Python Matplotlib 常见图形绘制

参考文档：Python Matplotlib 常见图形绘制-CJavaPy

1、折线图（Line Plot）

绘制折线图（Line Plot）是一项基础且常用的功能。折线图非常适合展示数据随时间或其他连续变量变化的趋势。使用plt.plot() 函数用于在坐标轴上绘制折线图（Line Plot），它提供了多种参数来自定义图像的外观。常用参数如下，

参数	描述
color	设置线条颜色，可以是颜色名称或十六进制代码。
linestyle	设置线条样式，例如 '-', '--', '-.', ':'。
linewidth	设置线条宽度，为浮点数值。
marker	设置数据点标记的样式，如 'o', 's', '^', '+' 等。
markersize	设置标记的大小。
label	设置图例标签，用于 plt.legend()。

使用代码：
import matplotlib.pyplot as plt
import numpy as np

# 创建数据
x = np.linspace(0, 2 * np.pi, 100)
y1 = np.sin(x)

# 创建画布
plt.figure()

# 绘制一条线（正弦曲线），自定义颜色、线条样式、线条宽度和标记
plt.plot(x, y1, color='blue', linestyle='-', linewidth=2, marker='o', markersize=8, label='sin(x)')

# 添加图例
plt.legend()

# 添加标题和轴标签
plt.title('cjavapy Line Plot')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')

# 使用 plt.draw() 显示画布
plt.draw()

# 显示图表
plt.show()

2、散点图（Scatter Plot）

绘制散点图（Scatter Plot）是一种常用的方法来探索和展示数据集中各个数据点的分布。散点图通常用于比较两个变量之间的关系。使用plt.scatter() 函数用于创建散点图，是数据可视化中常用的一个工具。常用参数如下，

参数	描述
x	散点的 x 坐标。
y	散点的 y 坐标。
s	散点的大小，可以是单个数值或与数据点数量相等的数组。
c	散点的颜色，可以是单个颜色格式的字符串或一系列颜色。
marker	标记的样式，默认为 'o'。
alpha	散点的透明度，介于 0（完全透明）和 1（完全不透明）之间。
linewidths	标记边缘的线宽。
edgecolors	标记边缘的颜色。
label	用于图例的标签。

使用代码：

import matplotlib.pyplot as plt

# 示例数据
x = [5, 7, 8, 7, 2, 17, 2, 9, 4, 11, 12, 9, 6]
y = [99, 86, 87, 88, 100, 86, 103, 87, 94, 78, 77, 85, 86]
sizes = [210, 410, 312, 214, 415, 312, 213, 210, 410, 312, 214, 415, 312]
colors = ['red', 'green', 'blue', 'yellow', 'pink', 'black', 'orange', 'purple', 'beige', 'brown', 'gray', 'cyan', 'magenta']

# 创建散点图
plt.scatter(x, y, s=sizes, c=colors, marker='o', alpha=0.5, linewidths=2, edgecolors='w', label='Data Points')

# 添加图例
plt.legend()

# 添加标题和轴标签
plt.title('cjavapy Scatter Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 使用 plt.draw() 显示画布
plt.draw()
# 显示图表
plt.show()

3、柱状图（Bar Plot）

绘制柱状图（Bar Plot）是一种常见的方式来可视化数据。柱状图适合展示不同类别间的比较。使用plt.bar() 函数是用于创建条形图的常用函数。

常用参数如下，

参数	描述
x	条形的 x 坐标。
height	条形的高度。
width	条形的宽度，默认值为 0.8。
bottom	条形的起始位置 y 坐标，默认为 None。
align	条形的对齐方式，'center' 或 'edge'，默认为 'center'。
color	条形的颜色。
edgecolor	条形边缘的颜色。
linewidth	条形边缘的线宽。
tick_label	用作条形标签的标签序列。
label	用于为条形图添加图例的标签。

使用代码：

import matplotlib.pyplot as plt

# 示例数据
categories = ['Category A', 'Category B', 'Category C', 'Category D']
values = [10, 15, 7, 12]

# 创建条形图
plt.bar(x=categories,          # x 坐标
        height=values,         # 条形的高度
        width=0.6,             # 条形的宽度
        bottom=0,              # 条形的起始位置 y 坐标
        align='center',        # 条形的对齐方式
        color='blue',          # 条形的颜色
        edgecolor='black',     # 条形边缘的颜色
        linewidth=1,           # 条形边缘的线宽
        tick_label=categories, # 条形标签
        label='Value')         # 图例标签

# 添加 x 轴和 y 轴标签
plt.xlabel('Categories')
plt.ylabel('Values')

# 添加图表标题
plt.title('cjavapy Bar Chart Example')

# 显示图例
plt.legend(loc='upper right', fontsize='small', title='Trigonometric Functions', frameon=True, shadow=True, ncol=1)

# 使用 plt.draw() 显示画布
plt.draw()

# 显示图表
plt.show()

4、饼图（Pie Chart）

饼图（Pie Chart）是一种常用的图表类型，用于显示数据的相对比例。每个扇区的大小表示该类别的比例。饼图非常适合于展示部分与整体之间的关系。使用plt.pie()函数绘制饼图，常用参数如下，

参数	说明
x	数据数组，数组中的每个元素对应饼图的一个扇区。
labels	为饼图的每个扇区指定的标签。
autopct	用于在扇区内自动添加百分比标签。例如 '%1.1f%%'会显示带有一位小数的百分比。
colors	用于指定扇区的颜色序列，可以是颜色代码或颜色名称的列表。
startangle	饼图开始的角度，默认从x轴正方向开始，角度按逆时针方向增加。
radius	饼图的半径大小，默认为1。
counterclock	是否按逆时针方向排列扇区。默认为True。
explode	用于“爆炸”扇区，即将某个或某些扇区从中心点突出显示。用于强调部分数据。
shadow	是否给饼图添加阴影效果。默认为False。
wedgeprops	定义扇区边缘的属性，如边缘线的宽度、颜色等。

使用代码：Python Matplotlib 常见图形绘制-CJavaPy

5、直方图（Histogram）

绘制直方图（Histogram）是一种常用的方法来可视化数据的分布。直方图通过将数据分组到连续的区间或“桶”中，并计数每个桶中的观测次数来工作。使用plt.hist() 函数绘制制直方图。常用参数如下，

参数	说明
x	需要绘制直方图的数据。通常是一维数组或序列。
bins	指定直方图的bin（箱子）数量或边界。可以是整数（指定bin数量）或序列（指定每个bin的边界）。
range	指定要显示的数据范围，形式为(最小值, 最大值)。
density	若为True ，则直方图显示的是密度而非计数，即bin的面积总和等于1。
histtype	指定直方图的类型。常见的类型有 'bar'、'barstacked' 、'step'和'stepfilled'。
align	指定bin边缘与刻度线的对齐方式。可选值有 'left'、'mid'、'right'。
orientation	直方图的方向。默认是 'vertical'，可设置为'horizontal' 获得水平直方图。
color	指定直方图的颜色。
label	用于直方图的标签，适用于图例的显示。