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。
