折线图

#实例1：绘制折线图 plot()——北京市未来15天最高气温和最低气温

#首先导入matplotlib库中的pyplot模块、numpy模块

import matplotlib.pyplot as plt
import numpy as np

   #创建代表画布的Figure类对象fig并添加绘图区域

fig = plt.figure()
ax = fig.add_subplot(111)

#准备数据

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])

#绘制并展现折线图

ax.plot(x,y_max)
ax.plot(x,y_min)

plt.show()

# X轴代表日期，y轴代表温度，由图可以清晰的看出北京市未来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

                                        

柱形图

#实例2：绘制柱形图 bar() ————2013-2019财年某电商平台的GMV

#首先导入matplotlib库中的pyplot模块、numpy模块

import matplotlib.pyplot as plt
import numpy as np

#创建代表画布的Figure类对象fig并添加绘图区域

fig = plt.figure()
ax = fig.add_subplot(111)

#准备数据

x = np.arange(1,8)
y = np.array([10770, 16780, 24440, 30920, 37670, 48200, 57270])

 #绘制并展示柱形图

ax.bar(x, y, tick_label=["FY2013", "FY2014", "FY2015", "FY2016", "FY2017", "FY2018", "FY2019"], width=0.5)  

plt.show()

 

# x轴代表财年，y轴代表成交总额。由该柱形图可直观看出2013-2019财年的成交总额逐年增加

条形图

#实例3：绘制条形图 barh()——各商品种类的网购替代率

 

# 导入matplotlib库中的pyplot模块、numpy模块

import matplotlib.pyplot as plt
import numpy as np

#创建代表画布的Figure类对象fig并添加绘图区域

fig = plt.figure()
ax = fig.add_subplot(111)

#设置刻度标签以中文形式显示

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

#准备数据

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)

#加入条形的刻度标签

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",
          "书报杂志及其音像制品", "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"]

#绘制并展示条形图

ax.barh(y, x, tick_label=labels, align="center", height=0.6)

plt.show()

堆积面积图 

#实例4：绘制堆积面积图 stackplot()—— 物流公司物流费用统计

#导入相关模块

import matplotlib.pyplot as plt
import numpy as np

 #创建代表画布的Figure类对象fig并添加绘图区域

​
fig = plt.figure()
ax = fig.add_subplot(111)

​

​

 #准备数据

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])

#绘制并展示堆积面积图

ax.stackplot(x, y_a, y_b, y_c)
plt.show()

直方图 

# 实例5：绘制直方图 hist() ——人脸识别的直方图

# 导入matplotlib库中的pyplot模块、numpy模块

import matplotlib.pyplot as plt
import numpy as np

 #创建代表画布的Figure类对象fig并添加绘图区域

fig = plt.figure()
ax = fig.add_subplot(111)

#生成1000个随机数

random_state = np.random.RandomState(19680801)
random_x = random_state.randn(1000)

#绘制包含25个矩形条的直方图

ax.hist(random_x, bins=25)
plt.show()

饼图 

# 实例6：绘制饼图 pie()——支付宝月账单报告

#导入相关模块

import matplotlib.pyplot as plt
import numpy as np

 # #创建代表画布的Figure类对象fig并添加绘图区域

fig = plt.figure()
ax = fig.add_subplot(111)

#设置中文

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

#设置饼图外侧的说明文字

kinds = ['购物', '人情往来', '餐饮美食', '通信物流', '生活日用', '交通出行', '休闲娱乐', '其他']

#准备数据

money_scale = [800 / 3000, 100 / 3000, 1000 / 3000, 200 / 3000,
               300 / 3000, 200 / 3000, 200 / 3000, 200 / 3000]

dev_position = [0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1, 0.1] #爆炸（裂开）程度

#绘制并展示饼图

ax.pie(money_scale, labels=kinds, autopct='3.1f%%', shadow=True, explode=dev_position, startangle=90)

plt.show()

散点图 

# 实例7：绘制散点图 scatter()——汽车速度与制动距离的关系

# 导入matplotlib库中的pyplot模块、numpy模块并设置中文

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

 #创建对象

fig = plt.figure()
ax = fig.add_subplot(111)

#准备x轴和y轴的数据

x_speed = np.arange(10, 210, 10)
y_distance = np.array([0.5, 2.0, 4.4, 7.9, 12.3,
                       17.7, 24.1, 31.5, 39.9, 49.2,
                       59.5, 70.8, 83.1, 96.4, 110.7,
                       126.0, 142.2, 159.4, 177.6, 196.8])

#绘制并展示散点图

ax.scatter(x_speed, y_distance, s=50, alpha=0.9) #s代表数据点个数 alpha表示透明度
plt.show()

箱形图

#实例8：绘制箱形图 boxplot()——2017年和2018年全国发电量统计

 # 导入matplotlib库中的pyplot模块、numpy模块并设置中文

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

#创建对象

fig = plt.figure()
ax = fig.add_subplot(111)

#准备数据

data_2018 = np.array([5200, 5254.5, 5283.4, 5107.8, 5443.3, 5550.6,
                      6400, 6404.9, 5483.1, 5330.2, 5543, 6199.9])
data_2017 = np.array([4605.2, 4710.3, 5168.9, 4767.2, 4947, 5203,
                      6047.4, 5945.5, 5219.6, 5038.1, 5196.3, 5698.6])

#绘制并展示箱形图

ax.boxplot([data_2018, data_2017], labels=('2018年', '2017年'),
            meanline=True, widths=0.5, vert=False, patch_artist=True)

plt.show()

 雷达图

#实例9：绘制雷达图 polar()—— 霍兰德职业兴趣测试

 # 导入matplotlib库中的pyplot模块、numpy模块并设置中文

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

#创建对象

fig = plt.figure()
ax = fig.add_subplot(111,polar=True) #一定要设置极坐标格式

#准备数据

dim_num = 6
data = np.array([[0.40, 0.32, 0.35, 0.30, 0.30, 0.88],
                [0.85, 0.35, 0.30, 0.40, 0.40, 0.30],
                [0.43, 0.89, 0.30, 0.28, 0.22, 0.30],
                [0.30, 0.25, 0.48, 0.85, 0.45, 0.40],
                [0.20, 0.38, 0.87, 0.45, 0.32, 0.28],
                [0.34, 0.31, 0.38, 0.30, 0.92, 0.28]])

#设置雷达图角度，用于平分切开一个圆面

angles = np.linspace(0, 2 * np.pi, dim_num, endpoint=False)

#使雷达图一圈封闭起来

angles = np.concatenate((angles, [angles[0]]))
data = np.concatenate((data, [data[0]]))

#设置维度标签

radar_labels = ['研究型(I)', '艺术型(A)', '社会型(S)', 
                 '企业型(E)', '传统型(C)', '现实型(R)']
radar_labels = np.concatenate((radar_labels, [radar_labels[0]]))

#绘制雷达图

ax.plot(angles, data)

 #设置极坐标标签

ax.set_thetagrids(angles*180/np.pi, labels=radar_labels)

#填充多边形

ax.fill(angles, data, alpha=0.25)
plt.show()

误差棒图

#实例10:绘制误差棒图 errorbar()——4个树种不同季节的细根生物量

  # 导入matplotlib库中的pyplot模块、numpy模块并设置中文

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

​

#创建对象

fig = plt.figure()
ax = fig.add_subplot(111)

#准备x轴和y轴数据

x = np.arange(3)
y1 = np.array([2.04, 1.57, 1.63])
y2 = np.array([1.69, 1.61, 1.64])
y3 = np.array([4.65, 4.99, 4.94])
y4 = np.array([3.39, 2.33, 4.10])

#指定测量偏差

error1 = [0.16, 0.08, 0.10]
error2 = [0.27, 0.14, 0.14]
error3 = [0.34, 0.32, 0.29]
error4 = [0.23, 0.23, 0.39]
bar_width = 0.2  #柱形的宽度

#绘制柱形图

ax.bar(x, y1, bar_width)
ax.bar(x+bar_width, y2, bar_width, align="center", tick_label=["春季", "夏季", "秋季"])
ax.bar(x+2*bar_width, y3, bar_width)
ax.bar(x+3*bar_width, y4, bar_width)

#绘制误差棒图

ax.errorbar(x, y1, yerr=error1, capsize=3, elinewidth=2, fmt='k,')
ax.errorbar(x+bar_width, y2, yerr=error2, capsize=3, elinewidth=2, fmt='k,')
ax.errorbar(x+2*bar_width, y3, yerr=error3, capsize=3, elinewidth=2, fmt='k,')
ax.errorbar(x+3*bar_width, y4, yerr=error4, capsize=3, elinewidth=2, fmt='k,')

#yerr：表示数据的误差范围
#capsize：表示误差棒横杆的大小
#elinewidth：表示误差棒的线条宽度
#fml：表示数据点的标记样式和数据点之间连接线的样式

#展示误差棒图

plt.show()