本文的文字及圖片來源于網路,僅供學習、交流使用,不具有任何商業用途,著作權歸原作者所有,如有問題請及時聯系我們以作處理，
以下文章來源于機器學習演算法與自然語言處理 ，作者馮夏沖
import matplotlib as mpl import matplotlib.pyplot as plt import numpy as np %matplotlib inline %config InlineBackend.figure_format = 'svg' # https://blog.csdn.net/minixuezhen/article/details/81516949 plt.rcParams['font.sans-serif'] = ['Arial Unicode MS'] mpl.rcParams["axes.unicode_minus"]=False
PS：如有需要Python學習資料的小伙伴可以加下方的群去找免費管理員領取
可以免費領取原始碼、專案實戰視頻、PDF檔案等
1 函式bar 用于繪制柱狀圖
# some simple data x = [1,2,3,4,5,6,7,8] y = [3,1,4,5,8,9,7,2] # create bar plt.bar(x,y,align='center',color="c",tick_label=["q","a","c","e","r","j","b","p"]) # label plt.xlabel("箱子編號") plt.ylabel("箱子重量（kg）") plt.show()
2 函式barh 用于繪制條形圖
# some simple data x = [1,2,3,4,5,6,7,8] y = [3,1,4,5,8,9,7,2] # create bar plt.barh(x,y,align='center',color="c",tick_label=["q","a","c","e","r","j","b","p"],hatch="/") # label plt.xlabel("箱子編號") plt.ylabel("箱子重量（kg）") plt.show()
3 函式hist 用于繪制直方圖
直方圖與柱狀圖的區別
# set test scores boxWeight = np.random.randint(0,10,100) x = boxWeight # 對該資料集進行統計 # plot histogram bins = range(0,11,1) # 設定連續的邊界值，即直方圖的分布區間[0,1],[1,2]...... plt.hist(x, bins=bins, histtype="bar", rwidth=1, alpha=0.6) # label plt.xlabel("箱子重量（kg）") plt.ylabel("銷售數量（個）") plt.show()
4 函式pie 用于繪制餅圖
kinds = "簡易箱","保溫箱","行李箱","密封箱" colors = "#e41a1c", "#377eb8", "#4daf4a", "#984ea3" soldsNums = [0.05,0.45,0.15,0.35] # pie chart plt.pie(soldsNums,labels=kinds,autopct="%3.1f%%", startangle=60, colors=colors) plt.title("不同型別個箱子的銷售數量占比") plt.show()
5 函式polor 用于繪制極線圖
極線圖是在極坐標系上繪出的一種圖，在極坐標系中，要確定一個點，需要指明這個點距原點的角度和半徑，將這些點連在一起，就構成了極線圖，
barSlices = 12 theta = np.linspace(0.0, 2*np.pi, barSlices, endpoint=False) r = 30*np.random.rand(barSlices) # theta 角度 r 距離原點的距離 mfc點的顏色 ms點的大小 plt.polar(theta, r, color="chartreuse", linewidth=2, marker="*",mfc="b",ms=10) plt.show()
6 函式scatter 用于繪制氣泡圖
二維資料借助氣泡大小展示三維資料
a = np.random.randn(100) b = np.random.randn(100) # s 散點標記的大小 c 散點標記的顏色 cmap 講浮點數映射為顏色的映射表 plt.scatter(a, b, s=np.power(10*a+20*b,2),c=np.random.rand(100),cmap=mpl.cm.RdYlBu,marker="o") plt.show()
7 函式stem 用于繪制棉棒圖
x = np.linspace(0.5, 2*np.pi,20) y = np.random.randn(20) # y棉棒長度 linefmt棉棒樣式 markerfmt棉棒末端樣式 basefmt基線樣式 plt.stem(x,y,linefmt="-.",markerfmt="o",basefmt="-", use_line_collection=True) plt.show()
8 函式boxplot 用于繪制箱線圖
箱線圖是一個能夠通過5個數字來描述資料的分布的標準方式，這5個數字包括：最小值，第一分位，中位數，第三分位數，最大值，箱線圖能夠明確的展示離群點的資訊，箱子的中間一條線，是資料的中位數，代表了樣本資料的平均水平，箱子的上下限，分別是資料的上四分位數和下四分位數，這意味著箱子包含了50%的資料，
x = np.random.randn(1000) plt.boxplot(x) plt.xticks([1],["亂數生成器alphaRM"]) plt.ylabel("亂數值") plt.title("亂數生成器抗干擾能力的穩定性") plt.grid(axis="y",ls=":",lw=1,color="gray",alpha=0.4) plt.show()
9 函式errorbar 用于繪制誤差棒圖
x= np.linspace(0.1,0.6,6) y = np.exp(x) # yerr y軸方向誤差 xerr x軸方向誤差 plt.errorbar(x, y, fmt="bo:", yerr=0.2, xerr=0.02) plt.xlim(0,0.7) plt.show()
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/1948.html
標籤：Python