目录
数据可视化Matplotlib安装和导入库安装Matplotlib库导入Matplotlib库中的`pyplot`子库
一、Matplotlib基础知识1. Figure对象1.1 定义1.2 划分子图1.3 设置中文字体1.4 添加标题1.5 调整子图
二、散点图引入scatter()函数
二、折线图plot()函数
三、柱状图1. 普通柱形图2. 并列柱形图3. 堆叠条形图4. 柱线混合图
四、水平条形图五、饼图五、直方图
)
数据可视化
数据分析阶段:理解和洞察数据之间的关系算法调试阶段:发现问题,优化算法项目总结阶段:展示项目成果
Matplotlib
Matplotlib 是Python中类似 MATLAB 的绘图工具,可以快速方便地生成高质量的图标 ![在这里插入图片描述](https://img-blog.csdnimg.cn/2020091609495170.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mjg5MTE1,size_16,color_FFFFFF,t_70#pic_center)
安装和导入库
安装Matplotlib库
Anaconda:安装了anaconda之后,Matplotlib就已经安装好了pip pip install matplotlib
导入Matplotlib库中的pyplot子库
import matplotlib.pyplot as plt matplotlib.pyplot是一个有命令风格的函数集合,它看起来和MATLAB很相似。每一个pyplot函数都使一副图像做出些许改变,例如创建一幅图,在图中创建一个绘图区域,在绘图区域中添加一条线等等。在matplotlib.pyplot中,各种状态通过函数调用保存起来,以便于可以随时跟踪像当前图像和绘图区域这样的东西。绘图函数是直接作用于当前axes(matplotlib中的专有名词,图形中组成部分,不是数学中的坐标系。)
一、Matplotlib基础知识
Matplotlib中的基本图表包括的元素
x轴和y轴 axis 水平和垂直的轴线 x轴和y轴刻度 tick 刻度标示坐标轴的分隔,包括最小刻度和最大刻度 x轴和y轴刻度标签 tick label 表示特定坐标轴的值 绘图区域(坐标系) axes 坐标系标题 title 轴标签 xlabel ylabel
1. Figure对象
1.1 定义
在任何绘图之前,我们需要一个Figure对象,可以理解成我们需要一张画板才能开始绘图。
import matplotlib.pyplot as plt
fig = plt.figure(num, figsize, dpi, facecolor, edgecolor, frameon)
参数说明num图形编号或名称,取值为数字/字符串figsize绘图对象的宽和高,单位是英寸dpi绘图对象的分辨率,缺省值为80facecolor背景颜色edgecolor边框颜色frameon表示是否显示边框FigureClassOptionally use a custom Figure instance.clear如果是True,并且图形已经存在,则清楚该图形
例子:
plt.figure(figsize=(3, 2), facecolor="green")
plt.plot()
plt.show()
可选参数
颜色缩略字符颜色缩略字符bluebblackkgreengwhitewrenrcyancyellowymegentam
1.2 划分子图
在matlib中,两条坐标轴连接的区域叫做轴域。 语法:
plt.subplot(nrows, ncols, index)
参数说明nrows行数ncols列数index子图序号
例子:
fig = plt.figure()
plt.subplot(2, 2, 1)
plt.subplot(2, 2, 2)
plt.subplot(2, 2, 3)
plt.subplot(2, 2, 4)
plt.show()
每个subplot函数只创建一个子图,前两个参数只是说明将画布划分为2*2的区域,可以创建四个子图,但是并没有同时创建四个子图。要创建四个子图就需要执行四条语句,分别创建每个子图。 当subplot函数中的行数,列数和子图序号都小于10时,可以省略各个参数间的逗号,用一个三位数来代替,如下。
plt.subplot(221)
plt.subplot(222)
plt.subplot(223)
plt.subplot(224)
![在这里插入图片描述](https://img-blog.csdnimg.cn/2020091611092456.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mjg5MTE1,size_16,color_FFFFFF,t_70#pic_center)
1.3 设置中文字体
设置中文字体 由于Matplotlib的默认字体是英文,因此在向图表中添加中文的时候,常常无法显示,这时只要将默认字体改为中文就可以了。 语法
plt.rcParams["font.sans-serif"] = "SimHei"
其他常用中文字体的名称
中文字体英文描述中文字体英文描述宋体SimSun楷体KaiTi黑体SimHei仿宋FangSong微软雅黑MicrosoftYaHei隶书LiSu微软正黑体MicrosoftJhengHei幼圆YouYuan
恢复标准默认配置 rc参数被修改后还可以恢复标准默认配置
plt.rcdefaults()
1.4 添加标题
添加全局标题
subtitle("global_title")
添加子标题
title("title")
suptitle()函数的主要参数:
参数说明默认值x标题位置的x坐标0.5y标题位置的y坐标0.98color标题颜色黑色background标题背景颜色fontsize标题的字体大小12fontweight字体粗细normal / light / medium / semibold / bold / heavy / blackfontstyle设置字体类型xx-small / x-small / small / medium / large / x-large / xx-largehorizontalalignment标题水平对齐方式center / left / rightverticalalignment标题的垂直对齐方式top / center / bottom / baseline
title()函数的主要参数:
参数说明取值loc标题位置left / rightrotation标题文字旋转角度color标题颜色黑色fontsize标题的字体大小12fontweight字体粗细normal / light / medium / semibold / bold / heavy / blackfontstyle设置字体类型xx-small / x-small / small / medium / large / x-large / xx-largehorizontalalignment标题水平对齐方式center / left / rightverticalalignment标题的垂直对齐方式top / center / bottom / baselinefontdict设置参数字典
例子,比如绘制下图: ![在这里插入图片描述](https://img-blog.csdnimg.cn/20200916120030171.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mjg5MTE1,size_16,color_FFFFFF,t_70#pic_center)
import matplotlib.pyplot as plt
#%%
plt.rcParams["font.family"] = "SimHei"
fig = plt.figure(facecolor="lightgrey")
plt.subplot(2, 2, 1)
plt.title("子标题1")
plt.subplot(2, 2, 2)
plt.title("子标题2", loc="left", color="b")
plt.subplot(2, 2, 3)
myfontdict = {"fontsize": 12, "color": "g", "rotation": 30}
plt.title("子标题3", fontdict=myfontdict)
plt.subplot(2, 2, 4)
plt.title("子标题4", color="w", backgroundcolor="black")
plt.suptitle("全局标题", fontsize=20, color="red", backgroundcolor="yellow")
plt.show()
小技巧: 代码分段运行
代码分段 使用 #%% 将代码分段(应该自2018版pycharm就可以这样了) 注意:仅在科学模式Scientific Mode下有效分段运行 法一:Ctrl + Enter 逐端运行 法二:点击代码段左边的绿色三角形 如果得到下列结果,则需要对画布进行调整 这里主标题挡住了子标题,上下两个子图的间距也过小了
1.5 调整子图
tight_layout()函数 检查坐标轴标签、刻度标签和子图标题,自动调整子图,使之填充整个绘图区域,并消除子图之间的重叠。 在上述代码中增加
import matplotlib.pyplot as plt
#%%
# 设置默认字体为中文
plt.rcParams["font.family"] = "SimHei"
# 创建一个绘图对象,并将它的前景色绘制为浅灰色
fig = plt.figure(facecolor="lightgrey")
# 创建了四个子图
plt.subplot(2, 2, 1)
# 创建默认子标题
plt.title("子标题1")
plt.subplot(2, 2, 2)
# 子标题 左对齐,字体颜色是蓝色
plt.title("子标题2", loc="left", color="b")
plt.subplot(2, 2, 3)
# 将参数放在字典中,所有关键字都是字符串
myfontdict = {"fontsize": 12, "color": "g", "rotation": 30}
plt.title("子标题3", fontdict=myfontdict)
plt.subplot(2, 2, 4)
# 标题字体为白色,背景色为黑色
plt.title("子标题4", color="w", backgroundcolor="black")
plt.suptitle("全局标题", fontsize=20, color="red", backgroundcolor="yellow")
plt.tight_layout()
plt.show()
可以看到,子图之间的间距已经被自动调整了。标题和坐标轴之间不再重叠。但是,全局标题和子图区域还是有重叠。这是因为tight_layout()函数使子图区域充满了整个画布。我们现在希望能在画布上面留出一点位置来放置全局标题。这时候,只需要修改tight_layout()函数中的rect参数就可以了。
tight_layout(rect=(left, bottom, right, top))
这是子图区域的左下角坐标和右上角坐标,坐标必须为标准化图形坐标, 默认是(0,0,1,1) ![在这里插入图片描述](https://img-blog.csdnimg.cn/20200916150520701.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mjg5MTE1,size_16,color_FFFFFF,t_70#pic_center)
# 设置默认字体为中文
plt.rcParams["font.family"] = "SimHei"
# 创建一个绘图对象,并将它的前景色绘制为浅灰色
fig = plt.figure(facecolor="lightgrey")
# 创建了四个子图
plt.subplot(2, 2, 1)
# 创建默认子标题
plt.title("子标题1")
plt.subplot(2, 2, 2)
# 子标题 左对齐,字体颜色是蓝色
plt.title("子标题2", loc="left", color="b")
plt.subplot(2, 2, 3)
# 将参数放在字典中,所有关键字都是字符串
myfontdict = {"fontsize": 12, "color": "g", "rotation": 30}
plt.title("子标题3", fontdict=myfontdict)
plt.subplot(2, 2, 4)
# 标题字体为白色,背景色为黑色
plt.title("子标题4", color="w", backgroundcolor="black")
plt.suptitle("全局标题", fontsize=20, color="red", backgroundcolor="yellow")
plt.tight_layout(rect=(0, 0, 1, 1))
plt.show()
二、散点图
引入
散点图(Scatter):是数据点在直角坐标系中的分布图
原始数据分布的规律 射击手向靶子多次射击后留下的记录。射击的成绩呈正太分布数据变化的趋势 房屋大小和房价呈线性关系数据分组 横坐标是花瓣长度,纵坐标是花瓣宽度
scatter()函数
scatter(x, y, scale, color, marker, label)
参数说明如下
参数说明默认值x标题位置的x坐标不可忽略y标题位置的y坐标不可忽略scale数据点的大小36color数据点的颜色marker数据点的样式‘o’(远点)label图例文字
这是其他数据点样式
取值中文描述取值中文描述取值中文描述-实线1朝下的三角v朝下的三角–虚线2朝上的三角^朝上的三角-.点线3朝左的三角朝右的三角.点s正方形D钻石形,像素p五角形d小版钻石形o圆形*星型|垂直线形++号标记h1号六角形_水平线形xx号标记H2号六角形
例子: 来绘制这个图 ![在这里插入图片描述](https://img-blog.csdnimg.cn/20200916154728380.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mjg5MTE1,size_16,color_FFFFFF,t_70#pic_center)
# 设置默认字体为中文
plt.rcParams["font.family"] = "SimSun"
# 标准正态分布
n = 1024
x = np.random.normal(0, 1, n)
y = np.random.normal(0, 1, n)
# 绘制散点图
plt.scatter(x, y, color="blue", marker="*")
# 设置标题
plt.title("标准正态分布", fontsize=20)
plt.show()
我们还需要添加适当的文字描述
text(x, y, s, fontsize, color)
参数说明默认值x标题位置的x坐标不可忽略y标题位置的y坐标不可忽略s显示的文字不可忽略fontsize文字的大小color文字的颜色黑色
这里我们看到由于设置了中文字体,负号不能正常显示,因此我们需要设置坐标轴
plt.rcParams["axes.unicode_minus"] = False
绘图时,pyplot会根据数据的分布区间,自动加上坐标轴。如果要改变x轴,y轴的坐标范围,设置坐标轴的刻度样式或者给坐标轴加上标签,那么可以使用这几个函数
函数说明xlabel(x, y, fontsize, color)设置x轴标签ylabel(x, y, fontsize, color)设置y轴标签xlim(xmin, xmax)设置x轴坐标的范围ylim(ymin, ymax)设置y轴坐标的范围tick_params(labelsize)设置刻度文字的字号
# 设置默认字体为中文
plt.rcParams["font.family"] = "SimHei"
# 标准正态分布
n = 1024
x = np.random.normal(0, 1, n)
y = np.random.normal(0, 1, n)
# 绘制散点图
plt.scatter(x, y, color="blue", marker="*")
# 设置标题
plt.title("标准正态分布", fontsize=20)
# 解决负号显示不出来的问题
plt.rcParams["axes.unicode_minus"] = False
# 设置文本
plt.text(2.5, 2.5, "均值:0\n标准差:1")
# 设置坐标轴范围
plt.xlim(-4, 4)
plt.ylim(-4, 4)
# 设置轴标签文本
plt.xlabel('横坐标x', fontsize=14)
plt.ylabel('纵坐标y', fontsize=14)
plt.show()
增加均匀分布的点
# 设置默认字体为中文
plt.rcParams["font.family"] = "SimHei"
# 标准正态分布
n = 1024
x1 = np.random.normal(0, 1, n)
y1 = np.random.normal(0, 1, n)
# 均匀分布
x2 = np.random.uniform(-4, 4, (1, n))
y2 = np.random.uniform(-4, 4, (1, n))
# 绘制散点图
plt.scatter(x1, y1, color="blue", marker="*")
plt.scatter(x2, y2, color="yellow", marker="o")
# 设置标题
plt.title("标准正态分布", fontsize=20)
# 解决负号显示不出来的问题
plt.rcParams["axes.unicode_minus"] = False
# 设置文本
plt.text(2.5, 2.5, "均值:0\n标准差:1")
# 设置坐标轴范围
plt.xlim(-4, 4)
plt.ylim(-4, 4)
# 设置轴标签文本
plt.xlabel('横坐标x', fontsize=14)
plt.ylabel('纵坐标y', fontsize=14)
plt.show()
增加图例
scatter(x, y, scale, color, marker, label) # label是图例参数
legend(loc, fontsize)
loc参数的取值
取值图例位置取值图例位置0best6center left1upper right7center right2upper left8lower center3lower left9upper center4lower right10center5right
# 设置默认字体为中文
plt.rcParams["font.family"] = "SimHei"
# 标准正态分布
n = 1024
x1 = np.random.normal(0, 1, n)
y1 = np.random.normal(0, 1, n)
# 均匀分布
x2 = np.random.uniform(-4, 4, (1, n))
y2 = np.random.uniform(-4, 4, (1, n))
# 绘制散点图
plt.scatter(x1, y1, color="blue", marker="*", label="正态分布")
plt.scatter(x2, y2, color="yellow", marker="o", label="均匀分布")
# 默认位置, 使用默认字体
plt.legend()
# 设置标题
plt.title("标准正态分布", fontsize=20)
# 解决负号显示不出来的问题
plt.rcParams["axes.unicode_minus"] = False
# 设置文本
plt.text(2.5, 2.5, "均值:0\n标准差:1")
# 设置坐标轴范围
plt.xlim(-4, 4)
plt.ylim(-4, 4)
# 设置轴标签文本
plt.xlabel('横坐标x', fontsize=14)
plt.ylabel('纵坐标y', fontsize=14)
plt.show()
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200916174500572.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mjg5MTE1,size_16,color_FFFFFF,t_70#pic_center)
二、折线图
折线图:散点图的基础上,将相邻的点用线段想连接
描述变量变化的趋势
plot()函数
plot(x, y, cplor, marker,label, linewidth, markersize)
参数说明如下:
参数说明默认值x标题位置的x坐标0,1,2,…y标题位置的y坐标不可忽略color数据点的颜色marker数据点的样式‘o’(圆点)label图例文字linewidth折线的宽度markersize数据点的大小
例子: 绘制这样一个折线图,这是一个房间24小时的温度和湿度的监测记录 ![在这里插入图片描述](https://img-blog.csdnimg.cn/20200916175215847.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mjg5MTE1,size_16,color_FFFFFF,t_70#pic_center)
import matplotlib.pyplot as plt
import numpy as np
# 设置默认字体为中文
plt.rcParams["font.family"] = "SimHei"
# 生成随机数列
n = 24
y1 = np.random.randint(27, 37, n)
y2 = np.random.randint(40, 60, n)
# 绘制折线图
plt.plot(y1, label="温度")
plt.plot(y2, label="湿度")
plt.xlim(0, 23)
# 多留一点空间好放置图例
plt.ylim(20, 70)
plt.xlabel("小时", fontsize=12)
plt.ylabel("测量值", fontsize=12)
plt.title("24小时温度湿度统计", fontsize=16)
plt.legend()
plt.show()
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200916180009748.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mjg5MTE1,size_16,color_FFFFFF,t_70#pic_center)
三、柱状图
1. 普通柱形图
由一系列高度不等的柱形条纹表示数据分布的情况。 语法
bar(x, left, height, width, facecolor, edgecolor, label)
参数说明如下:
参数说明xx轴的位置序列,一般采用arange函数产生一个序列heighty轴的数值序列,也就是柱形图的高度,一般就是我们需要展示的数据alpha透明度width为柱形图的宽度,默认0.8color或facecolor柱形图填充的颜色edgecolor图形边缘颜色label图例文字linewidth or linewidths or lw边缘or线的宽度
例子: ![在这里插入图片描述](https://img-blog.csdnimg.cn/2020091709435855.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mjg5MTE1,size_16,color_FFFFFF,t_70#pic_center)
import matplotlib.pyplot as plt
import numpy as np
# 设置默认字体为中文
plt.rcParams["font.family"] = "SimHei"
# 解决负号问题
plt.rcParams["axes.unicode_minus"] = False
# 条纹高度
y1 = [32, 25, 16, 30, 24, 45, 40, 33, 28, 17, 24, 20]
y2 = [-23, -35, -26, -35, -45, -43, -35, -32, -23, -17, -22, -28]
# 条纹left坐标
plt.bar(range(len(y1)), y1, width=0.8, facecolor="green", edgecolor="white", label="统计量1")
plt.bar(range(len(y2)), y2, width=0.8, facecolor="red", edgecolor="white", label="统计量2")
plt.title("柱状图", fontsize=20)
plt.legend()
plt.show()
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200917095133938.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mjg5MTE1,size_16,color_FFFFFF,t_70#pic_center)
2. 并列柱形图
# 设置中文字体和负号正常显示
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
label_list = ['2014', '2015', '2016', '2017'] # 横坐标刻度显示值
num_list1 = [20, 30, 15, 35] # 纵坐标值1
num_list2 = [15, 30, 40, 20] # 纵坐标值2
x = range(len(num_list1))
rects1 = plt.bar(x=x, height=num_list1, width=0.4, alpha=0.8, color='red', label="一部门")
rects2 = plt.bar(x=[i + 0.4 for i in x], height=num_list2, width=0.4, color='green', label="二部门")
plt.ylim(0, 50) # y轴取值范围
plt.ylabel("数量")
# 设置x轴刻度显示值 参数一:中点坐标 参数二:显示值
plt.xticks([index + 0.2 for index in x], label_list)
plt.xlabel("年份")
plt.title("某某公司")
plt.legend() # 设置题注
# 编辑文本
for rect in rects1:
height = rect.get_height()
plt.text(rect.get_x() + rect.get_width() / 2, height+1, str(height), ha="center", va="bottom")
for rect in rects2:
height = rect.get_height()
plt.text(rect.get_x() + rect.get_width() / 2, height+1, str(height), ha="center", va="bottom")
plt.show()
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200917101755530.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mjg5MTE1,size_16,color_FFFFFF,t_70#pic_center)
3. 堆叠条形图
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
label_list = ['2014', '2015', '2016', '2017']
num_list1 = [20, 30, 15, 35]
num_list2 = [15, 30, 40, 20]
x = range(len(num_list1))
rects1 = plt.bar(x=x, height=num_list1, width=0.45, alpha=0.8, color='red', label="一部门")
rects2 = plt.bar(x=x, height=num_list2, width=0.45, color='green', label="二部门", bottom=num_list1)
plt.ylim(0, 80)
plt.ylabel("数量")
plt.xticks(x, label_list)
plt.xlabel("年份")
plt.title("某某公司")
plt.legend()
plt.show()
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200917102628684.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mjg5MTE1,size_16,color_FFFFFF,t_70#pic_center)
4. 柱线混合图
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用黑体显示中文
# 构建数据
x = [2, 4, 6, 8]
y = [450, 500, 200, 1000]
# 画柱形图
plt.bar(x=x, height=y, label='书库大全', color='steelblue', alpha=0.8)
# 在柱状图上显示具体数值, ha参数控制水平对齐方式, va控制垂直对齐方式
for x1, yy in zip(x, y):
plt.text(x1, yy + 1, str(yy), ha='center', va='bottom', fontsize=20, rotation=0)
# 设置标题
plt.title("80小说网活跃度")
# 为两条坐标轴设置名称
plt.xlabel("发布日期")
plt.ylabel("小说数量")
# 显示图例
plt.legend()
# 画折线图
plt.plot(x, y, "r", marker='*', ms=10, label="a")
plt.xticks(rotation=45)
plt.legend(loc="upper left")
plt.savefig("a.jpg")
plt.show()
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200917103403517.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mjg5MTE1,size_16,color_FFFFFF,t_70#pic_center)
四、水平条形图
语法
barh(y, width, height, left, align='center')
参数说明如下:
参数说明yy轴的位置序列,一般采用arange函数产生一个序列width柱形图的宽,默认0.8heightx轴的数值序列,也就是柱形图的高度,一般就是我们需要展示的数据alpha透明度align柱形图在x坐标的哪侧,可选值 ‘center’ ‘edge’left额外增量color或facecolor柱形图填充的颜色edgecolor图形边缘颜色label图例文字linewidth or linewidths or lw边缘or线的宽度
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
price = [39.5, 39.9, 45.4, 38.9, 33.34]
plt.barh(range(5), price, height=0.7, color='steelblue', alpha=0.8) # 从下往上画
plt.yticks(range(5), ['亚马逊', '当当网', '中国图书网', '京东', '天猫'])
plt.xlim(30,47)
plt.xlabel("价格")
plt.title("不同平台图书价格")
for x, y in enumerate(price):
plt.text(y + 0.2, x - 0.1, '%s' % y)
plt.show()
![在这里插入图片描述](https://img-blog.csdnimg.cn/20200917102523254.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzM3Mjg5MTE1,size_16,color_FFFFFF,t_70#pic_center)
五、饼图
语法
barh(y, width, height, left, align='center')
参数说明如下:
参数说明x(每一块)的比例,如果sum(x) > 1会使用sum(x)归一化explode设置各部分间隔值, 每一块离开中心距离labels每一块饼图外侧显示的图例colors每一块的颜色autopct控制饼图内百分比设置,可以使用format字符串或者format function '%1.1f’指小数点前后位数(没有用空格补齐)pctdistance类似于labeldistance,指定autopct的位置,默认值为0.6shadow在饼图下面画一个阴影。默认值:Falselabeldistancelabel标记的绘制位置,相对于半径的比例,默认值为1.1, 如 |