【Python基础】使用统计函数绘制简单图形

机器学习算法与自然语言处理出品

@公众号原创专栏作者 冯夏冲

学校 | 哈工大SCIR实验室在读博士生

# -*- coding:utf-8 -*- import matplotlib as mpl import matplotlib.pyplot as plt import numpy as np %matplotlib inline %config InlineBackend.figure_format = 'svg' # https://blog.csdn.net/minixuezhen/article/details/81516949 plt.rcParams['font.sans-serif'] = ['Arial Unicode MS'] mpl.rcParams["axes.unicode_minus"]=False

2.1 函数bar 用于绘制柱状图

# some simple data x = [1,2,3,4,5,6,7,8] y = [3,1,4,5,8,9,7,2] # create bar plt.bar(x,y,align='center',color="c",tick_label=["q","a","c","e","r","j","b","p"]) # label plt.xlabel("箱子编号") plt.ylabel("箱子重量（kg）") plt.show()

2.2 函数barh 用于绘制条形图

# some simple data x = [1,2,3,4,5,6,7,8] y = [3,1,4,5,8,9,7,2] # create bar plt.barh(x,y,align='center',color="c",tick_label=["q","a","c","e","r","j","b","p"],hatch="/") # label plt.xlabel("箱子编号") plt.ylabel("箱子重量（kg）") plt.show()

2.3 函数hist 用于绘制直方图

直方图与柱状图的区别

# set test scores boxWeight = np.random.randint(0,10,100) x = boxWeight # 对该数据集进行统计 # plot histogram bins = range(0,11,1) # 设置连续的边界值，即直方图的分布区间[0,1],[1,2]...... plt.hist(x, bins=bins, histtype="bar", rwidth=1, alpha=0.6) # label plt.xlabel("箱子重量（kg）") plt.ylabel("销售数量（个）") plt.show()

函数pie 用于绘制饼图

kinds = "简易箱","保温箱","行李箱","密封箱" colors = "#e41a1c", "#377eb8", "#4daf4a", "#984ea3" soldsNums = [0.05,0.45,0.15,0.35] # pie chart plt.pie(soldsNums,labels=kinds,autopct="%3.1f%%", startangle=60, colors=colors) plt.title("不同类型个箱子的销售数量占比") plt.show()

2.5 函数polor 用于绘制极线图

极线图是在极坐标系上绘出的一种图。在极坐标系中，要确定一个点，需要指明这个点距原点的角度和半径。将这些点连在一起，就构成了极线图。

barSlices = 12 theta = np.linspace(0.0, 2*np.pi, barSlices, endpoint=False) r = 30*np.random.rand(barSlices) # theta 角度 r 距离原点的距离 mfc点的颜色 ms点的大小 plt.polar(theta, r, color="chartreuse", linewidth=2, marker="*",mfc="b",ms=10) plt.show()

2.6 函数scatter 用于绘制气泡图

二维数据借助气泡大小展示三维数据

a = np.random.randn(100) b = np.random.randn(100) # s 散点标记的大小 c 散点标记的颜色 cmap 讲浮点数映射为颜色的映射表 plt.scatter(a, b, s=np.power(10*a+20*b,2),c=np.random.rand(100),cmap=mpl.cm.RdYlBu,marker="o") plt.show()

2.7 函数stem 用于绘制棉棒图

x = np.linspace(0.5, 2*np.pi,20) y = np.random.randn(20) # y棉棒长度 linefmt棉棒样式 markerfmt棉棒末端样式 basefmt基线样式 plt.stem(x,y,linefmt="-.",markerfmt="o",basefmt="-", use_line_collection=True) plt.show()

2.8 函数boxplot 用于绘制箱线图

箱线图是一个能够通过5个数字来描述数据的分布的标准方式，这5个数字包括：最小值，第一分位，中位数，第三分位数，最大值，箱线图能够明确的展示离群点的信息。箱子的中间一条线，是数据的中位数，代表了样本数据的平均水平。箱子的上下限，分别是数据的上四分位数和下四分位数。这意味着箱子包含了50%的数据。

x = np.random.randn(1000) plt.boxplot(x) plt.xticks([1],["随机数生成器alphaRM"]) plt.ylabel("随机数值") plt.title("随机数生成器抗干扰能力的稳定性") plt.grid(axis="y",ls=":",lw=1,color="gray",alpha=0.4) plt.show()

2.9 函数errorbar 用于绘制误差棒图

x= np.linspace(0.1,0.6,6) y = np.exp(x) # yerr y轴方向误差 xerr x轴方向误差 plt.errorbar(x, y, fmt="bo:", yerr=0.2, xerr=0.02) plt.xlim(0,0.7) plt.show()

往期精彩回顾 适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑 AI基础下载机器学习的数学基础专辑获取一折本站知识星球优惠券，复制链接直接打开：https://t.zsxq.com/662nyZF本站qq群1003271085。加入微信群请扫码进群（如果是博士或者准备读博士请说明）：