Python画图代码大全

Python画图代码大全

Python画图代码大全

1. 简介

Python是一种流行的编程语言,它具有许多优秀的库和模块,可以用于数据处理、科学计算和可视化等领域。其中,matplotlib是Python中常用的画图库之一,它提供了丰富的绘图函数和样式,可以帮助我们创建高质量的图表。

本文将详细介绍Python中使用matplotlib库进行数据可视化的常见代码示例,包括线性图、散点图、柱状图、饼图、热力图等。我们将使用Jupyter Notebook来展示代码,并给出每段代码的运行结果。

2. 准备工作

在开始之前,我们需要确保已经安装了matplotlib库。可以使用以下命令进行安装:

!pip install matplotlib
Python

同时,我们还需要导入matplotlib库和其他可能用到的库:

import matplotlib.pyplot as plt
import numpy as np
Python

3. 线性图

线性图是一种展示数据趋势的常用图表类型。下面是使用matplotlib绘制线性图的示例代码:

# 生成数据
x = np.linspace(0, 2*np.pi, 100)
y = np.sin(x)

# 创建图形窗口和坐标系
fig, ax = plt.subplots()

# 绘制线性图
ax.plot(x, y)

# 设置标题和坐标轴标签
ax.set_title('Sine Wave')
ax.set_xlabel('X')
ax.set_ylabel('Y')

# 显示图形
plt.show()
Python

运行上述代码后,会弹出一个新窗口显示绘制的线性图,如下图所示:

这个示例中,我们使用np.linspace函数生成了一个从0到2π的等间距的100个数列作为x轴数据,然后计算了对应的sin值作为y轴数据。接下来,我们创建了一个图形窗口和一个坐标系,然后使用ax.plot函数绘制了线性图。最后,我们设置了标题和坐标轴标签,并使用plt.show函数显示了图形。

4. 散点图

散点图用于展示两个变量之间的关系或者分布情况。下面是使用matplotlib绘制散点图的示例代码:

# 生成数据
x = np.random.rand(100)
y = np.random.rand(100)
colors = np.random.rand(100)
sizes = np.random.rand(100) * 100

# 创建图形窗口和坐标系
fig, ax = plt.subplots()

# 绘制散点图
ax.scatter(x, y, c=colors, s=sizes, alpha=0.5)

# 设置标题和坐标轴标签
ax.set_title('Scatter Plot')
ax.set_xlabel('X')
ax.set_ylabel('Y')

# 显示图形
plt.show()
Python

运行上述代码后,会弹出一个新窗口显示绘制的散点图,如下图所示:

这个示例中,我们生成了两个服从均匀分布的随机数列作为x轴和y轴数据,然后又生成了两个随机数列作为颜色和大小数据。接下来,我们创建了一个图形窗口和一个坐标系,然后使用ax.scatter函数绘制了散点图。最后,我们设置了标题和坐标轴标签,并使用plt.show函数显示了图形。

5. 柱状图

柱状图适用于展示不同类别或组之间的数据比较情况。下面是使用matplotlib绘制柱状图的示例代码:

# 生成数据
x = ['A', 'B', 'C', 'D', 'E']
y = [10, 15, 7, 12, 9]

# 创建图形窗口和坐标系
fig, ax = plt.subplots()

# 绘制柱状图
ax.bar(x, y)

# 设置标题和坐标轴标签
ax.set_title('Bar Chart')
ax.set_xlabel('Category')
ax.set_ylabel('Value')

# 显示图形
plt.show()
Python

运行上述代码后,会弹出一个新窗口显示绘制的柱状图,如下图所示:

这个示例中,我们定义了不同类别的名称作为x轴数据,然后给出了每个类别对应的数值作为y轴数据。接下来,我们创建了一个图形窗口和一个坐标系,然后使用ax.bar函数绘制了柱状图。最后,我们设置了标题和坐标轴标签,并使用plt.show函数显示了图形。

6. 饼图

饼图适用于展示各类别占总体的比例情况。下面是使用matplotlib绘制饼图的示例代码:

# 生成数据
labels = ['A', 'B', 'C', 'D', 'E']
sizes = [15, 30, 10, 20, 25]
colors = ['red', 'blue', 'green', 'yellow', 'orange']
explode = (0, 0.1, 0, 0, 0)

# 创建图形窗口和坐标系
fig, ax = plt.subplots()

# 绘制饼图
ax.pie(sizes, explode=explode, labels=labels, colors=colors, autopct='%1.1f%%', shadow=True)

# 设置标题
ax.set_title('Pie Chart')

# 显示图形
plt.show()
Python

运行上述代码后,会弹出一个新窗口显示绘制的饼图,如下图所示:

这个示例中,我们定义了不同类别的名称、大小、颜色和爆炸程度作为饼图的数据。接下来,我们创建了一个图形窗口和一个坐标系,然后使用ax.pie函数绘制了饼图。最后,我们设置了标题,并使用plt.show函数显示了图形。

7. 热力图

热力图适用于展示矩阵数据或者二维数据的密度分布情况。下面是使用matplotlib绘制热力图的示例代码:

# 生成数据
data = np.random.rand(10, 10)

# 创建图形窗口和坐标系
fig, ax = plt.subplots()

# 绘制热力图
im = ax.imshow(data, cmap='hot')

# 添加颜色条
fig.colorbar(im)

# 设置标题
ax.set_title('Heatmap')

# 显示图形
plt.show()
Python

运行上述代码后,会弹出一个新窗口显示绘制的热力图,如下图所示:

这个示例中,我们首先生成了一个随机的10×10矩阵作为热力图的数据。然后,我们创建了一个图形窗口和一个坐标系,并使用ax.imshow函数绘制了热力图。接下来,我们添加了一个颜色条,用于表示数据的颜色对应关系。最后,我们设置了标题,并使用plt.show函数显示了图形。

8. 其他类型的图表

除了上述介绍的几种常见图表类型外,matplotlib还可以绘制许多其他类型的图表,如等高线图、3D图、雷达图等。这里我们不再一一列举示例代码,但是你可以根据需要,在matplotlib官方文档中找到更多的绘图函数和示例。

9. 总结

本文介绍了如何使用matplotlib库绘制常见的数据可视化图表。我们从线性图、散点图、柱状图、饼图、热力图等几个方面进行了示例代码的演示,并给出了每个图表示例的运行结果。

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

登录

注册