当前位置：首页 > news >正文

Matplotlib绘制折线图，条形图，柱状图，面积图

news 来源：原创 2024/5/17 19:43:50

Matplotlib绘制折线图，条形图，柱状图，面积图

一.折线图
- 实例1，绘制未来15天内的最高气温和最低气温
二.绘制柱形图或者堆积柱形图
- 1. 绘制一个具有两组形状的柱状图
- 2.绘制堆积柱状图
- 3.绘制带有误差棒的柱形图
- 实例分析：2013-2019年淘宝和天猫平台的GMV
三.绘制条形图
- 1.绘制多组条形图
- 2.绘制堆叠条形图
- 3.添加误差棒
- 实例：各商品种类的网购替代率
四.绘制堆积面积图
- 实例：物流公司物流费用统计

matplotlib的参数配置：http://t.csdn.cn/TiI79

一.折线图

使用pyplot的plot()函数绘制折线图.plot函数的语法格式如下：

plot(x,y,fmt,scalex=True,scaley=True,data=None,label=None)

x:表示x轴的数据
y:表示y轴的数据
fmt:表示快速设置线条样式的格式字符串
label:表示应用图例的标签文本

实例1，绘制未来15天内的最高气温和最低气温

在这里插入图片描述

根据上表的数据，将日期这一列作为x轴的数据，将最高气温和最低气温两列的数据作为y轴的数据，具体代码如下：

import matplotlib.pyplot as plt
import numpy as np
x = np.arange(4, 19)
y_max = np.array([32, 33, 34, 34, 33, 31, 30, 29, 30, 29, 26, 23, 21, 25, 31])
y_min = np.array([19, 19, 20, 22, 22, 21, 22, 16, 18, 18, 17, 14, 15, 16, 16])
# 绘制折线图
plt.plot(x, y_max,color="m")
plt.plot(x, y_min,color='r')
plt.grid()
plt.show()

以上代码首先导入了 matplotlib.pyplot 和 numpy 模块，分别将这两个模块重命名为 plt 和 np，其次将表中的数据分别作为 x 轴和 y 轴的数据，然后连续两次调用 plot() 函数分别绘制了两条折线，最后调用 show() 函数进行展示

在这里插入图片描述

图中，x 轴代表日期，y 轴代表温度，位于上方的紫色折线和下方的红色折线分别代表最高温度和最低温度。由图 2-1 可知，北京市未来 15 天的最高气温和最低气温都呈现逐步下降后反弹的趋势

二.绘制柱形图或者堆积柱形图

使用 pyplot 的 bar() 函数可以快速绘制柱形图或堆积柱形图。bar() 函数的语法格式如下所示：

bar(x, height, width=0.8, bottom=None, align='center', 
 data=None, tick_label=None, xerr=None, yerr=None, 
 error_kw=None)

该函数常用参数的含义如下。

x ：表示柱形的 x 坐标值。
height ：表示柱形的高度。
width ：表示柱形的宽度，默认为 0.8。
bottom ：表示柱形底部的 y 坐标值，默认为 0。
align ：表示柱形的对齐方式，有 ‘center’ 和 ‘edge’ 两个取值，其中 ‘center’ 表示将柱形与刻度线居中对齐；‘edge’ 表示将柱形的左边与刻度线对齐。
tick_label ：表示柱形对应的刻度标签。
xerr，yerr ：若未设为 None，则需要为柱形图添加水平 / 垂直误差棒。
error_kw ：表示误差棒的属性字典，字典的键对应 errorbar() 函数的关键字参数

示例代码：

import numpy as np
import matplotlib.pyplot as plt
x=np.arange(5)#生成array([0, 1, 2, 3, 4])
y=np.array([19,58,44,38,74])
# 设置柱形的宽度
bar_width=0.3
# 绘制柱形图
plt.bar(x,y,tick_label=["a",'b','c','d','e'],width=bar_width)
plt.show()

在这里插入图片描述

1. 绘制一个具有两组形状的柱状图

import numpy as np
import matplotlib.pyplot as plt
x=np.arange(5)#生成array([0, 1, 2, 3, 4])
y1=np.array([19,58,44,38,74])
y2=np.array([38,59,64,78,54])
# 设置柱形的宽度
bar_width=0.3
# 绘制柱形图
plt.bar(x,y,tick_label=["a",'b','c','d','e'],width=bar_width)
plt.bar(x+bar_width,y2,width=bar_width)
plt.show()

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-mYgp949R-1664604503133)(image-20221001131914204.png)]

2.绘制堆积柱状图

在使用 pyplot 的 bar() 函数绘制图表时，可以通过给 bottom 参数传值的方式控制柱形的 y 值，使后绘制的柱形位于先绘制的柱形的上方。例如，使用 bar() 函数绘制由两组柱形堆叠而成的堆积柱形图，代码如下。

import numpy as np
import matplotlib.pyplot as plt
x=np.arange(5)#生成array([0, 1, 2, 3, 4])
y1=np.array([19,58,44,38,74])
y2=np.array([38,59,64,78,54])
# 设置柱形的宽度
bar_width=0.3
# 绘制柱形图
plt.bar(x,y,tick_label=["a",'b','c','d','e'],width=bar_width)
plt.bar(x,y2,bottom=y1,width=bar_width)#把y1放在底部
plt.show()

在这里插入图片描述

3.绘制带有误差棒的柱形图

import numpy as np
import matplotlib.pyplot as plt
x=np.arange(5)#生成array([0, 1, 2, 3, 4])
y1=np.array([19,58,44,38,74])
y2=np.array([38,59,64,78,54])
# 设置柱形的宽度
bar_width=0.3
# 这里是误差
error=[2,1,2.5,3,4]
# 绘制柱形图
plt.bar(x,y,tick_label=["a",'b','c','d','e'],width=bar_width)
plt.bar(x,y2,bottom=y1,width=bar_width,yerr=error)#把y1放在底部
plt.show()

在这里插入图片描述

实例分析：2013-2019年淘宝和天猫平台的GMV

随着互联网与电子商务的快速发展，人们的消费模式发生了翻天覆地的变化，越来越多的消费者选择网络购物。阿里巴巴集团作为中国电商的引领者，其旗下的淘宝和天猫是深受消费者欢迎的网购平台。据阿里巴巴集团财务统计，2013—2019 财年淘宝和天猫平台的 GMV（Gross Merchandise Volume，一定时间内的成交总额）如下表所示

在这里插入图片描述

import matplotlib.pyplot as plt
# 支持中文
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
import numpy as np
import matplotlib.pyplot as plt
x=np.array([2013,2014,2015,2016,2017,2018,2019])
y=np.array([10770,16880,24440,30290,37670,48200,57270])
# 设置柱形的宽度
bar_width=0.3
# 设置标签
plt.xlabel("财年",size=15)
plt.ylabel("GMV 单位：亿元",size=15,rotation=90)
# 绘制柱形图
plt.bar(x,y,width=bar_width,color='m')
plt.show()

在这里插入图片描述

三.绘制条形图

使用 pyplot 的 barh() 函数可以快速绘制条形图或堆积条形图，barh() 函数的语法格式如下所示 :

barh(y, width, height=0.8, left=None, align='center')

该函数常用参数的含义如下。

y ：表示条形的 y 坐标值。
width ：表示条形的宽度，默认值为 0.8。
height ：表示条形的高度。
left ：条形左侧的 x 坐标，默认为 0
align ：表示柱形的对齐方式，有 ‘center’ 和 ‘edge’ 两个取值，其中 ‘center’ 表示将柱形与刻度线居中对齐；‘edge’ 表示将柱形的左边与刻度线对齐。

简单条形图：

import numpy as np
import matplotlib.pyplot as plt
y = np.arange(5)
x1 = np.array([10, 8, 7, 11, 13])
# 条形的高度
bar_height = 0.3
# 绘制条形图
plt.barh(y, x1, tick_label=['a', 'b', 'c', 'd', 'e'], height=bar_height)
plt.show()

在这里插入图片描述

1.绘制多组条形图

y = np.arange(5)
x1 = np.array([10, 8, 7, 11, 13])
x2 = np.array([9, 6, 5, 10, 12])
# 条形的高度
bar_height = 0.3
# 根据多组数据绘制条形图
plt.barh(y, x1, tick_label=['a', 'b', 'c', 'd', 'e'], height=bar_height)
plt.barh(y+bar_height, x2, height=bar_height)
plt.show()

在这里插入图片描述

2.绘制堆叠条形图

plt.barh(y, x1, tick_label=['a', 'b', 'c', 'd', 'e'], height=bar_height)
plt.barh(y, x2, left=x1, height=bar_height)
plt.show()

在这里插入图片描述

3.添加误差棒

error = [2, 1, 2.5, 2, 1.5]
plt.barh(y, x1, tick_label=['a', 'b', 'c', 'd', 'e'], height=bar_height)
plt.barh(y, x2, left=x1, height=bar_height, xerr=error)
plt.show()

在这里插入图片描述

实例：各商品种类的网购替代率

如今已进入信息时代，网络购物已经成为人们日常生活的一部分，改变着人们的消费模式和习惯，成为拉动居民消费的重要渠道。因此，研究网购消费对于研判经济形势、促进经济转型升级有着重要的意义。2018 年国家统计局北京调查总队从网购活跃的人群中抽取了 771 个样本，并根据这些样本测算用户网购替代率（网购用户线上消费对线下消费的替代比率）的情况，具体如下表所示：

在这里插入图片描述

import matplotlib.pyplot as plt
import numpy as np

# 显示中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
x = np.array([0.959, 0.951, 0.935, 0.924, 0.893,
              0.892, 0.865, 0.863, 0.860, 0.856,
              0.854, 0.835, 0.826, 0.816, 0.798,
              0.765, 0.763, 0.67])
y = np.arange(1, 19)
labels = [" 家政、家教、保姆等生活服务 ", " 飞机票、火车票 ", " 家具 ", " 手机、手机配件 ",
          " 计算机及其配套产品 ", " 汽车用品 ", " 通信充值、 游戏充值 ", " 个人护理用品 ",
          " 书报杂志及音像制品 ", " 餐饮、 旅游、 住宿 ", " 家用电器 ",
          " 食品、 饮料、 烟酒、 保健品 ", " 家庭日杂用品 ", " 保险、 演出票务 ",
          " 服装、鞋帽、家用纺织品 ", " 数码产品 ", " 其他商品和服务 ", " 工艺品、收藏品 "]
# 绘制条形图
plt.barh(y, x, tick_label=labels, align="center", height=0.6)
plt.show()

在这里插入图片描述

四.绘制堆积面积图

使用 pyplot 的 stackplot() 函数可以快速绘制堆积面积图，stackplot() 函数的语法格式如下所示：

stackplot(x, y, labels=(), baseline='zero', data=None, *args, **kwargs)

该函数常用参数的含义如下。

x ：表示 x 轴的数据，可以是一维数组。
y ：表示 y 轴的数据，可以是二维数组或一维数组序列。
labels ：表示每组折线及填充区域的标签。
baseline ：表示计算基线的方法，包括 ‘zero’、‘sym’、‘wiggle’ 和 ‘weighted_wiggle’。其中， ‘zero’ 表示恒定零基线，即简单的堆积图；‘sym’ 表示对称于零基线；‘wiggle’ 表示最小化平方斜率的总和；‘weighted_wiggle’ 表示执行相同的操作，但权重用于说明每层的大小

例如，使用 stackplot() 函数绘制由 3 条折线及下方填充区域堆叠的堆积面积图，代码如下

import numpy as np
import matplotlib.pyplot as plt
x = np.arange(6)
y1 = np.array([1,4,3,5,6,7])
y2 = np.array([1,3,4,2,7,6])
y3 = np.array([3,4,3,6,5,5])
# 绘制堆积面积图
plt.stackplot(x, y1, y2, y3)
plt.show()

在这里插入图片描述

实例：物流公司物流费用统计

在这里插入图片描述

import numpy as np
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
import matplotlib.pyplot as plt
x = np.arange(1, 13)
y_a = np.array([198, 215, 245, 222, 200, 236, 201, 253, 236, 200, 266, 290])
y_b = np.array([203, 236, 200, 236, 269, 216, 298, 333, 301, 349, 360, 368])
y_c = np.array([185, 205, 226, 199, 238, 200, 250, 209, 246, 219, 253, 288])
plt.xlabel("月份")
plt.ylabel("物流费用")
# 绘制堆积面积图
plt.stackplot(x, y_a, y_b, y_c)
plt.show()