Python-实现图表绘制总结

Numpy是Python开源的数值计算扩展，可用来存储和处理大型矩阵，比Python自身数据结构要高效；

matplotlib是一个Python的图像框架，使用其绘制出来的图形效果和MATLAB下绘制的图形类似。

在使用Python绘制图表前，我们需要先安装两个库文件numpy和matplotlib

pip install numpy
pip install matplotlib

生成直方图

import numpy as np
from pylab import *

num=100
sigma=20

x=num+sigma*np.random.randn(20000)                    #样本数量

plt.hist(x,bins=100,color="green",normed=True)        #bins显示有几个直方,normed是否对数据进行标准化

plt.show()                                            #显示图像
plt.savefig()                                         #保存图片

运行结果：

生成条形图

import numpy as np
from pylab import *

value=[22,13,34]
index=["root","admin","lyshark"]
#index=np.arange(5)

plt.bar(left=index,height=value,color="green",width=0.5)

plt.show()

运行结果：

生成折线图

import numpy as np
from pylab import *

x=np.linspace(-10,10,100)
y=x**3
plt.plot(x,y,linestyle="--",color="green",marker="<")

plt.show()

运行结果：

生成散点图

import numpy as np
from pylab import *

x=np.random.randn(1000)
y=x+np.random.randn(1000)*0.5

plt.scatter(x,y,s=5,marker="<")            #s表示面积  Marker表示图形

plt.show()

运行结果：

生成饼状图

import numpy as np
from pylab import *

labels="cangjingkong","jizemingbu","boduoyejieyi","xiaozemaliya"
fracs=[45,10,30,15]

plt.axes(aspect=1)

explode=[0,0.05,0,0]
plt.pie(x=fracs,labels=labels,autopct="%0f%%",explode=explode)
plt.show()

运行结果：

生成箱形图

主要用于显示数据的分散情况。图形分为上边缘、上四分位数、中位数、下四分位数、下边缘。外面的点时异常值

import numpy as np
from pylab import *

np.random.seed(100)
data=np.random.normal(size=(1000,4),loc=0,scale=1)

labels=["A","B","C","D"]

plt.boxplot(data,labels=labels)

plt.show()

运行结果：

生成多个图例

import numpy as np
from pylab import *

x=np.arange(1,11,1)

plt.plot(x,x*2)

plt.plot(x,x*3)

plt.plot(x,x*4)

plt.legend(["BoDuoYeJieYi","CangJingKong","JiaTengYing"])

plt.show()

运行结果：

生成中文图片

import numpy as np
from pylab import *

mpl.rcParams['font.sans-serif'] = ['KaiTi']

label = "windows xp","windows 7","Windows 8","Linux 4","Centos 6","Huawei交换机"
fracs = [,,,,,]

plt.axes(aspect=)

plt.pie(x=fracs,labels=label,autopct="%0d%%")
plt.show()