编程语言
首页 > 编程语言> > Python绘制图像（Matplotlib）（Ⅲ）

Python绘制图像（Matplotlib）（Ⅲ）

作者：互联网

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
  1. 堆积柱状图
    在这里插入图片描述
def no1():
    """
    堆积柱状图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    x = [1, 2, 3, 4, 5]
    y = [6, 10, 4, 5, 1]
    y1 = [2, 6, 3, 8, 5]
    plt.bar(
        x,
        y,
        align="center",
        color="#66c2a5",
        tick_label=[
            'A',
            'B',
            'C',
            'D',
            'E'],
        label="班级A")
    plt.bar(x, y1, align="center", bottom=y, color="#8da0cb",
            tick_label=['A', 'B', 'C', 'D',
                        'E'], label="班级B")
    plt.xlabel("测试难度")
    plt.ylabel("试卷份数")

    plt.legend()
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no1.png")
    plt.show()
  1. 堆积条形图
    在这里插入图片描述
def no2():
    """
    堆积条形图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    x = [1, 2, 3, 4, 5]
    y = [6, 10, 4, 5, 1]
    y1 = [2, 6, 3, 8, 5]
    plt.barh(
        x,
        y,
        align="center",
        color="#66c2a5",
        tick_label=[
            'A',
            'B',
            'C',
            'D',
            'E'],
        label="班级A")
    plt.barh(x, y1, align="center", left=y, color="#8da0cb",
             tick_label=['A', 'B', 'C', 'D',
                         'E'], label="班级B")
    plt.ylabel("测试难度")
    plt.xlabel("试卷份数")

    plt.legend()
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no2.png")
    plt.show()
  1. 多数据并列柱状图
    在这里插入图片描述
def no3():
    """
    多数据并列柱状图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    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.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no3.png")
    plt.show()
  1. 多数据平行条形图
    在这里插入图片描述
def no4():
    """
    多数据平行条形图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    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.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no4.png")
    plt.show()
  1. 堆积折线图
    在这里插入图片描述
def no5():
    """
    堆积折线图
    :return:
    """
    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.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no5.png")
    plt.show()
  1. 间断条形图
    在这里插入图片描述
def no6():
    """
    间断条形图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    # （60，90）：从x轴的数值为60的位置起，沿x轴正方向移动90个单位。
    # （10， 8）：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。
    # facecolors：每个柱面的填充颜色
    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.legend()
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no6.png")
    plt.show()
  1. 阶梯图
    在这里插入图片描述
def no7():
    """
    阶梯图
    :return:
    """
    x = np.linspace(1, 10, 10)
    y = np.sin(x)
    # where:默认参数是pre，表示x轴上的每个数据点对应的y轴上的数值向左侧绘制水平直线到x轴
    # 上的此数据点的左侧相邻数据点为止，左开右闭数据点
    # post
    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.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no7.png")
    plt.show()
  1. 堆积直方图
    在这里插入图片描述
def no8():
    """
    堆积直方图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False

    scoreT1 = np.random.randint(1, 100, 100)
    scoreT2 = np.random.randint(1, 100, 100)
    x = [scoreT1, scoreT2]
    colors = ['#8dd3c7', '#bebada']
    labels = ['班级A', '班级B']
    bins = range(0, 101, 10)
    # stacked 设置为False得到并排直方图
    # histtype 设置直方图形状（stepfilled:阶梯图）
    plt.hist(x, bins=bins, color=colors, histtype="bar", rwidth=10,
             stacked=True, label=labels)
    plt.xlabel('测试成绩')
    plt.ylabel("学生人数")

    plt.title("不同班级的测试成绩的直方图")
    plt.legend(loc='upper left')
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no8.png")
    plt.show()
  1. 饼图
    在这里插入图片描述
def no9():
    """
    饼图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False

    labels = 'A 难度水平', 'B 难度水平', 'C 难度水平', 'D 难度水平'

    students = [0.35, 0.15, 0.20, 0.30]
    colors = ['#377eb8', '#4daf4a', '#984ea3', '#ff7f00']

    explode = (0.1, 0.1, 0.1, 0.1)
    # 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轴作为其实位置，第一个饼片逆时针旋转的角度
    # shadow：是否绘制饼片的阴影
    # colors: 饼片的颜色
    plt.pie(students, explode=explode, labels=labels, autopct="%3.1f%%",
            startangle=45, shadow=True, colors=colors)
    plt.title('选择不同难度测试试卷的学生的百分比')
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no9.png")
    plt.show()
  1. 非分裂式饼图
    在这里插入图片描述
def no10():
    """
    非分裂式饼图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False

    labels = 'A 难度水平', 'B 难度水平', 'C 难度水平', 'D 难度水平'

    students = [0.35, 0.15, 0.20, 0.30]
    colors = ['#377eb8', '#4daf4a', '#984ea3', '#ff7f00']

    explode = (0.1, 0.1, 0.1, 0.1)

    plt.pie(students, labels=labels, autopct="%3.1f%%",
            startangle=45, colors=colors, pctdistance=0.7,
            labeldistance=1.2)
    plt.title('选择不同难度测试试卷的学生的百分比')
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no10.png")
    plt.show()
  1. 内嵌环形饼图
    在这里插入图片描述
def no11():
    """
    内嵌环形饼图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False

    elements = ["面粉", '砂糖', '奶油', '草莓酱', '坚果']

    weight1 = [40, 15, 20, 10, 15]
    weight2 = [30, 25, 15, 20, 10]

    colormapList = ["#e41a1c", '#377eb8', '#4daf4a', '#984ea3', '#ff7f00']
    outer_colors = colormapList
    inner_colors = colormapList

    wedges1, texts1, autotexts1 = plt.pie(weight1,
                                          autopct="%3.1f%%",
                                          radius=1,
                                          pctdistance=0.85,
                                          colors=outer_colors,
                                          textprops=dict(color='w'),
                                          wedgeprops=dict(width=0.3,
                                                          edgecolor='w'))
    wedges2, texts2, autotexts2 = plt.pie(weight2,
                                          autopct="%3.1f%%",
                                          radius=0.7,
                                          pctdistance=0.75,
                                          colors=inner_colors,
                                          textprops=dict(color='w'),
                                          wedgeprops=dict(width=0.3,
                                                          edgecolor='w'))
    plt.legend(wedges1, elements, fontsize=12, title='配料表', loc='center left',
               bbox_to_anchor=(0.91, 0, 0.3, 1))

    plt.setp(autotexts1, size=15, weight='bold')
    plt.setp(autotexts2, size=15, weight="bold")
    plt.setp(texts1, size=12)

    plt.title('不同果酱面包配料比例表的比较')
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no11.png")
    plt.show()
  1. 多组定量数据的分布比较
    在这里插入图片描述
def no12():
    """
    多组定量数据的分布比较
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False

    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
    # 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的范围的大小
    # widths 设置箱体的宽度
    # sym 离群值的标记样式
    # labels 绘制每一个数据集的刻度标签
    # patch_artisi 是否给箱体添加颜色
    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.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no12.png")
    plt.show()
  1. 水平方向的箱线图
    在这里插入图片描述
def no13():
    """
    水平方向的箱线图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False

    x = np.random.randn(1000)

    plt.boxplot(x, vert=False)
    plt.xlabel('随机数值')

    plt.yticks([1], ['随机数生成器AlphaRM'], rotation=90)
    plt.title("随机数生成器抗干扰能力的稳定性")

    plt.grid(axis='x', ls=':', lw=1, color='gray', alpha=0.4)
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no13.png")
    plt.show()
  1. 不绘制离群值的水平放置的箱线图
    在这里插入图片描述
def no14():
    """
    不绘制离群值的水平放置的箱线图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    x = np.random.randn(1000)
    plt.boxplot(x, vert=False, showfliers=False)
    plt.xlabel('随机数值')
    plt.yticks([1], ['随机数生成器AlphaRM'], rotation=90)
    plt.title("随机数生成器抗干扰能力的稳定性")
    plt.grid(axis='x', ls=':', lw=1, color='gray', alpha=0.4)
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no14.png")
    plt.show()
  1. 误差棒图
    在这里插入图片描述
def no15():
    """
    误差棒图
    :return:
    """
    x = np.linspace(0.1, 0.6, 10)
    y = np.exp(x)

    error = 0.05 + 0.15 * x
    lower_error = error
    upper_error = 0.3 * error
    error_limit = [lower_error, upper_error]
    # x, y 数据点位置
    # yerr: 单一数值的非对称形式误差范围
    # fmt: 数据点的标记样式和数据点标记的连接线样式
    # ecolor：误差棒的线条颜色
    # elinewidth：误差棒的线条粗细
    # ms:数据点的标记边缘颜色
    # mfc：数据点的标记颜色
    # mec: 数据点的标记边缘颜色
    # capthick：误差棒边界横杠的厚度
    # capsize: 误差棒边界横杠的大小
    plt.errorbar(x, y, yerr=error_limit, fmt=":o",
                 ecolor='y', elinewidth=4, ms=5,
                 mfc='c', mec='r', capthick=1, capsize=2)
    plt.xlim(0, 0.7)
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no15.png")
    plt.show()
  1. 带误差棒的柱状图
    在这里插入图片描述
def no16():
    """
    带误差棒的柱状图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    x = np.arange(5)
    y = [100, 68, 79, 91, 82]
    std_err = [7, 2, 6, 10, 5]
    error_attri = dict(elinewidth=2, ecolor='black', capsize=3)
    plt.bar(x, y,
            color='c',
            width=0.6,
            align='center',
            yerr=std_err,
            error_kw=error_attri,
            tick_label=["园区 1", "园区 2", "园区 3", "园区 4", "园区 5"])

    plt.xlabel("芒果种植区")
    plt.ylabel("收割量")
    plt.title("不同芒果种植区的单次收割量")

    plt.grid(True, axis='y', ls=':', color='gray', alpha=0.2)

    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no16.png")
    plt.show()
  1. 绘制带误差棒的条形图
    在这里插入图片描述
def no17():
    """
    绘制带误差棒的条形图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    x = np.arange(5)
    y = [1200, 2400, 1800, 2200, 1600]
    std_err = [150, 100, 180, 130, 80]
    bar_width = 0.6
    colors = ["#e41a1c", "#377eb8", '#4daf4a', '#984ea3', '#ff7f00']
    plt.barh(x, y,
             bar_width,
             color=colors,
             align="center",
             xerr=std_err,
             tick_label=['家庭', '小说', '心理', '科技', '儿童'])

    plt.xlabel("订购数量")
    plt.ylabel("图书种类")
    plt.title("大型图书展销会的不同图书种类的采购情况")

    plt.grid(True, axis='x', ls=':', color='gray', alpha=0.2)
    plt.xlim(0, 2600)
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no17.png")
    plt.show()
  1. 带误差棒的多数据并列柱状图
    在这里插入图片描述
def no18():
    """
    带误差棒的多数据并列柱状图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    x = np.arange(5)
    y1 = [100, 68, 79, 91, 82]
    y2 = [120, 75, 70, 78, 85]
    std_err1 = [7, 2, 6, 10, 5]
    std_err2 = [5, 1, 4, 8, 9]

    error_attri = dict(elinewidth=2, ecolor='black', capsize=3)
    bar_width = 0.4
    tick_label = ["园区 1", "园区 2", "园区 3", "园区 4", "园区 5"]

    plt.bar(x, y1,
            bar_width,
            color='#87CEEB',
            align='center',
            yerr=std_err1,
            error_kw=error_attri,
            label="2010")
    plt.bar(x + bar_width, y2,
            bar_width,
            color='#CD5C5C',
            align='center',
            yerr=std_err2,
            error_kw=error_attri,
            label="2013")

    plt.xlabel("芒果种植区")
    plt.ylabel("收割量")
    plt.xticks(x + bar_width // 2, tick_label)
    plt.title("不同年份芒果种植区的单次收割量")

    plt.grid(True, axis='y', ls=':', color='gray', alpha=0.2)
    plt.legend()
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no18.png")
    plt.show()
  1. 带误差棒的堆积柱状图
    在这里插入图片描述
def no19():
    """
    带误差棒的堆积柱状图
    :return:
    """
    mpl.rcParams["font.sans-serif"] = ["SimHei"]
    mpl.rcParams["axes.unicode_minus"] = False
    x = np.arange(5)
    y1 = [1200, 2400, 1800, 2200, 1600]
    y2 = [1050, 2100, 1300, 1600, 1340]
    std_err1 = [150, 100, 180, 130, 80]
    std_err2 = [120, 110, 170, 150, 120]

    bar_width = 0.4
    tick_label = ['家庭', '小说', '心理', '科技', '儿童']
    error_attri = dict(elinewidth=2, ecolor='black', capsize=0)

    plt.bar(
        x,
        y1,
        bar_width,
        align="center",
        color="#6495ED",
        tick_label="地区 1",
        error_kw=error_attri)

    plt.bar(
        x,
        y2,
        bar_width,
        bottom=y1,
        align="center",
        color="#FFA500",
        yerr=std_err2,
        tick_label="地区 2",
        error_kw=error_attri)

    plt.xlabel("图书种类")
    plt.ylabel("订购数量")
    plt.title("不同地区大型图书展销会图书采购情况")
    plt.grid(True, axis='y', ls=':', color='gray', alpha=0.2)
    plt.xticks(x, tick_label)
    plt.legend()
    plt.savefig(r"E:\Programmer\PYTHON\Matplotlib实践\figure\Figure(Unit "
                r"3)\no19.png")
    plt.show()

标签：plt,bar,Python,mpl,Matplotlib,label,color,rcParams,绘制
来源： https://blog.csdn.net/weixin_39541632/article/details/101477210