matplotlib绘制常见图形的实现方法

1、条形图（柱状图）

　　绘制柱状图的相关API：

plt.figure('Bar', facecolor='lightgray')  2 plt.bar(  3     x,                # 水平坐标数组
    y,                # 柱状图高度数组
    width,            # 柱子的宽度
    bottom,           # 柱子的底部基准位置
    color='',         # 填充颜色
    label='',         # 标签  9     alpha=0.2         # 透明度

　　示例：

import numpy as np  2 import matplotlib.pyplot as plt  3 
apples = np.random.randint(10, 30, size=10)  5 oranges = np.random.randint(50, 70, size=10)  6 
plt.figure('Bar', facecolor='lightgray')  8 plt.title('Bar', fontsize=14)  9 plt.xlabel('Month', fontsize=14) 10 plt.ylabel('Data', fontsize=14) 11 plt.grid(linestyle=':', axis='y') 12 x = np.arange(apples.size) 13 plt.bar(x - 0.2, apples, 0.4, color='fuchsia', label='Apple', align='center') 14 y = np.arange(oranges.size) 15 plt.bar(y + 0.2, oranges, 0.4, color='lime', label='orange', align='center') 16 plt.xticks(x, ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct']) 17 plt.legend(loc='best') 18 plt.savefig('images/bar.png') 19 plt.show()

　　运行结果：

 

2、饼图

　　绘制饼状图的基本API：

plt.pie(  2     values,             # 值列表 
    spaces,             # 扇形之间的间距列表
    labels,             # 标签列表
    colors,             # 颜色列表
    '%d%%',       　　　 # 标签所占比例格式
    shadow=True,     　　# 是否显示阴影
    startangle=90   　　 # 逆时针绘制饼状图时的起始角度
    radius=1       　　 　# 半径

　　示例：

import numpy as np  2 import matplotlib.pyplot as plt  3 
values = [25, 71, 38, 29, 16]  5 spaces = [0.1, 0.1, 0.1, 0.1, 0.1]  6 labels = ['Java', 'Javascript', 'Python', 'PHP', 'C++']  7 colors = ['dodgerblue', 'orangered', 'limegreen', 'cyan', 'gold']  8 
plt.figure('Pie', facecolor='lightgray') 10 plt.axis('equal') 11 plt.pie(values, spaces, labels, colors, '%.2f%%', shadow=True, radius=1, startangle=90) 12 plt.legend(loc='best') 13 plt.savefig('images/pie.png') 14 plt.show()

　　运行结果：

3、等高线图

　　绘制等高线图的基本API：

cntr = plt.contour(  2     x,         # 网格坐标矩阵的x坐标 （2维数组）
    y,         # 网格坐标矩阵的y坐标 （2维数组）
    z,         # 网格坐标矩阵的z坐标 （2维数组）
    8,                     # 把等高线绘制成8部分
    colors='black',        # 等高线的颜色
    linewidths=0.5        # 线宽
)  9 
# 为等高线图添加高度标签
plt.clabel(cntr, inline_spacing=1, fmt='%.1f',fontsize=10) 12 plt.contourf(x, y, z, 8, cmap='jet')

　　示例：

import numpy as np
import matplotlib.pyplot as plt

n = 500
x, y = np.meshgrid(np.linspace(-3, 3, n), np.linspace(-3, 3, n))
# print(x)
# print(y)
z = (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)

plt.figure('Contour', facecolor='lightgray')
plt.title('Contour', fontsize=16)
cont = plt.contour(x, y, z, 8, colors='black', linewidths=0.75)
plt.clabel(cont, inline_spacing=5, fmt='%.1f', fontsize=10)
plt.contourf(x, y, z, 8, cmap='Pastel1')
plt.savefig('images/contour.png')
plt.show()

　　运行结果：

4、热成像图

　　绘制热成像图的基本API：

# 　　origin: 坐标轴方向
# upper: 缺省值，原点在左上角
# lower: 原点在左下角
plt.imshow(z, cmap='jet', origin='low')

　　示例：

import numpy as np  2 import matplotlib.pyplot as plt  3 
n = 500
x, y = np.meshgrid(np.linspace(-3, 3, n), np.linspace(-3, 3, n))  6 # print(x)
# print(y)
z = (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)  9 
# 绘制热成像图
plt.figure('Contour', facecolor='lightgray') 12 plt.title('Contour', fontsize=16) 13 cont = plt.contour(x, y, z, 8, colors='black', linewidths=0.75) 14 plt.imshow(z, cmap='jet', origin='lower') 15 plt.colorbar() 16 plt.savefig('images/imshow.png') 17 plt.show()

　　运行结果：

5、极坐标图

　　绘制极坐标图的基本API：

plt.gca(projection='polar')

　　示例：

import numpy as np  2 import matplotlib.pyplot as plt  3 
theta = np.linspace(0, 4 * np.pi, 1000)  5 r = 0.8 * theta  6 plt.figure("Polar", facecolor='lightgray')  7 plt.gca(projection='polar')  8 plt.title('Polar', fontsize=16)  9 plt.xlabel(r'$\theta$') 10 plt.ylabel(r'$\rho$') 11 plt.grid(linestyle=':') 12 plt.plot(theta, r) 13 x = np.linspace(0, 6 * np.pi, 1000) 14 y = 3 * np.sin(6 * x) 15 plt.plot(x, y) 16 plt.savefig('images/polar.png') 17 plt.show()

　　运行结果：

6、3D图形

　　（1）、3D散点图

　　　　3D散点图绘制基本API：

from mpl_toolkits.mplot3d import axes3d  2 ax3d = plt.gca(projection='3d')   # class axes3d

ax3d.scatter(..)        # 绘制三维点阵
ax3d.scatter(  6     x,                 # x轴坐标数组
    y,                # y轴坐标数组
    z,                # z轴坐标数组
    marker='',         # 点型
    s=10,            # 大小
    zorder='',        # 图层序号
    color='',        # 颜色
    edgecolor='',     # 边缘颜色
    facecolor='',    # 填充色
    c=v,            # 颜色值 根据cmap映射应用相应颜色
    cmap=''            # 
)

　　示例：

import numpy as np  2 import matplotlib.pyplot as plt  3 from mpl_toolkits.mplot3d import axes3d  4 
n = 300
x = np.random.normal(0, 1, n)  7 y = np.random.normal(0, 1, n)  8 z = np.random.normal(0, 1, n)  9 
plt.figure('3D Points', facecolor='lightgray') 11 ax3d = plt.gca(projection='3d') 12 ax3d.set_xlabel('X') 13 ax3d.set_ylabel('Y') 14 ax3d.set_zlabel('Z') 15 d = x**2 + y**2 + z**2
ax3d.scatter(x, y, z, s=60, alpha=0.7, c=d,cmap='jet') 17 plt.tight_layout() 18 plt.savefig('images/3dscatter.png') 19 plt.show()

　　运行结果：

　　（2）、3D平面图

　　　　绘制3D平面图的API：

ax3d.plot_surface( 2     x,         # 网格坐标矩阵的x坐标 （2维数组）
    y,         # 网格坐标矩阵的y坐标 （2维数组）
    z,         # 网格坐标矩阵的z坐标 （2维数组）
    rstride=30,            # 行跨距
    cstride=30,         　　# 列跨距
    cmap='jet'            　# 颜色映射
)

　　　　示例：

import numpy as np
import matplotlib.pyplot as mp
from mpl_toolkits.mplot3d import axes3d

n = 1000
x, y = np.meshgrid(np.linspace(-3, 3, n), np.linspace(-3, 3, n))
z = (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)

mp.figure('3D Surface', facecolor='lightgray')
ax3d = mp.gca(projection='3d')
ax3d.plot_surface(x, y, z, cstride=20,rstride=20, cmap='Pastel1')
mp.tight_layout()
mp.savefig('images/3dsurface.png')
mp.show()

　　　　运行结果：

　　（3）、3D线框图

　　　　绘制3D线框图的API：

# rstride: 行跨距
# cstride: 列跨距 
ax3d.plot_wireframe(x,y,z,rstride=30,cstride=30, linewidth=1, color='dodgerblue')

　　　　示例：

import numpy as np  2 import matplotlib.pyplot as plt  3 from mpl_toolkits.mplot3d import axes3d  4 
n = 1000
x, y = np.meshgrid(np.linspace(-3, 3, n), np.linspace(-3, 3, n))  7 z = (1 - x / 2 + x ** 5 + y ** 3) * np.exp(-x ** 2 - y ** 2)  8 
plt.figure('3D Wireframe', facecolor='lightgray') 10 ax3d = plt.gca(projection='3d') 11 ax3d.plot_wireframe(x, y, z, cstride=20,rstride=20, linewidth=0.5,color='orangered') 12 plt.tight_layout() 13 plt.savefig('images/3dwireframe.png') 14 plt.show()

　　　　运行结果：

 7、直方图

　　绘制直方图的基本API：

n, bins, patches = plt.hist( 2     x,         # 这个参数是指定每个bin(箱子)分布的数据,对应x轴
    50,         # 这个参数指定bin(箱子)的个数,也就是总共有几条条状图
    density=1, # bool值，默认为false，显示的是频数统计结果
    edgecolor='navy', 6     facecolor='lime', 7     alpha=0.75
)    # 返回值n为数组或数组列表每一个bar区间的数量或者百分比，bins为表示bar的范围的数组，patches为表示图形对象的列表

　　示例：

import numpy as np  2 import matplotlib.pyplot as plt  3 
mu = 100
sigma = 15
x = mu + sigma * np.random.randn(10000)  7 plt.figure('Hist', facecolor='lightgray')  8 plt.title('Histogram of IQ', fontsize=16)  9 n, bins, patches = plt.hist( 10     x, 50, density=True, edgecolor='slategray', facecolor='lime', alpha=0.75
) 12 plt.xlabel('Smarts') 13 plt.ylabel('Probability') 14 plt.text(60, .025, r'$\mu=100,\ \sigma=15$') 15 plt.axis([40, 160, 0, 0.03]) 16 plt.plot(bins[1:]-1, n, color='orangered')# 以每个区间的中点绘制折线 17 plt.grid(linestyle=':') 18 plt.tight_layout() 19 plt.savefig('images/hist.png') 20 plt.show()

　　运行结果：