标签：方法   绘制   最小   设置图   family   变化   max   figure   otl   

1、matplotlib绘图三部曲

（1）创建画布

（2）绘图——包含绘图与图形修饰

（3）绘图展示

2、直方图的绘制

（1）导入模块

import matplotlib.pyplot as plt
import numpy as np

　　将模块导入到脚本中，并更改名字为plt

（2）创建画布

plt.figure(figsize=(8,5), dpi=120)

　　使用figure()方法创建画布，figsize=(x,y)参数用于设置画布大小，单位为英寸，dpi参数用于设置图片像素

　　matplotlib默认不支持中文和符号和字符

plt.rcParams[‘font.sans-serif‘] = ‘SimHei‘
plt.rcParams[‘axes.unicode_minus‘] = False

　　加入上面两行代码，使其能够显示中文和符号

（3）绘图——包括绘图与图形修饰

• 准备数据（以班级同学身高数据为例）

data = np.random.uniform(low=150.0, high=195.0, size=33)
height = np.array([float("%.1f" % i) for i in data])

　　数据一般以数组的形式来表示，这里使用random.uniform()方法随机生成在150和195之间的33个身高数据，height指的是班上同学的身高

• 确定每一组的组距

group_num = 5
ptp = height.max() - height.min()
step = int(np.ceil(ptp / group_num))
bins = np.arange(height.min(), height.max() + step, step)

　　先确定分组数目，再对这组数据的进行最大值和最小值求差计算，最后确定每一组的组距，使用ceil方法设置组距，参数为组距；bins为横轴刻度

• 绘制直方图

plt.hist(height, bins=bins, color="pink", edgecolor="b")

　　使用hist()方法绘制直方图，相关参数有color：线的颜色，bins：横轴的刻度，edgecolor：边框的线条颜色

• 增加标题

plt.title("身高分布直方图")

　　使用title()方法为图表增加标题

• 增加横轴名称

plt.xlabel("身高（cm）", verticalalignment="top")

　　使用xlabel()方法设置横轴名称，参数verticalalignment：设置名称的位置

• 增加纵轴名称

plt.ylabel("人数（个））", rotation=0, horizontalalignment="right")

　　使用ylabel()方法设置纵轴名称，参数horizontalalignment：设置名称的位置，rotation：设置名称的旋转角度

• 增加刻度

plt.xticks(bins)

　　使用xticks()方法增加横轴刻度

yticks = np.arange(0, 15)

plt.yticks(yticks)

　　使用yticks()方法设置纵轴刻度，参数yticks为设置后的刻度

• 直方图不需要图例

• 增加网格线

plt.grid(True,axis="y",alpha=0.2)

　　使用grid()方法为直方图增加网格线，参数axis：只在纵轴方向上设置网格线，alpha：设置网格线的透明度

• 保存图片

plt.savefig("./身高分布直方图.png")

　　使用savefig()方法将绘制出的折线图保存为图片，参数为图片的路径+名字

（4）绘图展示

plt.show()

　　使用show()方法展示绘制出的图形，不添加任何参数

3、最终效果展示

 4、折线图的特点

　　概念：将值标注成点，并将这些点按照某种特定顺序连接起来形成的图称为折线图

　　应用场景：数据在一个有序的因变量上的变化，它的特点是反映事物随类别变化的趋势，可以清晰展现数据的增减趋势，增减的速率，增减的规律、峰值等特征

　　优点：

• • 能够很好的展现沿某个维度的变化趋势
  • 能够比较多组数据在同一个维度上的趋势
  • 适合展现较大的数据集

　　缺点：

• • 每张图上不适合展现较多的折线图

matplotlib：直方图的绘制

标签：方法   绘制   最小   设置图   family   变化   max   figure   otl   

原文地址：https://www.cnblogs.com/xmcwm/p/11824566.html