python二八图绘制代码

以下是一个简单的 Python 二八图绘制代码：

import matplotlib.pyplot as plt

labels = ['20%', '80%']
sizes = [20, 80]

fig1, ax1 = plt.subplots()
ax1.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90)
ax1.axis('equal')

plt.show()

这段代码使用了 Matplotlib 库来绘制一个简单的二八图。`labels` 列表包含了图表中每个部分的标签，`sizes` 列表包含了每个部分的大小。`ax1.pie()` 方法用于绘制饼图，`autopct` 参数用于指定每个部分的百分比格式，`startangle` 参数用于指定起始角度。最后，`plt.show()` 方法用于显示图表。

相关问题

python直方图绘制代码

Python是一种流行的编程语言，具有广泛的应用范围。它提供了强大的数据分析和可视化功能，其中之一是直方图绘制。直方图是一种统计图形，用于表示数据分布情况。Python提供了多种库来实现直方图绘制，包括Matplotlib和Seaborn。

以下是使用Matplotlib库绘制直方图的代码实现：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
data = np.random.normal(0, 1, 1000)

# 设置直方图的参数
bins = np.arange(-5, 5, 0.5)
hist, bins = np.histogram(data, bins=bins)

# 绘制直方图
plt.hist(data, bins=bins, edgecolor='black')

# 设置图形参数
plt.title('Histogram of Random Data')
plt.xlabel('Value')
plt.ylabel('Frequency')
plt.show()

这个代码首先导入了Matplotlib和NumPy库。接下来，使用`np.random.normal()`函数生成了一个包含1000个正态分布数据的数组。然后，使用`np.arange()`函数和一些参数设置直方图的边界和数量，并使用`np.histogram()`函数计算数据在每个区间内的频率。最后，使用`plt.hist()`函数绘制直方图，并使用`plt.title()`、`plt.xlabel()`和`plt.ylabel()`函数设置图形的标题和轴标签。

这个代码生成的图形显示了随机数据分布的情况，其中X轴表示数据的值，Y轴表示在该区间内的数据频率。运行该代码可得到直方图。

python绘制折线图代码

以下是使用 Python Matplotlib 库绘制折线图的示例代码：

import matplotlib.pyplot as plt

# X轴数据
x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
# Y轴数据
y = [2, 4, 6, 8, 10, 12, 14, 16, 18, 20]

# 绘制折线图
plt.plot(x, y)

# 添加标题和标签
plt.title("折线图示例")
plt.xlabel("X轴")
plt.ylabel("Y轴")

# 显示图形
plt.show()

在运行代码后，会生成一个简单的折线图，并在窗口中显示出来。你可以根据自己的需求修改 X 轴和 Y 轴的数据，以及标题和标签的文本。