python画统计图

概述python画统计图目录python画统计图matplotlib:VisualizationwithPython入门安装使用图的组成部分FigureAxes和Axis输入风格：面向对象接口和pyplot接口示例python有一个画图的库matplotlib，非常方便我们日常使用或者写论文做插图等等。我们不需要考虑样式的问题，输入数据就可以 python画统计图

目录python画统计图matplotlib: Visualization with Python入门安装使用图的组成部分FigureAxes 和 Axis输入风格：面向对象接口和pyplot接口示例

python有一个画图的库matplotlib，非常方便我们日常使用或者写论文做插图等等。我们不需要考虑样式的问题，输入数据就可以轻轻松松把图画出来。你用Excel我也没意见。

matplotlib: Visualization with Python

Matplotlib 是一个综合性的库，用于在 Python 中创建静态、动画和交互式可视化。Matplotlib 使简单的事情变得容易，使困难的事情成为可能。基于matplotlib的基础开发的绘图接口还有seaborn、HolovIEws、ggplot，以及一个投影和映射工具包（cartopy）。

入门安装

# 第一种python -m pip install -U pippython -m pip install -U matplotlib# 第二种conda install matplotlib# linuxsudo apt-get install python3-matplotlib

使用

import matplotlib.pyplot as plt

Matplotlib都是在figure这个概念上面进行画图，每个figure都可以包含一个或多个坐标

fig, ax = plt.subplots()  # Create a figure containing a single axes.ax.plot([1, 2, 3, 4], [1, 4, 2, 3])  # Plot some data on the axes.

---

图的组成部分

figure组成：主要刻度、次要刻度、坐标轴、坐标轴标签、刻度标签、标记、网格、图例等等

figure

在整个图片figure，包括了子类Axes\。（不要太担心画布，这是至关重要的，因为它是实际进行绘图以获取绘图的对象，但作为用户，它或多或少对您不可见）。一个数字可以包含任意数量的Axes，但通常至少有一个。

fig = plt.figure()	# an empty figure with no Axesfig, ax = plt.subplots()	# a figure with a single Axesfig, axs = plt.subplots(2, 2)	# a figure with a 2x2 grID of Axes

Axes 和 Axis

Axes看成“绘画”区域，包含两个或者三个Axis对象，Axis负责设置图形限制并生成刻度（轴上的标记）和刻度标签（标记刻度的字符串）。

注：还没明白 Artist对象概念的重要性。

输入

所有的输入都期望numpy.array或numpy.ma.masked_array作为输入。

风格：面向对象接口和pyplot接口

显式：

x = np.linspace(0, 2, 100)# Note that even in the OO-style, we use `.pyplot.figure` to create the figure.fig, ax = plt.subplots()  # Create a figure and an axes.ax.plot(x, x, label='linear')  # Plot some data on the axes.ax.plot(x, x**2, label='quadratic')  # Plot more data on the axes...ax.plot(x, x**3, label='cubic')  # ... and some more.ax.set_xlabel('x label')  # Add an x-label to the axes.ax.set_ylabel('y label')  # Add a y-label to the axes.ax.set_Title("Simple Plot")  # Add a Title to the axes.ax.legend()  # Add a legend.

隐式：

x = np.linspace(0, 2, 100)plt.plot(x, x, label='linear')  # Plot some data on the (implicit) axes.plt.plot(x, x**2, label='quadratic')  # etc.plt.plot(x, x**3, label='cubic')plt.xlabel('x label')plt.ylabel('y label')plt.Title("Simple Plot")plt.legend()

示例

方法	作用
plot()	线图
subplot()	创建多个图即多个子图
imshow()	显示图像
pcolormesh()	可以对二维数组进行彩色表示，即使水平维度的间距不均匀。contour()函数是表示相同数据的另一种方式：
hist()	直方图
matplotlib.path模块	添加任意路径
mplot3d 工具包	三维绘图
streamplot()	矢量场的流线图
bar()	条形图
pIE()	饼图
table()	表，未知
scatter()	散点图
	子图设计

总结

以上是内存溢出为你收集整理的python画统计图全部内容，希望文章能够帮你解决python画统计图所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。