python的几种绘制图

时间: 2023-10-15 07:27:17 浏览: 114

python的三种画图方式

### Python的三种画图方式在Python中，数据可视化是一个重要的环节，可以帮助我们更好地理解数据。本文将介绍三种常用的画图库：matplotlib、Pandas以及PyEcharts，并通过实例演示如何使用这些工具来完成常见的图表绘制。 #### Matplotlib Matplotlib是Python中最流行的绘图库之一，它提供了强大的绘图功能，支持各种各样的图表类型。 ##### 字体和负号设置在使用Matplotlib绘图时，可以通过以下方法设置字体和显示负号： ```python import matplotlib.pyplot as plt from matplotlib.font_manager import FontProperties # 设置字体 font = FontProperties(fname=r"c:\windows\fonts\simsun.ttc", size=14) # 显示负号 plt.rcParams['axes.unicode_minus'] = False ``` ##### 折线图使用`plt.plot()`可以轻松绘制折线图： ```python import numpy as np x = np.linspace(0, 10, 100) y = np.sin(x) plt.plot(x, y) plt.show() ``` ##### 柱状图柱状图是另一种常用图表，使用`plt.bar()`绘制： ```python x = ['A', 'B', 'C', 'D'] y = [3, 7, 2, 5] plt.bar(x, y) plt.show() ``` ##### 条形图条形图与柱状图类似，但条形图通常是水平的： ```python plt.barh(x, y) plt.show() ``` ##### 直方图直方图用于展示数据分布情况，使用`plt.hist()`： ```python data = np.random.randn(1000) plt.hist(data, bins=30) plt.show() ``` ##### 饼图饼图用于展示比例关系，使用`plt.pie()`： ```python labels = ['Frogs', 'Hogs', 'Dogs', 'Logs'] sizes = [15, 30, 45, 10] plt.pie(sizes, labels=labels, autopct='%1.1f%%') plt.show() ``` ##### 散点图散点图用于显示数据之间的关系，使用`plt.scatter()`： ```python x = np.random.rand(50) y = np.random.rand(50) colors = np.random.rand(50) plt.scatter(x, y, c=colors, alpha=0.5) plt.show() ``` ##### 堆叠图堆叠图可以用来表示不同分类之间的关系，使用`plt.stackplot()`： ```python days = [1, 2, 3, 4, 5] sleeping = [7, 8, 6, 11, 7] eating = [2, 3, 4, 3, 2] working = [7, 8, 7, 2, 2] playing = [8, 5, 7, 8, 13] plt.stackplot(days, sleeping, eating, working, playing, colors=['m', 'c', 'r', 'k']) plt.show() ``` ##### 创建三角函数sin和cos 使用Numpy生成三角函数值： ```python x = np.linspace(0, 2 * np.pi, 100) y1 = np.sin(x) y2 = np.cos(x) plt.plot(x, y1, label='sin') plt.plot(x, y2, label='cos') plt.legend() plt.show() ``` ##### 同画布，绘制多图形在同一画布上绘制多个图形： ```python fig, axs = plt.subplots(2) axs[0].plot(x, y1) axs[1].plot(x, y2) plt.tight_layout() plt.show() ``` ##### 加载文件并绘图从文件加载数据并绘制： ```python import pandas as pd df = pd.read_csv('data.csv') plt.plot(df['x'], df['y']) plt.show() ``` ##### 从网络API加载数据并绘图从网络API获取数据并绘制： ```python import requests import json response = requests.get('https://api.example.com/data') data = json.loads(response.text) plt.plot(data['x'], data['y']) plt.show() ``` ##### 使用Numpy读取文件，简化代码使用Numpy读取文件简化绘图代码： ```python data = np.loadtxt('data.csv', delimiter=',') plt.plot(data[:, 0], data[:, 1]) plt.show() ``` #### Pandas的Series画图 Pandas提供了一个简单的方法来绘制DataFrame中的数据。 ##### Pandas的Series数据直接使用plot() 使用DataFrame的`plot()`方法： ```python import pandas as pd df = pd.DataFrame({'x': range(1, 6), 'y': [2, 3, 4, 5, 6]}) df.plot(kind='bar') plt.show() ``` ##### DataFrame循环绘图对于DataFrame中的每一列数据，可以使用循环来绘制： ```python for column in df.columns: df[column].plot() plt.show() ``` ##### Series与plt.subplots()连用结合`plt.subplots()`使用： ```python fig, ax = plt.subplots() df.plot(ax=ax) plt.show() ``` ##### 绘制直方图使用`hist()`方法绘制直方图： ```python df.hist(column='y') plt.show() ``` ##### 箱线图使用`boxplot()`绘制箱线图： ```python df.boxplot(column='y') plt.show() ``` ##### 柱状图使用`bar()`方法绘制柱状图： ```python df.plot(kind='bar') plt.show() ``` ##### 条形图使用`barh()`绘制条形图： ```python df.plot(kind='barh') plt.show() ``` ##### 折线图使用`line()`方法绘制折线图： ```python df.plot(kind='line') plt.show() ``` ##### 把条形图和折线图放在一起同时绘制条形图和折线图： ```python ax1 = df.plot(kind='bar', title='Bar and Line Plot') ax2 = ax1.twinx() df.plot(kind='line', ax=ax2, color='red') plt.show() ``` ##### 柱状堆积图绘制柱状堆积图： ```python df.plot(kind='bar', stacked=True) plt.show() ``` ##### 散点图使用`scatter()`方法绘制散点图： ```python df.plot(kind='scatter', x='x', y='y') plt.show() ``` ##### 气泡图使用`scatter()`方法，通过调整点的大小绘制气泡图： ```python df.plot(kind='scatter', x='x', y='y', s=df['y']*50) plt.show() ``` ##### 饼图使用`pie()`方法绘制饼图： ```python df.plot(kind='pie', y='y', autopct='%1.1f%%') plt.show() ``` #### PyEcharts画图 PyEcharts是一个基于ECharts的Python图表库，非常适合制作交互式的图表。 ##### 柱状图/条形图绘制柱状图或条形图： ```python from pyecharts import options as opts from pyecharts.charts import Bar bar = ( Bar() .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]) .add_yaxis("商家A", [5, 20, 36, 10, 75, 90]) .set_global_opts(title_opts=opts.TitleOpts(title="Bar-基本示例")) ) bar.render() ``` ##### 绘制折线图绘制简单的折线图： ```python from pyecharts.charts import Line line = ( Line() .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]) .add_yaxis("商家A", [11, 11, 15, 13, 12, 13]) .set_global_opts(title_opts=opts.TitleOpts(title="Line-基本示例")) ) line.render() ``` ##### 折线面积图绘制折线面积图： ```python from pyecharts.charts import Line line = ( Line() .add_xaxis(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"]) .add_yaxis("商家A", [11, 11, 15, 13, 12, 13], is_smooth=True, is_area_show=True) .set_global_opts(title_opts=opts.TitleOpts(title="Line-面积图示例")) ) line.render() ``` ##### 绘制饼图绘制饼图： ```python from pyecharts.charts import Pie pie = ( Pie() .add( "", [list(z) for z in zip(["衬衫", "羊毛衫", "雪纺衫", "裤子", "高跟鞋", "袜子"], [11, 11, 15, 13, 12, 13])], ) .set_global_opts(title_opts=opts.TitleOpts(title="Pie-基本示例")) ) pie.render() ``` ##### 词云绘制词云图： ```python from pyecharts import options as opts from pyecharts.charts import WordCloud words = [ ("Sam S Club", 10000), ("Macys", 6181), ("Amy Schumer", 4386), ("Jurassic World", 4055), ("Charter Communications", 2467), ("Chick Fil A", 2244), ("Planet Fitness", 1868), ("Pitch Perfect", 1484), ] wordcloud = ( WordCloud() .add("", words, word_size_range=[20, 100]) .set_global_opts(title_opts=opts.TitleOpts(title="WordCloud-基本示例")) ) wordcloud.render() ``` ##### 增加动态点效果EffectScatter 添加动态点效果： ```python from pyecharts.charts import Scatter from pyecharts import options as opts v1 = [10, 20, 30, 40, 50, 60] v2 = [10, 20, 30, 40, 50, 60] sc = ( Scatter() .add_xaxis(v1) .add_yaxis("商家A", v2, symbol_size=20) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) .set_global_opts(title_opts=opts.TitleOpts(title="Scatter-EffectScatter")) ) sc.render() ``` ##### 地图的使用和3D图 PyEcharts还支持地图和其他高级图表类型，如3D图表等，具体可以参考官方文档。 #### 示例：对豆瓣TOP250进行数据分析假设我们有一份包含豆瓣电影TOP250的数据集，我们可以利用上面提到的绘图技巧来进行数据探索和分析。例如，可以绘制出评分分布的直方图、不同类型的电影数量的柱状图等。这样可以帮助我们更好地理解数据特征，为进一步的数据挖掘和机器学习建模打下基础。以上就是Python中三种常用的画图库的介绍和应用案例。通过这些工具，我们可以高效地进行数据可视化，帮助我们更好地理解和分析数据。

Python有很多种绘制图的方式，以下是其中几种： 1. Matplotlib：是 Python 中最常用的绘图库，可以绘制线型图、散点图、条形图、饼图、热力图等各种图表。 2. Seaborn：是基于 Matplotlib 的高级绘图库，可以绘制更加美观、复杂的图表，例如热力图、分类散点图等。 3. Plotly：是一种交互式绘图库，可以绘制线型图、散点图、热力图、3D图等，可以通过滑动条、按钮等控件进行交互。 4. Bokeh：也是一种交互式绘图库，可以绘制线型图、散点图、热力图、3D图等，可以通过选择框、悬停提示等控件进行交互。 5. ggplot：是基于 R 语言中的 ggplot2 库的 Python 版本，可以绘制类似于 ggplot2 的图表，例如散点图、条形图、密度图等。

阅读全文

python的几种绘制图

相关推荐

python绘图

图形多种绘制方法

气象领域python色斑图绘制程序

Python基于pandas绘制散点图矩阵代码实例

python爱心代码绘制的字符

Python源码（绘制眼图）

Python turtle库绘制爱心图案详解

亲测实用的Python散点图绘制指南

Python使用Pyecharts绘制详细个人足迹地图指南

使用Python与Perl绘制北京跑步轨迹地图

python箱式图绘制

怎么修改python绘制的图片

python绘制统计图

python读取文本绘制动态速度曲线

利用Python – Matplotlib 绘制箱线图

python绘制地震散点图

Python编程：绘制动态圣诞树

Python编程：绘制绚丽的圣诞树

最新推荐

python 绘制场景热力图的示例

python绘制地震散点图

Python饼状图的绘制实例

Python 绘制可视化折线图

python之matplotlib.pyplot迭代累积绘制曲线问题及解决办法

Raspberry Pi OpenCL驱动程序安装与QEMU仿真指南

管理建模和仿真的文件

Fluent UDF实战攻略：案例分析与高效代码编写

如何使用DPDK技术在云数据中心中实现高效率的流量监控与网络安全分析？

Apache RocketMQ Go客户端：全面支持与消息处理功能