目录
- 4、条形图
- 4.1 代码
- 4.2 输出
- 4.3 代码的部分解释
- 5、直方图
- 5.1 代码
- 5.2 输出
- 5.3 代码的部分解释
- 6、散点图
- 6.1 代码
- 6.2 输出
- 6.3 代码的部分解释
4、条形图
下面介绍条形图的画法。
4.1 代码
import matplotlib.pyplot as plt
# x-coordinates of left sides of bars
left = [1, 2, 3, 4, 5]
# heights of bars
height = [10, 24, 36, 40, 5]
# labels for bars
tick_label = ['one', 'two', 'three', 'four', 'five']
# plotting a bar chart
plt.bar(left, height, tick_label = tick_label,
width = 0.8, color = ['red', 'green'])
# naming the x-axis
plt.xlabel('x - axis')
# naming the y-axis
plt.ylabel('y - axis')
# plot title
plt.title('my bar chart!')
# function to show the plot
plt.show()
4.2 输出
4.3 代码的部分解释
- 1）使用
plt.bar()函数来绘制条形图。 - 2）x轴与
height两个参数必须有。 - 3）可以通过定义
tick_labels为 x 轴坐标指定另外的名称。
5、直方图
5.1 代码
import matplotlib.pyplot as plt
# frequencies
ages = [2,5,70,40,30,45,50,45,43,40,44,
60,7,13,57,18,90,77,32,21,20,40]
# setting the ranges and no. of intervals
range = (0, 100)
bins = 10
# plotting a histogram
plt.hist(ages, bins, range, color = 'green',
histtype = 'bar', rwidth = 0.8)
# x-axis label
plt.xlabel('age')
# frequency label
plt.ylabel('no. of people')
# plot title
plt.title('my histogram')
# function to show the plot
plt.show()
5.2 输出
5.3 代码的部分解释
- 1）使用 plt.hist() 函数绘制直方图。
- 2）age列表作为频率传入函数。
- 3）可以通过定义包含最小值和最大值的元组来设置范围。
- 4）下一步是对值的范围进行“装箱”——即将整个值范围划分为一系列区间——然后计算落入每个区间的值的数量。 这里我们定义了
bins = 10。所以，总共有100/10 = 10个区间。
6、散点图
6.1 代码
import matplotlib.pyplot as plt
# x-axis values
x = [1,2,3,4,5,6,7,8,9,10]
# y-axis values
y = [2,4,5,7,6,8,9,11,12,12]
# plotting points as a scatter plot
plt.scatter(x, y, label= "stars", color= "green",
marker= "*", s=30)
# x-axis label
plt.xlabel('x - axis')
# frequency label
plt.ylabel('y - axis')
# plot title
plt.title('my scatter plot!')
# showing legend
plt.legend()
# function to show the plot
plt.show()
6.2 输出
6.3 代码的部分解释
- 1）使用
plt.scatter()函数绘制散点图。 - 2）作为一条线，我们在这里也定义了 x 和相应的 y 轴值。
- 3）标记参数用于设置用作标记的字符。 它的大小可以使用 s 参数定义。
到此这篇关于python 图形绘制详细代码的文章就介绍到这了,更多相关python 图形绘制内容请搜索以前的文章或继续浏览下面的相关文章希望大家以后多多支持！
