 _xtick_labels = ["10点{}分".format(i) for i in range(60)] _xtick_labels += ["11点{}分".format(i) for i in range(60)] # 设置步长 plt.xticks(list(x)[::3], _xtick_labels[::3], rotation=45) # rotation旋转刻度的度数 #设置图例 plt.xlabel("时间") plt.ylabel("温度单位（℃）") plt.title("10点到12点每分钟的气温变化情况图") # 绘图 plt.plot(x, y) # 显示图片 plt.show()

输出结果：在这里插入图片描述

绘制网格

设置网格：plt.grid(alph=0.4)

alph=0.4表示设置透明度，也可以省略不设置 import matplotlib.pyplot as plt import random import matplotlib # 设置字体方法1 matplotlib.rc("font", family='MicroSoft YaHei', weight='bold') x = range(0, 120) y = [random.randint(20, 35) for i in range(120)] # 设置图片大小 fig = plt.figure(figsize=(20, 8), dpi=80) # 调整x轴刻度 _xtick_labels = ["10点{}分".format(i) for i in range(60)] _xtick_labels += ["11点{}分".format(i) for i in range(60)] # 设置步长 plt.xticks(list(x)[::3], _xtick_labels[::3], rotation=45) # rotation旋转刻度的度数 #设置图例 plt.xlabel("时间") plt.ylabel("温度单位（℃）") plt.title("10点到12点每分钟的气温变化情况图") # 设置网格 plt.grid() # 绘图 plt.plot(x, y) # 显示图片 plt.show()

输出结果：出现x轴y轴密度相对应的网格在这里插入图片描述

双折线图

假设大家在30岁的时候,根据自己的实际情况,统计出来了你和你同桌各自从11岁到30岁每年交的女(男)朋友的数量如列表a和b,请在一个图中绘制出该数据的折线图,以便比较自己和同桌20年间的差异,同时分析每年交女(男)朋友的数量走势

y_1 = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1] y_2 = [1,0,3,1,2,2,3,3,2,1 ,2,1,1,1,1,1,1,1,1,1]

要求:

y轴表示个数x轴表示岁数,比如11岁,12岁等 import matplotlib.pyplot as plt import matplotlib y_1 = [1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3, 3, 1, 1, 1] y_2 = [1, 0, 3, 1, 2, 2, 3, 3, 2, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1] x = range(11, 31) # 设置字体方法1 matplotlib.rc("font", family='MicroSoft YaHei', weight='bold') # 设置图片大小 fig = plt.figure(figsize=(20, 8), dpi=80) # 调整x轴 _xtick_labels = ["{}岁".format(i) for i in x] plt.xticks(x, _xtick_labels) # 设置y轴 plt.yticks(range(0, 9)) # 设置网格 plt.grid() # 绘图 plt.plot(x, y_1) plt.plot(x, y_2) # 显示图片 plt.show()

输出结果：在这里插入图片描述问题：没法区别哪条线是自己，哪条线是同桌；需要添加图例

添加图例

绘图时添加 label参数

plt.plot(x, y_1, label="自己") plt.plot(x, y_2, label="同桌")

绘图下方输入添加图例代码：

plt.legend()

注意：添加图例代码一定是要在添加图例代码下方

import matplotlib.pyplot as plt import matplotlib y_1 = [1, 0, 1, 1, 2, 4, 3, 2, 3, 4, 4, 5, 6, 5, 4, 3, 3, 1, 1, 1] y_2 = [1, 0, 3, 1, 2, 2, 3, 3, 2, 1, 2, 1, 1, 1, 1, 1, 1, 1, 1, 1] x = range(11, 31) # 设置字体方法1 matplotlib.rc("font", family='MicroSoft YaHei', weight='bold') # 设置图片大小 fig = plt.figure(figsize=(20, 8), dpi=80) # 调整x轴 _xtick_labels = ["{}岁".format(i) for i in x] plt.xticks(x, _xtick_labels) # 设置y轴 plt.yticks(range(0, 9)) # 设置网格 plt.grid() # 绘图 plt.plot(x, y_1, label="自己") plt.plot(x, y_2, label="同桌") # 添加图例 plt.legend() # 显示图片 plt.show()

输出结果：在这里插入图片描述

自定义绘制图形的风格

绘图时添加参数：

plt.plot( x, # x轴 y, # y轴 color='r', # 线条颜色 linestyle='--', # 线条风格 linewidth=5, # 线条粗细 alpha=0.5 # 透明度 ) 颜色字符风格字符r （红色）-（实线）g （绿色）-- （虚线）b（蓝色）-.（点划线）w（白色）:（点虚线，虚线）c （青色）'' （留空或空格，无线条）m（洋红）y （黄色）k（黑色）#000ff00 （16进制）0.8（灰度值字符串）保存图片

plt.savefig("路径/图片名.png")

当前路径下生成图片文件：在这里插入图片描述

三、绘制散点图

绘制散点图和折线图的唯一区别在于，绘图时使用：plt.scatter(x, y)

普通绘图 import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [1, 4, 9, 16, 25] # 使用scatter绘制散点图，和之前绘制折线图的唯一区别 plt.scatter(x, y) # 显示 plt.show()

运行结果：在这里插入图片描述

双散点图

假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律?

a = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23] b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6] from matplotlib import pyplot as plt import matplotlib # 设置全局中文字体 matplotlib.rc("font", family='MicroSoft YaHei', weight='bold') y_3 = [11, 17, 16, 11, 12, 11, 12, 6, 6, 7, 8, 9, 12, 15, 14, 17, 18, 21, 16, 17, 20, 14, 15, 15, 15, 19, 21, 22, 22, 22, 23] y_10 = [26, 26, 28, 19, 21, 17, 16, 19, 18, 20, 20, 19, 22, 23, 17, 20, 21, 20, 22, 15, 11, 15, 5, 13, 17, 10, 11, 13, 12, 13, 6] x_3 = range(1, 32) x_10 = range(51, 82) # 设置图形大小 plt.figure(figsize=(20, 8), dpi=80) # 使用scatter绘制散点图，和之前绘制折线图的唯一区别 plt.scatter(x_3, y_3,label="三月份") plt.scatter(x_10, y_10,label="10月份") # 调整x轴的刻度 _x = list(x_3) + list(x_10) _xtick_labels = ["3月{}日".format(i) for i in x_3] _xtick_labels += ["10月{}日".format(i - 50) for i in x_10] plt.xticks(_x[::3], _xtick_labels[::3], rotation=45) # 添加图例 plt.legend(loc="upper left") # 添加描述信息 plt.xlabel("时间") plt.ylabel("温度") plt.title("标题") # 显示 plt.show()

运行结果：在这里插入图片描述

四、绘制条形图绘制竖着条形图

假设你获取到了2017年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据?

x = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",] y = [56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23] # 单位:亿 import matplotlib.pyplot as plt import matplotlib x = ["战狼2", "速度与激情8", "功夫瑜伽", "西游伏妖篇", "变形金刚5：最后的骑士", "摔跤吧！爸爸", "加勒比海盗5：死无对证", "金刚：骷髅岛", "极限特工：终极回归", "生化危机6：终章", "乘风破浪", "神偷奶爸3", "智取威虎山", "大闹天竺", "金刚狼3：殊死一战", "蜘蛛侠：英雄归来", "悟空传", "银河护卫队2", "情圣", "新木乃伊", ] y = [56.01, 26.94, 17.53, 16.49, 15.45, 12.96, 11.8, 11.61, 11.28, 11.12, 10.49, 10.3, 8.75, 7.55, 7.32, 6.99, 6.88, 6.86, 6.58, 6.23] # 设置全局中文字体 matplotlib.rc("font", family='MicroSoft YaHei', weight='bold') # 设置图形大小 plt.figure(figsize=(20, 8), dpi=80) # 绘制条形图 plt.bar(range(len(x)), y, width=0.3) # 设置字符串到x轴 plt.xticks(range(len(x)), x, rotation=45) plt.show()

运行结果：在这里插入图片描述

绘制横着条形图

与竖着条形图的区别在于：

1、绘图的方法小差别：plt.barh(x, y)2、字符串绘制到y轴：plt.yticks(range(len(x)), x) import matplotlib.pyplot as plt import matplotlib x = ["战狼2", "速度与激情8", "功夫瑜伽", "西游伏妖篇", "变形金刚5：最后的骑士", "摔跤吧！爸爸", "加勒比海盗5：死无对证", "金刚：骷髅岛", "极限特工：终极回归", "生化危机6：终章", "乘风破浪", "神偷奶爸3", "智取威虎山", "大闹天竺", "金刚狼3：殊死一战", "蜘蛛侠：英雄归来", "悟空传", "银河护卫队2", "情圣", "新木乃伊", ] y = [56.01, 26.94, 17.53, 16.49, 15.45, 12.96, 11.8, 11.61, 11.28, 11.12, 10.49, 10.3, 8.75, 7.55, 7.32, 6.99, 6.88, 6.86, 6.58, 6.23] # 设置全局中文字体 matplotlib.rc("font", family='MicroSoft YaHei', weight='bold') # 设置图形大小 plt.figure(figsize=(20, 8), dpi=80) # 绘制条形图 plt.barh(range(len(x)), y, color="orange") # 设置字符串到y轴 plt.yticks(range(len(x)), x) # 绘制网格 plt.grid(alpha=0.5) plt.show()

运行结果：

在这里插入图片描述

绘制多条形图

假设你知道了列表a中电影分别在2017-09-14(b_14), 2017-09-15(b_15), 2017-09-16(b_16)三天的票房,为了展示列表中电影本身的票房以及同其他电影的数据对比情况,应该如何更加直观的呈现该数据?

x = ["猩球崛起3：终极之战", "敦刻尔克", "蜘蛛侠：英雄归来", "战狼2"] y_16 = [15746, 312, 4497, 319] y_15 = [12357, 156, 2045, 168] y_14 = [2358, 399, 2358, 362] import matplotlib.pyplot as plt import matplotlib x = ["猩球崛起3：终极之战", "敦刻尔克", "蜘蛛侠：英雄归来", "战狼2"] y_16 = [15746, 312, 4497, 319] y_15 = [12357, 156, 2045, 168] y_14 = [2358, 399, 2358, 362] # 设置全局中文字体 matplotlib.rc("font", family='MicroSoft YaHei', weight='bold') # 一天画完后，下一天往x轴左移 bar_width = 0.2 # 设置柱状图大小不能超过0.3 x_14 = list(range(len(x))) x_15 = [i + bar_width for i in x_14] x_16 = [i + bar_width * 2 for i in x_14] # 设置图片大小 plt.figure(figsize=(20, 8), dpi=80) # 绘图 plt.bar(range(len(x)), y_14, width=bar_width, label="9月14日") plt.bar(x_15, y_15, width=bar_width, label="9月15日") plt.bar(x_16, y_16, width=bar_width, label="9月16日") # 设置图例 plt.legend() # 设置x轴刻度 plt.xticks(x_15, x) plt.show()

运行结果：

在这里插入图片描述

五、直方图：hist

一般来说能够使用plt.hist方法的的是那些没有统计过的数据

频数分布直方图

假设你获取了250部电影的时长(列表a中),希望统计出这些电影时长的分布状态(比如时长为100分钟到120分钟电影的数量,出现的频率)等信息,你应该如何呈现这些数据?

a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]

把数据分为多少组进行统计??? 组数要适当,太少会有较大的统计误差,大多规律不明显在这里插入图片描述

import matplotlib.pyplot as plt a = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111, 78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130, 126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136, 123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127, 105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114, 105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134, 156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102, 123, 107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133, 112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135, 115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154, 136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141, 120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126, 114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92, 121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113, 134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110, 105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101, 131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111, 111, 133, 150] # 计算组数 d = 3 # 组距尽可能是能被max，min整除的数 num_bins = (max(a) - min(a)) // d # 设置图形大小 plt.figure(figsize=(20, 8), dpi=80) # 绘制直方图 plt.hist(a, num_bins) # 设置x轴刻度 plt.xticks(range(min(a), max(a) + d, d)) # 设置网格 plt.grid() plt.show()

运行结果：在这里插入图片描述

频率分布直方图

只需要修改一处代码plt.hist(a, num_bins, density=True) # density为True表示频率

import matplotlib.pyplot as plt a = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111, 78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130, 126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136, 123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127, 105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114, 105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134, 156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102, 123, 107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133, 112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135, 115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154, 136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141, 120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126, 114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92, 121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113, 134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110, 105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101, 131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111, 111, 133, 150] # 计算组数 d = 3 # 组距尽可能是能被max，min整除的数 num_bins = (max(a) - min(a)) // d # 设置图形大小 plt.figure(figsize=(20, 8), dpi=80) # 绘制直方图 plt.hist(a, num_bins, density=True) # density为True表示频率 # 设置x轴刻度 plt.xticks(range(min(a), max(a) + d, d)) # 设置网格 plt.grid() plt.show()

运行结果：

在这里插入图片描述

六、更多的图形样式

matplotlib支持的图形是非常多的：http://matplotlib.org/gallery/index.html

在这里插入图片描述

七、通用自定义图片方法

设置线条样式颜色：ax.plot(x, y, linestyle=‘--’, color=‘r’)

设置刻度范围：

plt.xlim(), plt.ylim() ax.set_xlim(), ax.set_ylim()

设置显示的刻度：

plt.xticks(), plt.yticks() ax.set_xticks(), ax.set_yticks()

设置刻度标签：

ax.set_xticklabels(), ax.set_yticklabels()

设置坐标轴标签：

ax.set_xlabel() ax.set_ylabel()

设置标题

ax.set_title()

图例

ax.plot(label=‘legend’) ax.legend() plt.legend() loc=‘best’：自动选择放置图例最佳位置

保存图片：

plt.savefig("路径/图片名.png") 书籍推荐

《大数据导论》

在这里插入图片描述

这是一个全新的时代：Web3.0构建的经济体系，DID身份的跨平台操作，数字NFT的原子级镜像，以及DeFi的无摩擦元资产再分配…2022年，奇点出现：元人即将诞生；元资产即将分配；元宇宙正在成形。本套书通过元宇宙三大定律、大统一方程、熵增定律、Web3.0、万亿元资产、元人与区块链文明构建了元宇宙第一大楼。第1-80层：数字人展位、电子宠物、数字藏品、3D沉侵式旅游、DeFi。第81-160层：AI、VR、AR、MR、DAO、Web3.0、边缘计算。第161-214+层：多场景阅读、4K空间、跨链许可、维度转换、无限∞世界。如果不想抽奖当当自营购买链接：http://product.dangdang.com/29513251.html

【本文地址】

公司简介

联系我们

今日新闻

推荐新闻

专题文章