『Python』matplotlib常用图表

这里简要介绍几种统计图形的绘制方法，其他更多图形可以去matplotlib找examples魔改

1. 柱状图

柱状图主要是应用在定性数据的可视化场景中，或是离散数据类型的分布展示。例如，一个本科班级的学生籍贯分布，出国旅游人士的职业分布以及下载一款App产品的操作系统的分布。

import matplotlib as mpl
import matplotlib.pyplot as plt

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['font.serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串

x = [1, 2, 3, 4, 5]
y = [6, 10, 4, 5, 1]

plt.bar(x, y, align="center", color="b", tick_label=["A", "B", "C", "D", "E"], alpha=0.6)

plt.xlabel("测试难度")
plt.ylabel("试卷分数")

plt.grid(True, axis="y", ls=":", color="r", alpha=0.3)

plt.show()

• x：柱状图中的柱体标签值
• y：柱状图中的柱体高度
• align：柱体对齐方式，可选center或edge
• color：柱体颜色
• tick_label：刻度标签值
• alpha：柱体透明度

2. 条形图

其实就是把柱状图转置过来

import matplotlib as mpl
import matplotlib.pyplot as plt

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['font.serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串

x = [1, 2, 3, 4, 5]
y = [6, 10, 4, 5, 1]

plt.barh(x, y, align="center", color="c", tick_label=["A", "B", "C", "D", "E"], alpha=0.6)

plt.ylabel("测试难度")
plt.xlabel("试卷份数")

plt.grid(True, axis="x", ls=":", color="r", alpha=0.3)

plt.show()

3. 多数据并列柱状图

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['font.serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串

x = np.arange(5)
y = [6, 10, 4, 5, 1]
y1 = [2, 6, 3, 8, 5]

bar_width = 0.35
tick_label = ["A", "B", "C", "D", "E"]

plt.bar(x, y, bar_width, color="c", align="center", label="班级A", alpha=0.5)
plt.bar(x + bar_width, y1, bar_width, color="b", align="center", label="班级B", alpha=0.5)

plt.xlabel("测试难度")
plt.ylabel("试卷份数")

plt.xticks(x + bar_width / 2, tick_label)

plt.legend()

plt.show()

4. 多数据平行条形图

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['font.serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串

x = np.arange(5)
y = [6, 10, 4, 5, 1]
y1 = [2, 6, 3, 8, 5]

bar_width = 0.35
tick_label = ["A", "B", "C", "D", "E"]

plt.barh(x, y, bar_width, color="c", align="center", label="班级A", alpha=0.5)
plt.barh(x + bar_width, y1, bar_width, color="b", align="center", label="班级B", alpha=0.5)

plt.ylabel("测试难度")
plt.xlabel("试卷份数")

plt.yticks(x + bar_width / 2, tick_label)

plt.legend()

plt.show()

5. 参数探索

如果想在柱体上绘制装饰线或装饰图，也就是说，设置柱体填充样式，我们可以用关键字参数hatch，其可能取值为：/ , , | , - , + , x , o , O , . , *

每种符号数量越多，填充样式越密集，如///

柱状图还有其他关键字参数，如描边

• 边缘颜色（包括填充样式颜色，会一起变）：edgecolor(ec)
• 边缘样式：linestyle(ls)
• 边缘粗细：linwwidth(lw)

6. 堆积折线图

堆积折线图是通过绘制不同数据集的折线图而生成的。

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

x = np.arange(1, 6, 1)
y = [0, 4, 3, 5, 6]
y1 = [1, 3, 4, 2, 7]
y2 = [3, 4, 1, 6, 5]

labels = ["BluePlanet", "BrownPlanet", "GreenPlanet"]
colors = ["#8da0cb", "#fc8d62", "#66c2a5"]

plt.stackplot(x, y, y1, y2, labels=labels, colors=colors)

plt.legend(loc="upper left")

plt.show()

7. 间断条形图

主要用来可视化定性数据的相同指标在时间维度上的指标值的变化情况，实现定性数据的相同指标的变化情况的有效直观比较

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt

mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['font.serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串

plt.broken_barh([(30, 100), (180, 50), (260, 70)], (20, 8), facecolors="#1f78b4")
plt.broken_barh([(60, 90), (190, 20), (230, 30), (280, 60)], (10, 8),
                facecolors=("#7fc97f", "#beaed4", "#fdc086", "#ffff99"))

plt.xlim(0, 360)
plt.ylim(5, 35)
plt.xlabel("演出时间")

plt.xticks(np.arange(0, 361, 60))
plt.yticks([15, 25], ["歌剧院A", "歌剧院B"])

plt.grid(ls="-", lw=1, color="gray")

plt.title("不同地区的歌剧院的演出时间比较")

plt.show()

针对plt.broken_barh([(60, 90), (190, 20), (230, 30), (280, 60)], (10, 8),facecolors=("#7fc97f", "#beaed4", "#fdc086", "#ffff99"))来讲解使用方法：

列表[(60, 90), (190, 20), (230, 30), (280, 60)]的元组表示从起点是x轴的数值为60的位置起，沿x轴正方向移动90个单位。其他元组类似。

参数(10, 8)表示从起点是y轴的数值为10的位置起，沿y轴正方向移动8个单位，这就是每个柱体的高度和垂直起始位置。

关键字参数facecolors表示每个柱体的填充颜色，这里使用HEX模式的颜色表示方法

8. 阶梯图

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl

mpl.use('Qt5Agg')

x = np.linspace(1, 10, 10)
y = np.sin(x)

plt.step(x, y, color="#8dd3c7", where="pre", lw=2)
plt.xlim(0, 11)
plt.xticks(np.arange(1, 11, 1))
plt.ylim(-1.2, 1.2)

plt.show()

step()方法参数和plot()类似，主要是关键字参数where，默认值是pre，表示数据点向右对齐，，还可以设为post，表示数据点向左对齐，如下图。

9. 饼图

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl

mpl.use('Qt5Agg')
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['font.serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串

labels = "A", "B", "C", "D"
students = [0.35, 0.15, 0.20, 0.30]
colors = ['#377eb8', '#4daf4a', '#984ea3', '#ff7f00']

explode = (0.1, 0.1, 0.1, 0.1)

wedges, texts, autotexts = plt.pie(students, explode=explode,
                                   autopct="%3.1f%%", startangle=45,
                                   shadow=True, colors=colors)

plt.legend(wedges, labels, fontsize=12, title="难度等级",
           loc="right", bbox_to_anchor=(.95, 0, 0.3, 1))

plt.setp(autotexts, size=15, weight="bold")
plt.setp(texts, size=12)

plt.title("选择不同难度测试试卷的学生占比")

colLabels = ["A", "B", "C", "D"]
rowLabels = ["学生选择试卷人数"]
studentValues = [[350, 150, 200, 300]]
colColors = ["#377eb8", "#e41a1c", "#4daf4a", "#984ea3"]

plt.table(cellText=studentValues,
          cellLoc="center",
          colWidths=[0.1] * 4,
          colLabels=colLabels,
          colColours=colColors,
          rowLabels=rowLabels,
          rowLoc="center",
          loc="bottom")

plt.show()

解释一下上面画图的函数的参数：

• students：饼片代表的百分比
• explode：饼片边缘偏离半径的百分比
• labels：标记每份饼片的文本标签内容
• autopct：饼片文本标签内容对应的数值百分比样式
• startangle：从x轴作为起始位置，第一个饼片的起始位置（逆时针），单位度
• shadow：是否绘制饼片的阴影
• colors：饼片的颜色

10. 箱线图

关于箱线图的组成部分有：箱体、箱须和离群值，其中，箱体主要由第一四分位数、中位数和第三四分位数，箱须又分为上箱须和下箱须。上箱须和下箱须长度的确定方法是绘制箱线图的原始数据集Data中分贝寻找不大于(Q_3+whis imes IQR)的最大值(value_{max})和不小于(Q_1 - whis imes IQR)的最小值(value_{min})，其中(Q_1)和(Q_3)分别是第一四分位数和第三四分位数，whis是关键字参数whis的值，IQR是四分位差，计算方法是(IQR=Q_3-Q_1)。离群值(Outlier)的判断标准是 (value lt (Q_1-whis imes IQR))或者(value gt(Q_3+whis imes IQR))，其中(value)是Data中的数据点。

import numpy as np
import matplotlib.pyplot as plt
import matplotlib as mpl

mpl.use('Qt5Agg')
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['font.serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题,或者转换负号为字符串

testA = np.random.randn(5000)
testB = np.random.randn(5000)

testList = [testA, testB]
labels = ["随机数生成器AlphaRM", "随机数生成器BetaRM"]
colors = ["#1b9e77", "#d95f02"]

whis = 1.6
width = 0.35

bplot = plt.boxplot(testList, whis=whis, widths=width, sym="o", labels=labels, patch_artist=True)

for patch, color in zip(bplot["boxes"], colors):
    patch.set_facecolor(color)

plt.ylabel("随机数值")
plt.title("生成器抗干扰能力的稳定性比较")

plt.grid(axis="y", ls=":", lw=1, color="gray", alpha=0.4)

plt.show()

一样说下函数参数含义：

• testList：绘制箱线图的输入数据
• whis：四分位间距的倍数，用来确定箱须包含数据范围的大小
• widths：设置箱体的宽度，可以统一设为一个值，或者分别赋值宽度
• sym：离群值的标记样式
• labels：绘制每一个数据集的刻度标签
• patch_artist：是否给箱体添加颜色