做數據分析的時候，自己繪制圖像的時候總是遇到各種想不起來的代碼，總是需要去查，我覺得自己總結一下python的繪圖手法，對后面自己能力的構建會很有幫助。

本片總結涉及到的matplotlib繪圖的基礎內容包括：走勢圖（也稱折線圖），直方圖，餅圖，散點圖，柱狀圖，條形圖，堆疊圖，以及圖標、圖例、子圖和保存圖像的使用方法

繪圖之前需要構建一些數據，下面隨機構建一群學生的身高、體重、年齡、語文成績的數據

import numpy as np import pandas as pd import matplotlib.pyplot as plt import random np.random.seed(20211028) height = np.random.randint(150,200,100) weight = np.random.randint(40,100,100) old = np.random.randint(1,100,100) grade = np.random.randint(0,100,100)

先來繪制最簡單的走勢圖

plt.plot(height) plt.show()

繪圖之后我想給圖像添加x軸和y軸的說明

plt.plot(height) plt.xlabel('students') plt.ylabel('height') plt.show()

我能不能在一張圖像中畫兩條走勢圖呢

plt.plot(height) plt.plot(weight) plt.xlabel('students') plt.ylabel('height or weight') plt.show()

還真可以哦，但是我能不能畫三條呢，再試試

plt.plot(height) plt.plot(weight) plt.plot(old) plt.xlabel('students') plt.ylabel('height or weight or old') plt.show()

也是可以的，應該在一張圖像中可以繪制很多很多條走勢圖才對。

如果單獨看這個圖像，沒有圖像標注的話，我們也不知道哪個顏色的線條對應哪個數據呀，所以我們需要給圖像添加圖標

plt.plot(height,label='height') plt.plot(weight,label='weight') plt.xlabel('students') plt.ylabel('height or weight') plt.legend() # 將圖標展示出來 plt.show() # 將圖像展示出來

然后一般來說，我們還需要給圖像設置一個標題，

plt.plot(height,label='height') plt.plot(weight,label='weight') plt.xlabel('students') plt.ylabel('height or weight') plt.title('plot of students height') plt.legend() plt.show()

如果有需要，我們還需要將圖像保存起來

plt.plot(height,label='height') plt.plot(weight,label='weight') plt.xlabel('students') plt.ylabel('height or weight') plt.title('plot of students height') plt.savefig('./plot_of_students_height.png') plt.legend() plt.show()

先我們畫的圖像，都是默認的畫布大小，我們沒有指定所需要的畫布大小，那么畫布大小該如何指定呢

plt.figure(figsize=(12,6)) # 指定畫布大小（長、寬） plt.plot(height,label='height') plt.plot(weight,label='weight') plt.xlabel('students') plt.ylabel('height or weight') plt.title('plot of students height') plt.legend() plt.show()

畫布變大之后，感覺圖像變模糊好多，那我們怎么讓圖像分辨率變高一點呢，可以指定dpi這個變量 plt.figure(figsize=(12,6),dpi=100) # 指定畫布大小（長、寬）,指定分辨率為100，變清晰好多 plt.plot(height,label='height') plt.plot(weight,label='weight') plt.xlabel('students') plt.ylabel('height or weight') plt.title('plot of students height') plt.legend() plt.show()

為了數據更加明顯，我們還可以給圖像添加網格線，這樣子，對于數據落在那個范圍就心中有數啦

plt.figure(figsize=(12,6),dpi=100) # 指定畫布大小（長、寬）,指定分辨率為100，變清晰好多 plt.plot(height,label='height') plt.plot(weight,label='weight') plt.xlabel('students') plt.ylabel('height or weight') plt.title('plot of students height') plt.grid() # 生成網格 plt.legend() plt.show()

總結一下，我們使用plt畫圖一般需要的步驟，完整代碼

plt.figure(figsize=(12,6),dpi=100) # 1、指定畫布大小 plt.plot(height,label='height') # 畫圖，如果你想話直方圖就換乘直方圖，自由性在這里 plt.plot(weight,label='weight') # 畫圖，如果你想話直方圖就換乘直方圖，自由性在這里 plt.xlabel('students') # 指定x軸說明 plt.ylabel('height or weight') # 指定y軸說明 plt.title('plot of students height') # 指定圖像名字 plt.grid() # 生成網格 plt.savefig('./plot_of_students_height.png') # 根據自己需求是否保存圖像 plt.legend() # 顯示圖例，圖例包括圖標等 plt.show() # 展示圖片

現在來試一下如何繪制分布直方圖，這個也是用得最多的一類了吧

plt.hist(height) # 繪圖 plt.show() # 展示

不難看出，模型畫出來的直方柱子只有10條，為了看清分布的細節，我們嘗試調節一下直方柱子的數量

plt.hist(height,bins=30) plt.show()

直方圖的橫軸表示身高值，豎軸表示該身高值的頻數。我們能不能將頻數變成頻率呢，答案是可以的

plt.hist(height,bins=30,density=True) plt.show()

假設現在我只想研究身高在180到200范圍內數據的分布情況，我們能不能限制范圍來繪制直方圖呢，答案也是可以的

plt.hist(height,bins=30,density=True,range=(180,200)) plt.show()

可以看到，192.5身高的人數量是最多的。但是這些數據看起來不太美觀，我想給直方柱子添加一個邊界線

plt.hist(height,bins=30,density=True,range=(180,200),edgecolor = 'k') plt.show()

總結一下畫直方圖的步驟。

plt.figure(figsize=(12,6),dpi=100) # 1、指定畫布大小 plt.hist(height,bins=30,density=True,range=(180,200),edgecolor = 'k',label='height') # 2、畫圖，畫直方圖 plt.xlabel('height') # 指定x軸說明 plt.ylabel('rate') # 指定y軸說明 plt.title('hist of height') # 指定圖像名字 plt.grid() # 生成網格 # plt.savefig('./plot_of_students_height.png') # 根據自己需求是否保存圖像 plt.legend() # 顯示圖例，圖例包括圖標等 plt.show() # 展示圖片

接下來，畫散點圖。觀看身高和體重的關系。從圖像中的數據來看，數據完全是隨機的，因為我們原始數據就是隨機的。

plt.scatter(height,weight) plt.show()

同理，如果有需要，可以在一張畫布圖像中多畫幾個散點圖

plt.scatter(height,weight) plt.scatter(old,grade) plt.show()

除了模型的形式，我們還可以改變散點圖點的透明度

plt.scatter(height,weight,alpha = 0.5) plt.show()

同樣，我們整理一下散點圖的全部流程。

plt.figure(figsize=(12,6),dpi=100) # 1、指定畫布大小 plt.scatter(height,weight,alpha = 0.5) # 2、畫圖，畫散點圖 plt.xlabel('height') # 指定x軸說明 plt.ylabel('weight') # 指定y軸說明 plt.title('scatter of height and weight') # 指定圖像名字 plt.grid() # 生成網格 # plt.savefig('./plot_of_students_height.png') # 根據自己需求是否保存圖像 # plt.legend() # 顯示圖例，圖例包括圖標等 plt.show() # 展示圖片

接下來我們看一下最簡單的餅圖如何繪制

data = [2,5,8,13,7] plt.pie(data) plt.show()

上面的餅圖沒有靈魂，一來沒有圖標，二來沒有數據，讓我們把需要的要素添加進來

data = [2,5,8,13,7] plt.pie(data,labels = ['apple','banane','gredd','egg','compt'], # 指定每一類的標簽) plt.show()

然后我想把所占比例的大小也在圖像中體現出來

data = [2,5,8,13,7] plt.pie(data,labels = ['apple','banane','gredd','egg','compt'], # 指定每一類的標簽autopct='%1.1f%%',) plt.show()

到這里感覺這個餅圖就差不多有模有樣了，現在也將例子總結一下

plt.figure(figsize=(12,6),dpi=100) # 1、指定畫布大小 data = [2,5,8,13,7] plt.pie(data,labels = ['apple','banane','gredd','egg','compt'], # 指定每一類的標簽autopct='%1.1f%%',) # plt.xlabel('height') # 指定x軸說明，餅圖沒有x軸 # plt.ylabel('weight') # 指定y軸說明，餅圖沒有y軸 plt.title('pie of data') # 指定圖像名字 # plt.grid() # 生成網格,餅圖沒有表格 # plt.savefig('./plot_of_students_height.png') # 根據自己需求是否保存圖像 # plt.legend() # 顯示圖例，圖例包括圖標等 plt.show() # 展示圖片

接下來看一下最簡單的箱形圖如何繪制

plt.boxplot(height) plt.show()

初看，好簡單呀，二看，這是啥東西，三看，我們還是來看一下什么是箱線圖吧。

箱線圖一般用來展現數據的分布（如上下四分位值、中位數等），同時，也可以用箱線圖來反映數據的異常情況。

為了美觀，給箱體填充顏色，

plt.boxplot(height,patch_artist=True) plt.show()

為了更加清晰，我給箱體中均值的位置切一個口，這樣就更加好看了

plt.boxplot(height,patch_artist=True,notch=True) plt.show()

我還想一次性將身高、體重、年齡、成績四種數據一次性畫在一張圖上面，怎么辦呢，先來個反面教材

plt.boxplot(height,patch_artist=True,notch=True) plt.boxplot(weight,patch_artist=True,notch=True) plt.show()

plt.boxplot(height,patch_artist=True,notch=True) plt.boxplot(weight,patch_artist=True,notch=True) plt.boxplot(old,patch_artist=True,notch=True) plt.show()

正常人都可以看出來，這樣太丑了，也不能很好體現出數據的情況，所以我們換種方式畫，添加一個變量vert=True

plt.boxplot([height,weight,old,grade],patch_artist=True,notch=True,vert=True) plt.show()

因為身高、體重、年齡、成績的量綱都不一樣，工作中不會將數據進行這樣的對較。

真正會比較的情景是四個店鋪一年內每日的銷售額，這種拿來比較是合適的

接下來看一下柱狀圖的最簡單繪制，展示五個學生每個人擁有的朋友的個數。

friends = [2,5,8,13,7] plt.bar(['Npo','Xiaoming','Jomo','Elosi','Jenbo'],friends) plt.show()

如果我還想將這五位同學家里兄弟姐妹的人數也畫在同一副畫里面，該怎么畫呢

friends = [2,5,8,13,7] famrily = [1,4,3,2,5] plt.bar(np.arange(len(friends)), friends, tick_label=['Npo','Xiaoming','Jomo','Elosi','Jenbo'],width = 0.35,label='friends') plt.bar(np.arange(len(famrily))+0.35, famrily, tick_label=['Npo','Xiaoming','Jomo','Elosi','Jenbo'],width = 0.35,label='famrily') plt.legend() plt.show()

現在畫的是橫軸的柱狀圖，怎么畫豎軸的柱狀圖呢。只需將bar函數變成barh函數即可

friends = [2,5,8,13,7] plt.barh(['Npo','Xiaoming','Jomo','Elosi','Jenbo'],friends) plt.show()

最后補充一點如何繪制子圖，當我們需要同時呈現數據的時候很有用，繪制子圖的架構如下： fig = plt.figure(figsize=(12,6),dpi=100) # 第一步，創建畫布ax = fig.add_subplot(2,2,1) # 指定子圖，（第二步，指定子圖），接下去就會繪制了 ax.plot(height) ax.set_xlabel('student') # 設置x軸的標注 ax.set_ylabel('height') # 設置y軸的標注 ax.set_title('height') # 設置圖像的名字ax1 = fig.add_subplot(2,2,2) # 指定子圖 ax1.plot(old) ax1.set_xlabel('student') ax1.set_ylabel('old') ax1.set_title('old')ax2 = fig.add_subplot(2,1,2) # 指定子圖 ax2.plot(weight) ax2.set_xlabel('student') ax2.set_ylabel('weight') ax2.set_title('weight')plt.show()

接下來展示一個繪制堆疊圖的例子，先看一下最簡單的堆疊圖是什么樣子的。

堆疊圖用于顯示『部分對整體』隨時間的關系。 堆疊圖基本上類似于餅圖，只是隨時間而變化。

讓我們考慮一個情況，我們一天有 24 小時，我們睡覺，吃飯，工作和玩耍的時間如下所示

days = [1,2,3,4,5]sleeping = [7,8,6,11,7] eating = [2,3,4,3,2] working = [7,8,7,2,2] playing = [8,5,7,8,13] plt.stackplot(days, sleeping,eating,working,playing) plt.show()

這樣看的話，我們看不清楚哪一塊區域屬于哪個活動，所以我們需要添加圖標。

plt.plot([],[],color='m', label='Sleeping', linewidth=5) plt.plot([],[],color='c', label='Eating', linewidth=5) plt.plot([],[],color='r', label='Working', linewidth=5) plt.plot([],[],color='k', label='Playing', linewidth=5)plt.stackplot(days, sleeping,eating,working,playing, colors=['m','c','r','k']) plt.legend() plt.show()

我們在這里做的是畫一些空行，給予它們符合我們的堆疊圖的相同顏色，和正確標簽。
我們還使它們線寬為 5，使線條在圖例中顯得較寬。 現在，我們可以很容易地看到，我們如何花費我們的時間。
從圖中一目了然看出，工作時間五天一來，時間越來越少，反而娛樂的時間越來越多。

覺得有用的話，給我點個贊吧！

總結

以上是生活随笔為你收集整理的入门matplotlib绘图【完整版】的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。