matplotlib柱状图上方显示数据_使用matplotlib的两种姿势

点击上"蓝字"关注我们

本文环境说明熊猫本次用的是 Anaconda 的 jupyter notebook 编写的本文代码。今天用到的库都是已经集成好的&＃xff0c;无须另行安装。每个库的版本号我列在下方了。

Python &＃xff1a;3.7.4

pandas : 1.1.4

numpy : 1.19.4

matplotlib : 3.3.2

可以在终端中运行如下代码查询自己环境中各个库的版本&＃xff0c;如果你的版本比较低&＃xff0c;可以运行升级代码对相应的库进行升级。

pip list #查看各个库的版本号pip install --upgrade 库名 #升级对应库版本先 import 一波操作本文整体都在这基础上编写代码&＃xff0c;如果你正一边看我的文章&＃xff0c;一边在自己的电脑上实现代码&＃xff0c;可以直接复制下面的代码先运行一波。

import pandas as pdimport numpy as npimport matplotlib as mplimport matplotlib.pyplot as plt%matplotlib# 让图像可以正常显示中文plt.rcParams[&＃39;font.family&＃39;]&＃61;[&＃39;SimHei&＃39;]plt.rcParams[&＃39;axes.unicode_minus&＃39;] &＃61; FalseMatplotlib 作图组件

Matplotlib 擅长制作 2D 图表&＃xff0c;每张图表的元素有很多&＃xff0c;每个元素都有对应的方法做编辑修改。下图来自 Matplotlib 官网。

使用 Matplotlib 的两种姿势使用 Matplotlib 一般有两种方法&＃xff0c;也就是常说的两种接口。

• 面向对象接口&＃xff1a;创建并显示图形和轴&＃xff0c;并在其基础上调用方法。
• pyplot 接口&＃xff1a;自动管理图形和轴&＃xff0c;使用 pyplot 方法函数进行绘图。

不管是什么样的图&＃xff0c;两种方式都是可以实现的。没有过多的区别&＃xff0c;可能只是书写风格上有区别。下面就给大家展示一下&＃xff0c;用两种不同风格的代码做出同样一张图。大家可以感受一下。目标输出图

数据准备首先我们看到目标输出的图片是一个画布上分为四个模块&＃xff0c;分别是直方图、散点图、折线图、柱状图。下面这部分代码&＃xff0c;分别是为这 4 张图准备的数据。可以直接复制到你们的编译器中&＃xff0c;运行看看每个变量的数据都是什么样的&＃xff0c;这里就不做展示了。(PS&＃xff1a;由于有随机性函数&＃xff0c;所以每个人运行出来的结果不一样&＃xff0c;是正常的哦~)

# 折线图数据&＃xff0c;我们使用一个累加数据&＃xff0c;data1 &＃61; np.random.randn(50).cumsum()# 直方图数据&＃xff0c;直方图只需要一组数据即可生成data2 &＃61; np.random.randn(100)# 散点图数据&＃xff0c;散点图中每个点都需要横纵坐标来确定位置&＃xff0c;所以需要两组数据&＃xff1b;data3_1 &＃61; np.arange(30)data3_2 &＃61; data3_1&＃43;np.random.randn(30)# 柱状图数据&＃xff0c;data4_1中的数据作为分类型数据作为横坐标&＃xff0c;用data4_2来确定每个柱子的高低。data4_1 &＃61; [&＃39;数&＃39;,&＃39;据&＃39;,&＃39;山&＃39;,&＃39;谷&＃39;,&＃39;十&＃39;,&＃39;万&＃39;,&＃39;加&＃39;]data4_2 &＃61; [10,15,20,30,17,11,15]风格实现良心注释&＃xff0c;代码其实很简单。每个第一次用到的参数都在注释中标明了。

# 创建一个画布# figsize表示画布横纵尺寸# dpi表示清晰度(数值越大越清晰)fig &＃61; plt.figure(figsize&＃61;(15,8),dpi&＃61;120)# 在画布上创建 4 个子图# fig.add_subplot(横向分布数,纵向分布数,子图索引)ax1 &＃61; fig.add_subplot(2,2,1) ax2 &＃61; fig.add_subplot(2,2,2)ax3 &＃61; fig.add_subplot(2,2,3)ax4 &＃61; fig.add_subplot(2,2,4)# 用 data1 数据在第一个子图上创建折线图# color 折线颜色# linestyle 折线样式&＃xff0c;这里使用了虚线# marker 折点样式# markersize 折点大小ax1.plot(data1,color&＃61;&＃39;k&＃39;,linestyle&＃61;&＃39;--&＃39;,marker&＃61;&＃39;o&＃39;,markersize&＃61;3)# 用 data2 数据在第二个子图上创建直方图# bin 直方图柱子个数# alpha 图像透明度(0为完全透明&＃xff0c;1为完全不透明)ax2.hist(data2,bins&＃61;20,color&＃61;&＃39;k&＃39;,alpha&＃61;0.7)# 用 data3_1 和 data3_2 在第三个子图上创建散点图ax3.scatter(data3_1,data3_2,color&＃61;&＃39;k&＃39;)# 用 data4_1 和 data4_2 在第三个子图上创建柱状图ax4.bar(data4_1,data4_2,color&＃61;&＃39;k&＃39;,alpha&＃61;0.7)# 给每个小图像添加标题ax1.set_title("折线图")ax2.set_title("直方图")ax3.set_title("散点图")ax4.set_title("柱状图")pyplot 风格实现

plt.figure(figsize&＃61;(15,8),dpi&＃61;120)# 编辑第一个子图plt.subplot(221)plt.title("折线图")plt.plot(data1,color&＃61;&＃39;k&＃39;,linestyle&＃61;&＃39;--&＃39;,marker&＃61;&＃39;o&＃39;,markersize&＃61;3)# 编辑第二个子图plt.subplot(222)plt.title("直方图")plt.hist(data2,bins&＃61;20,color&＃61;&＃39;k&＃39;,alpha&＃61;0.7)# 编辑第三个子图plt.subplot(223)plt.title("散点图")plt.scatter(data3_1,data3_2,color&＃61;&＃39;k&＃39;)# 编辑第四个子图plt.subplot(224)plt.title("柱状图")plt.bar(data4_1,data4_2,color&＃61;&＃39;k&＃39;,alpha&＃61;0.7)写在最后参考完这两种书写方法&＃xff0c;大家可以找到自己更喜欢的风格。最好是按照一种风格书写&＃xff0c;不要写串了风格~毕竟喜欢可视化的人不但追求作图好看&＃xff0c;代码也要好看。祝大家也能写出如诗般的代码。下课&＃xff01;

扫码关注

 长按扫码