Python数据分析使用matplotlib

参考链接：

https://blog.csdn.net/lm_is_dc/article/details/81191207

matplotlib绘图

关注公众号“轻松学编程”了解更多。

Series和DataFrame都有一个用于生成各类图表的plot方法。默认情况下，它们所生成的是线形图

%matplotlib inline 是IPython 中的一个魔法函数。

以下命令都是在浏览器中输入。

cmd命令窗口输入：jupyter notebook

后打开浏览器输入网址http://localhost:8888/

导入库

1
2
3
4
5
6
7
8
9
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from pandas import Series,DataFrame
#内嵌画图
%matplotlib inline
#绘图时可以显示中文
plt.rcParams['font.sans-serif']=['SimHei']
plt.rcParams['axes.unicode_minus']=False

一、Matplotlib基础知识

Matplotlib中的基本图表包括的元素

  • x轴和y轴 axis
    水平和垂直的轴线
  • x轴和y轴刻度 tick
    刻度标示坐标轴的分隔，包括最小刻度和最大刻度
  • x轴和y轴刻度标签 tick label
    表示特定坐标轴的值
  • 绘图区域（坐标系） axes
  • 坐标系标题 title
  • 轴标签 xlabel ylabel

1、包含单条曲线的图 plt.plot(x)

  • 注意：y,x轴的值必须为数字
1
2
#只有一个参数的话，默认的下标做x轴
plt.plot(x)

1

1
2
3
x=[1,2,3,4,5]
y=[2,4,6,8,10]
plt.plot(x,y)

2

  • 绘制抛物线 :使用arange函数 y=x**2
1
2
3
x1=np.arange(-np.pi,np.pi,0.01)
y1=x1**2
plt.plot(x1,y1)

3

  • 绘制正弦曲线图 y=sin(x)
1
2
3
x=np.linspace(-np.pi,np.pi,100)
y=np.sin(x)
plt.plot(x,y)

4

2、包含多个曲线的图

2.1、连续调用多次plot函数

1
2
plt.plot(x,y)
plt.plot(x1,y1)

5

2.2、也可以在一个plot函数中传入多对X,Y值，在一个图中绘制多个曲线

1
plt.plot(x1,y1,x1+1,y1+1)

6

3、将多个曲线图绘制在一个table区域中：对象形式创建表图

  • a=plt.subplot（row,col,loc） 创建曲线图
  • a.plot(x,y) 绘制曲线图
1
2
3
4
5
6
7
8
9
10
11
12
13
14
#把table区域分成2行2列，最后一个1表示位置
a1=plt.subplot(2,2,1)
a1.plot(x,y)

a2=plt.subplot(2,2,2)
a2.plot(x,y)
a2.plot(x+1,y+1)

a3=plt.subplot(2,2,3)
a3.plot(x,y)

#也可以去掉逗号
a4=plt.subplot(224)
a4.plot(x,y)

7

4、网格线 gride(XXX)

参数：

  • axis
  • color:支持十六进制颜色
  • linestyle: – -. :
  • alpha

绘制一个正弦曲线图，并设置网格

1
2
plt.grid(color='r',linestyle='-.')
plt.plot(x,y)

8

  • 使用对象形式设置网格
1
2
3
ax_1=plt.subplot(111)
ax_1.grid(color='y')
ax_1.plot(x,y)

9

  • 绘制一个两行两列的曲线图阵,并设置网格
1
2
3
4
5
6
7
8
9
10
11
12
13
14
x=np.linspace(-np.pi,np.pi,100)
y=np.sin(x)
a1=plt.subplot(221)
a1.grid()
a1.plot(x,y)
a2=plt.subplot(222)
a2.grid()
a2.plot(x,y)
a3=plt.subplot(223)
a3.grid()
a3.plot(x,y)
a4=plt.subplot(224)
a4.grid()
a4.plot(x,y)

10

5、坐标轴界限

5.1 axis方法:修改x，y轴刻度值

plt.axis([xmin,xmax,ymin,ymax])

1
plt.plot(x,y)

11

1
2
plt.axis([-4,4,-2,2])
plt.plot(x,y)

12

5.2 plt.axis(‘off’)

关闭坐标轴

1
2
plt.plot(x,y)
plt.axis('off')

13

5.3 plt.figure(figsize=(a,b))

设置画布比例：plt.figure(figsize=(a,b))

a:x刻度比例；

b：y刻度比例 （2:1）表示x刻度显示为y刻度显示的2倍 。

1
2
plt.figure(figsize=(10,5))
plt.plot(x,y)

14

5.4 xlim方法和ylim方法

还可以通过plt的xlim(xmin,xmax)，ylim方法设置坐标轴范围

1
2
3
plt.xlim(-6,6)
plt.ylim(-2,2)
plt.plot(x,y)

15

5.5 通过对象的方式设置x，y轴的刻度值范围 ax.set_xlim(a,b)

1
2
3
4
ax1=plt.subplot(111)
ax1.set_xlim(-4,4)
ax1.set_ylim(-2,2)
ax1.plot(x,y)

16

  • 绘制一个圆 x2+y2=1 y=1-x2 0.5
1
2
3
4
5
6
7
8
9
10
11
12
# 圆的基本信息
# 1.圆半径
r = 2.0
# 2.圆心坐标
a, b = (0., 0.)

theta = np.arange(0, 2*np.pi, 0.01)
x = a + r * np.cos(theta)
y = b + r * np.sin(theta) 
axes = plt.subplot(111) 
axes.axis('equal')
axes.plot(x, y)

17

1
2
3
4
5
6
7
x=np.linspace(-np.pi,np.pi,100)
y=(1-x**2)**0.5
y_=-y
plt.figure(figsize=(5,5))
plt.plot(x,y)
plt.plot(x,y_)
plt.axis('equal')

18

6、坐标轴标签

  • color 标签颜色
  • fontsize 字体大小
  • rotation 旋转角度
  • plt的xlabel方法和ylabel方法
1
2
3
4
5
6
x=np.linspace(-np.pi,np.pi,100)
y=np.cos(x)
plt.title('Title')
plt.ylabel(s='yyy',fontsize=16,rotation=0,color='r')
plt.xlabel(s='xxx',fontsize=16)
plt.plot(x,y)

19

  • 对象方法set_xlabel/ylabel()
1
2
3
4
5
ax=plt.subplot(111)
ax.set_xlabel('x_label')
ax.set_ylabel('y_label')
ax.set_title('title',fontsize=16)
ax.plot(x,y)

20

6.1 显示坐标轴中文标签

设置参数：fontproperties

1
2
3
4
5
6
7
x=np.linspace(-np.pi,np.pi,100)
y=np.cos(x)
ax=plt.subplot(111)
ax.set_xlabel('x轴',fontproperties='KaiTi',fontsize=30)
ax.set_ylabel('y轴',fontproperties='KaiTi',fontsize=30)
ax.set_title('title',fontsize=16)
ax.plot(x,y)

21
其它字体：
22

7、标题

plt.title()方法

ax.set_title()方法

8、图例

8.1 legend方法

两种传参方法：

  • 分别在plot函数中增加label参数,再调用plt.legend()方法显示
  • 直接在legend方法中传入字符串列表
1
2
3
4
5
x=np.linspace(0,10,30)
y=x ** 2
plt.plot(x,y,label='aaa')
plt.plot(x+1,y-1,label='bbb')
plt.legend()

23

1
2
3
plt.plot(x,y)
plt.plot(x+1,y-1)
plt.legend(['a','b'])

24

8.2 legend的参数

  • loc参数
  • loc参数用于设置图例标签的位置，一般在legend函数内
  • matplotlib已经预定义好几种数字表示的位置
字符串数值字符串数值
best0center left6
upper right1center right7
upper left2lower center8
lower left3upper center9
lower right4center10
right5
1
2
3
plt.plot(x,y)
plt.plot(x+1,y-1)
plt.legend(['aaa','bbb'],loc=5)

25

loc参数可以是2元素的元组，表示图例左下角的坐标

  • [0,0] 左下
  • [0,1] 左上
  • [1,0] 右下
  • [1,1] 右上
  • ncol参数

ncol控制图例中有几列,在legend中设置ncol

1
2
3
plt.plot(x,y)
plt.plot(x+1,y-1)
plt.legend(['aaa','bbb'],loc=[1,1],ncol=2)

26

9、保存图片

9.1 使用figure对象的savefig函数来保存图片

fig = plt.figure()

figure.savefig的参数选项

  • filename
    含有文件路径的字符串或Python的文件型对象。图像格式由文件扩展名推断得出，例如，.pdf推断出PDF，.png推断出PNG
    （“png”、“pdf”、“svg”、“ps”、“eps”……）
  • dpi
    图像分辨率（每英寸点数），默认为100
  • facecolor ，打开保存图片查看
    图像的背景色，默认为“w”（白色）
1
2
3
4
5
6
7
#保存图片注意事项：第一步必须先得到figure对象，
#再使用plt进行绘图，然后保存图片
fig=plt.figure()
#关闭坐标轴
plt.axis('off')
plt.plot(x,y)
fig.savefig(filename='./111.jpg',dpi=500)

27

1
2
3
4
#读取图片
img=plt.imread('./111.jpg')
plt.imshow(img)
plt.show()

28

二、设置plot的风格和样式

plot语句中支持除X,Y以外的参数，以字符串形式存在，来控制颜色、线型、点型等要素，语法形式为： plt.plot(X, Y, ‘format’, …)

1、颜色

参数color或c

1
2
3
4
x=np.linspace(0,10,30)
y=x ** 2
plt.plot(x,y,c='y')
plt.plot(x+1,y-1,color='r')

29

颜色值的方式
  • 别名
    • color=‘r’
  • 合法的HTML颜色名
    • color = ‘red’
颜色别名HTML颜色名颜色别名HTML颜色名
蓝色bblue绿色ggreen
红色rred黄色yyellow
青色ccyan黑色kblack
洋红色mmagenta白色wwhite
  • HTML十六进制字符串
    • color = ‘#eeefff’
  • 归一化到[0, 1]的RGB元组
    • color = (0.3, 0.3, 0.4)

2、透明度

alpha参数

1
2
ax=plt.subplot(111)
ax.plot(x,y,c='r',alpha=0.4)

30

3、背景色

设置背景色，通过传入facecolor参数，来设置坐标轴的背景色

1
2
3
4
#设置坐标系的前景色
ax=plt.subplot(111)
ax.plot(x,y,c='r')
ax.set_facecolor('green')

31

1
2
3
4
#设置坐标系的背景色
f=plt.figure()
p=plt.plot(x,y)
f.set_facecolor('yellow')

32

4、线型

参数linestyle或ls

线条风格描述线条风格描述
‘-’实线‘:’虚线
‘–’破折线‘steps’阶梯线
‘-.’点划线‘None’ / ‘，’什么都不画
1
plt.plot(x,y,ls=':')

33

5、线宽

linewidth或lw参数

1
plt.plot(x,y,ls='steps',lw=5)

34

6、点型

  • marker 设置点形
  • markersize 设置点形大小
标记描述标记描述
‘s’正方形‘p’五边形
‘h’六边形1‘H’六边形2
‘8’八边形
标记描述标记描述
‘.’点‘x’X
‘*’星号‘+’加号
‘,’像素
标记描述标记描述
‘o’圆圈‘D’菱形
‘d’小菱形‘’,‘None’,’ ',None无
标记描述标记描述
‘1’一角朝下的三脚架‘3’一角朝左的三脚架
‘2’一角朝上的三脚架‘4’一角朝右的三脚架
1
plt.plot(x,y,marker='o',lw=1)

35
plot参数设置marker前后景色：markerfacecolor=‘white’,markeredgecolor=‘black’ markersize=30设置大小 。

1
plt.plot(x,y,marker='d',lw=3,markerfacecolor='yellow',markeredgecolor='red',markersize=40)

36

7、多参数连用

注意：只可以设置颜色、点型、线型，可以把几种参数写在一个字符串内进行设置 ‘r-.o’ 。

1
plt.plot(x,'or-.',x*2,'b--<')

37

更多点和线的设置

参数描述参数描述
color或c线的颜色linestyle或ls线型
linewidth或lw线宽marker点型
markeredgecolor点边缘的颜色markeredgewidth点边缘的宽度
markerfacecolor点内部的颜色markersize点的大小

8、在一条语句中为多个曲线进行设置

8.1 多个曲线同一设置

属性名声明

注意：不能多参数连用的形式设置 例如：‘rh–’

plt.plot(x1, y1, x2, y2, fmt, …)

1
plt.plot(x,y,x+1,y-1,y+3,y-2,c='r')

38

8.2 多个曲线不同设置

多个都进行设置,可以使用多参连用的形式 plt.plot(x1, y1, fmt1, x2, y2, fmt2, …)

1
2
3
p1,p2,p3=plt.plot(x,y,x+1,y-1,y+3,y-2,)
p1.set_lw(5)
p3.set_color('y')

39

1
plt.plot(x,y,'or-.',x+1,y-1,'yd',y+3,y-2,'g--')

40

9、X、Y轴坐标刻度

9.1 对x和y轴的刻度做映射

如下方法是对x和y轴的刻度做映射而并非修改

plt.xticks()和plt.yticks()方法

  • 需指定刻度值和刻度名称 plt.xticks([刻度列表],[名称列表])
  • 支持fontsize、rotation、color等参数设置
1
plt.plot(x,y)

41

1
2
plt.xticks([0,2,4,6,8,10],['a','b','c','d','e','f'])
plt.plot(x,y)

42

9.2 使用面向对象的方法设置刻度方法

如下方法是用来修改x和y轴的刻度值，而不是映射 使用画板的如下方法设置刻度axes = plt.subplot()

  • set_xticks、set_yticks 设置刻度值
  • set_xticklabels、set_yticklabels 设置刻度名称
1
2
3
ax=plt.subplot(111)
ax.plot(x,y)
ax.set_yticks([0,200,400,600,800,1000])

43

三、2D图形

1、直方图

  • 是一个特殊的柱状图，又叫做密度图。

【直方图的参数只有一个x！！！不像条形图需要传入x,y】

plt.hist()的参数：

  • bins
    可以是一个bin数量的整数值，也可以是表示bin的一个序列。默认值为10
  • normed
    如果值为True，直方图的值将进行归一化处理，形成概率密度，默认值为False
  • color
    指定直方图的颜色。可以是单一颜色值或颜色的序列。如果指定了多个数据集合,例如DataFrame对象，颜色序列将会设置为相同的顺序。如果未指定，将会使用一个默认的线条颜色
  • orientation
    通过设置orientation为horizontal创建水平直方图。默认值为vertical
1
2
x=[1,2,2,3,4,4,5]
plt.hist(x,color='red')

44

1
2
x=[1,2,2,3,4,4,5]
plt.hist(x,color='g',normed=True)

45

2、条形图：plt.bar()

  • 参数：第一个参数是索引。第二个参数是数据值。第三个参数是条形的宽度

-【条形图有两个参数x,y】

  • width 纵向设置条形宽度
  • height 横向设置条形高度

bar()、barh()

1
2
3
x=[1,2,3,4,5]
y=[1,2,3,4,5]
plt.bar(x,y,0.5)

46

水平条形图

1
plt.barh(x,y,0.5)

47

3、饼图

【饼图也只有一个参数x】

pie()
饼图适合展示各部分占总体的比例，条形图适合比较各部分的大小

3.1 普通各部分占满饼图
1
2
arr=[11,22,31,15]
plt.pie(arr)

48

3.2 普通未占满饼图：小数/比例

49
饼图阴影、分裂等属性设置

labels参数设置每一块的标签；

labeldistance参数设置标签距离圆心的距离（比例值）

autopct参数设置比例值小数保留位(%.3f%%)；

%m.nf m 占位 n 小数点后保留几位 f 是以float格式输出

pctdistance参数设置比例值文字距离圆心的距离

explode参数设置每一块顶点距圆心的长度（比例值,列表）；

colors参数设置每一块的颜色（列表）；

shadow参数为布尔值，设置是否绘制阴影

startangle参数设置饼图起始角度

1
2
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'])

50

1
2
arr=[11,22,31,15]
plt.pie(arr,labels=['a','b','c','d'],labeldistance=0.3)

51

1
2
3
4
5
arr=[11,22,31,15]
#显示占比
#%m.nf m 占位 n 小数点后保留几位 f 是以float格式输出
plt.pie(arr,labels=['a','b','c','d'],
		labeldistance=0.3,autopct='%.6f%%')

52

1
2
3
4
5
arr=[11,22,31,15]
plt.pie(arr,labels=['酱','醋','油','盐'],
        labeldistance=0.3,
        shadow=True,
        explode=[0.2,0.3,0.2,0.4])

53

4、散点图：因变量随自变量而变化的大致趋势

【散点图需要两个参数x,y，但此时x不是表示x轴的刻度，而是每个点的横坐标！】

plt.scatter()

1
2
3
x=np.random.randn(300)
y=np.random.randn(300)
plt.scatter(x,y,marker='d',c=np.random.rand(300,3))

54

1
2
3
4
x=np.random.randn(300)
y=np.random.randn(300)
plt.scatter(x,y,c=[i for i in random_color(300)])
123

55

四、图形内的文字、注释、箭头

控制文字属性的方法:

Pyplot函数API方法描述
text()mpl.axes.Axes.text()在Axes对象的任意位置添加文字
xlabel()mpl.axes.Axes.set_xlabel()为X轴添加标签
ylabel()mpl.axes.Axes.set_ylabel()为Y轴添加标签
title()mpl.axes.Axes.set_title()为Axes对象添加标题
legend()mpl.axes.Axes.legend()为Axes对象添加图例
figtext()mpl.figure.Figure.text()在Figure对象的任意位置添加文字
suptitle()mpl.figure.Figure.suptitle()为Figure对象添加中心化的标题
annnotate()mpl.axes.Axes.annotate()为Axes对象添加注释（箭头可选）

所有的方法会返回一个matplotlib.text.Text对象

1、图形内的文字

plt.text()

plt.figtext()

1
2
3
4
5
x=[1,2,3]
y=[1,2,3]
plt.bar(x,y)
plt.text(0.7,1,s='第三',fontsize=40)
plt.figtext(0.4,0.8,s='排名',fontsize=40)

56

2、注释

annotate() xy参数设置箭头指示的位置，xytext参数设置注释文字的位置 arrowprops参数以字典的形式设置箭头的样式 width参数设置箭头长方形部分的宽度，headlength参数设置箭头尖端的长度， headwidth参数设置箭头尖端底部的宽度，shrink参数设置箭头顶点、尾部与指示点、注释文字的距离（比例值）

3、箭头

1
2
3
4
5
6
7
8
9
10
11
12
13
14
plt.figure(figsize=(12,9))
plt.axis([0, 10, 0, 20]);
arrstyles = ['-', '->', '-[', '<-', '<->', 'fancy', 
'simple', 'wedge']
for i, style in enumerate(arrstyles):
    plt.annotate(style, xytext=(1, 2+2*i), xy=(4, 1+2*i),
			     arrowprops=dict(arrowstyle=style));

connstyles=["arc", "arc,angleA=10,armA=30,rad=30", "arc3,rad=.2",
		 "arc3,rad=-.2", "angle", "angle3"]
for i, style in enumerate(connstyles):
    plt.annotate(style, xytext=(6, 2+2*i), xy=(8, 1+2*i),
	     arrowprops=dict(arrowstyle='->', connectionstyle=style));
plt.show()

57

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
``'-'``        None
``'->'``       head_length=0.4,head_width=0.2
``'-['``       widthB=1.0,lengthB=0.2,angleB=None
``'|-|'``      widthA=1.0,widthB=1.0
``'-|>'``      head_length=0.4,head_width=0.2
``'<-'``       head_length=0.4,head_width=0.2
``'<->'``      head_length=0.4,head_width=0.2
``'<|-'``      head_length=0.4,head_width=0.2
``'<|-|>'``    head_length=0.4,head_width=0.2
``'fancy'``    head_length=0.4,head_width=0.4,tail_width=0.4
``'simple'``   head_length=0.5,head_width=0.5,tail_width=0.2
``'wedge'``    tail_width=0.3,shrink_factor=0.5
# xy参数设置箭头指示的位置，xytext参数设置注释文字的位置
# arrowprops参数以字典的形式设置箭头的样式
# width参数设置箭头长方形部分的宽度，
# headlength参数设置箭头尖端的长度，
# headwidth参数设置箭头尖端底部的宽度，
# shrink参数设置箭头顶点、尾部与指示点、注释文字的距离（比例值）

y = [13, 11, 13, 12, 13, 10, 30, 12, 11, 13, 12, 12, 12, 11, 12]
plt.plot(y);
# 为了让注释不会超出图的范围，需要调整y坐标轴的界限
plt.ylim(ymax=35); 
plt.annotate('this spot must really\nmean something', xy=(6, 30),
			 xytext=(8, 31.5),
             arrowprops=dict(width=15, 
             headlength=20, headwidth=20, 
             facecolor='black', shrink=0.1));
plt.show()

58

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
# 生成3个正态分布数据数据集
x1 = np.random.normal(30, 3, 100)
x2 = np.random.normal(20, 2, 100)
x3 = np.random.normal(10, 3, 100)

# 绘制3个数据集，并为每个plot指定一个字符串标签
 #如果不想在图例中显示标签，可以将标签设置为_nolegend_
plt.plot(x1, label='plot') 
plt.plot(x2, label='2nd plot')
plt.plot(x3, label='last plot')

# 绘制图例
# 指定边界框起始位置为(0, 1.02)，并设置宽度为1，高度为0.102
plt.legend(bbox_to_anchor=(0, 1.02, 1, 0.102), 
           ncol=3, # 设置列数为3，默认值为1
           mode="expand", 
 # mode为None或者expand，当为expand时，图例框会扩展至整个坐标轴区域
           borderaxespad=0.) # 指定坐标轴和图例边界之间的间距

# 绘制注解
plt.annotate("Important value", # 注解文本的内容
             xy=(55,20), # 箭头终点所在位置
             xytext=(5, 38), 
             # 注解文本的起始位置，箭头由xytext指向xy坐标位置
             arrowprops=dict(arrowstyle='->')); 
       # arrowprops字典定义箭头属性，此处用arrowstyle定义箭头风格

59

五、3D图

导包 from mpl_toolkits.mplot3d.axes3d import Axes3D

1
2
3
4
5
import numpy as np
import matplotlib.pyplot as plt
#3d图形必须的
from mpl_toolkits.mplot3d.axes3d import Axes3D
%matplotlib inline

1、曲面图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
#系数，由X，Y生成Z
a = 0.7
b =  np.pi 

#计算Z轴的值
def mk_Z(X, Y):
    return 2 + a - 2 * np.cos(X) * np.cos(Y) - a * np.cos(b - 2*X)

#生成X，Y，Z
x = np.linspace(0, 2*np.pi, 100)
y = np.linspace(0, 2*np.pi, 100)
X,Y = np.meshgrid(x, y)
Z = mk_Z(X, Y)


fig = plt.figure(figsize=(14,6))

#创建3d的视图，使用属性projection
ax = fig.add_subplot(1, 2, 1, projection='3d')

ax.plot_surface(X,Y,Z,rstride = 5,cstride = 5)

#创建3d视图，使用colorbar，添加颜色柱
ax = fig.add_subplot(1, 2, 2, projection='3d')
p = ax.plot_surface(X, Y, Z, rstride=1, cstride=1, 
					cmap='rainbow', antialiased=True)
cb = fig.colorbar(p, shrink=0.5)

60

2、玫瑰图/极坐标条形图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
#极坐标条形图
def showRose(values,title):
    
    max_value = values.max()
    # 分为8个面元
    N = 8
    # 面元的分隔角度
    angle = np.arange(0.,2 * np.pi, 2 * np.pi / N)
    # 每个面元的大小（半径）
    radius = np.array(values)
    # 设置极坐标条形图
    
    plt.axes([0, 0, 2, 2], polar=True,facecolor = 'g')
    
    colors = [(1 - x/max_value, 1 - x/max_value, 0.75) for x in radius]
    # 画图
    
    plt.bar(angle, radius, width=(2*np.pi/N), bottom=0.0, 
		    color=colors)
    plt.title(title,x=0.2, fontsize=20)
    
#拉韦纳(Ravenna)又译“腊万纳”“拉文纳”“拉温拿”。
#意大利北部城市。位于距亚得里亚海10公里的沿海平原上
data = np.load('Ravenna_wind.npy')
hist, angle = np.histogram(data,8,[0,360])
showRose(hist,'Ravenna')

61

1
2
3
4
5
# 绘制一个极坐标图形
plt.axes(polar=True)
y = np.array([4,6,1,5,8])
x = np.array([0,1,2,3,4])
plt.bar(x,y,align='edge')

62

1
2
3
4
5
6
7
8
9
10
11
12
13
14
values = [40,30,20,10,80,70,60,50]
# 如果映射成一个圆，第一个点（0点）和最后一个点（360点）容易重合
# 所以一般把315°的点作为最后一个点处理

x = np.linspace(0,2*np.pi,9)[:-1]

c = np.random.random(size=(8,3))

plt.axes(polar=True)
# param1 x 索引
# param2 height 数据的值
# param3 width  扇形区的宽度
# align 设置扇形的对齐方式
plt.bar(x,values,width=0.8,color=c,align='edge')

63

编程语言
#Python #Matplotlib
Python数据分析使用matplotlib
https://fulequn.github.io/2020/10/Article202010262/
作者
Fulequn
发布于
2020年10月26日
许可协议