docs/python-matplotlib.md
In shaocf/notes: Does not matter.
matplotlib 模块{#matplotlib}
Matplotlib 是一个 Python 2D作图模块，它可以生成各种高质量的图形。
matplotlib 的图表组成元素{#matplotlib-elements}
在一个图像输出窗口中，底层是一个 Figure 实例，我们通常称之为画布，包含了一些可见和不可见的元素。
在画布上作出图形，这些图形是 Axes 实例，Axes 实例几乎包含了我们需要用到的 matplotlib 组成元素，例如坐标轴、刻度、标签、线和标记等^[matplotlib 实践]。
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cm as cm
# 定义数据
x = np.linspace(0.5, 3.5, 100)
y = np.sin(x)
y1 = np.random.randn(100)
# 设置画布（figure）大小
plt.figure(figsize=(12, 9))
# 散点图
plt.scatter(x, y1, c="0.25", label="scatter figure")
# 普通图
plt.plot(x, y, ls="--", lw=2, label="plot figure")
# 一些清理（移除图表垃圾）
# 关闭上面和右面脊柱（spine），gca 解释为 get current axes
for spine in plt.gca().spines.keys():
if spine == "top" or spine == "right":
plt.gca().spines[spine].set_color("none")
# 开启 x 轴的底部 ticks
plt.gca().xaxis.set_ticks_position("bottom")
# 设置底部的 tick_line 位置
xticks = list(np.linspace(0.0, 3.5, 8))
xticks.append(3.8)
plt.xticks(xticks, xticks) # 刻度位置和标签
# 开启 y 轴的左 ticks
plt.gca().yaxis.set_ticks_position("left")
# 设置左面的 tick_line 位置
# 设置 x，y 轴限制
plt.xlim(0.0, 4.0)
plt.ylim(-3.0, 3.0)
# 设置轴标签
plt.xlabel("x_axis")
plt.ylabel("y_axis")
# 设置 x，y 轴网格
plt.grid(True, ls=":", color="r")
# 添加水平线
plt.axhline(y=0.0, c="r", ls="--", lw=2)
# 沿着 x 轴添加垂直范围
plt.axvspan(xmin=1.0, xmax=2.0, facecolor="y", alpha=.3)
# 设置注释信息
plt.annotate("maximum", xy=(np.pi/2, 1.0), xytext=((np.pi/2)+0.15, 1.5), weight="bold", color="r",
arrowprops=dict(arrowstyle="->", connectionstyle="arc3", color="r"))
plt.annotate("spines", xy=(0.75, -3), xytext=(0.35, -2.25), weight="bold", color="b",
arrowprops=dict(arrowstyle="->", connectionstyle="arc3", color="b"))
plt.annotate("", xy=(0, -2.78), xytext=(0.4, -2.32),
arrowprops=dict(arrowstyle="->", connectionstyle="arc3", color="b"))
plt.annotate("", xy=(3.8, -2.98), xytext=(3.9, -2.70),
arrowprops=dict(arrowstyle="->", connectionstyle="arc3", color="b"))
# 设置文本信息
plt.text(3.9, -2.70, "'|' is tickline", weight="bold", color="b")
plt.text(3.9, -2.95, "3.8 is ticklabel", weight="bold", color="b")
# 设置标题
plt.title("structure of matplotlib", fontsize=16)
# 设置图例
plt.legend(loc="upper left")
plt.show()
时间序列对比图{#series-contrast}
在工作中碰到对今日和昨日每小时统计的数据作对比展示。当然，将其做成折线图就可以实现这个要求，但是，如果对其做成面积图，同时绘制出每个点并添加数据标签，在直观感受上会更好一些。
import matplotlib.pyplot as plt
# 数据
hour = range(0, 24)
dataYesterday = [24, 22, 14, 5, 12, 9, 10, 25, 21, 28, 51, 42, 40, 44, 51, 43, 41, 39, 25, 25, 30, 23, 43, 29]
dataToday = [26, 16, 13, 13, 7, 9, 10, 13, 29, 38, 37, 41, 39, 43, 58, 54, 37, 47, 46, 24, 36, 28, 38, 34]
# 作图
# 先进行整体设置，然后plt.figure()
plt.rcParams['figure.figsize'] = (16, 8)
plt.figure()
handle1 = plt.scatter(hour, dataToday, color='r')
handle2 = plt.scatter(hour, dataYesterday, color='b')
# 添加 ticks
plt.xticks(ticks=range(0, 24), labels=range(0, 24))
# 关闭上面和右面脊柱（spine）
for spine in plt.gca().spines.keys():
if spine == "top" or spine == "right":
plt.gca().spines[spine].set_color("none")
# 数据标签
for x, y in zip(hour, dataToday):
plt.text(x, y, y, color='r', fontsize=12)
for x, y in zip(hour, dataYesterday):
plt.text(x, y, y, color='b', fontsize=12)
# 面积填充
plt.fill_between(hour, 0, dataToday, color='r', alpha=0.3)
plt.fill_between(hour, 0, dataYesterday, color='b', alpha=0.1)
plt.title("data contrast", loc='center', fontsize=16)
plt.xlabel("time(hour)")
plt.ylabel("count")
# 图例
legendText1 = 'count of today: ' + str(sum(dataToday))
legendText2 = 'count of yesterday: ' + str(sum(dataYesterday))
plt.legend(handles=[handle1, handle2], labels=[legendText1, legendText2], loc='upper left', shadow=True, fontsize='medium')
plt.show()
柱状图{#bar}
简单柱状图{#bar-ordinary}
柱状图在数据可视化中使用的频率很高，主要是用在离散型数据的分布展示中。它有垂直样式和水平样式两种展示效果。
import matplotlib.pyplot as plt
# 数据
x = [1, 2, 3, 4, 5, 6]
y = [3, 1, 4, 5, 8, 9]
# 作图
plt.figure()
plt.bar(x, y, align="center", color="c", tick_label=["q", "a", "c", "e", "r", "j"], hatch="/", edgecolor='r')
# 设置x，y轴标签
plt.xlabel("box number")
plt.ylabel("box weight(kg)")
plt.show()
常用参数
|参数|描述|
|:--------|:----------------------------------------------------------|
|x|标量序列，bars的x坐标轴|
|height|标量或者标量序列，bars的高度|
|width|标量或者类似数组，可选择项，bars的宽度，默认 0.8|
|bottom|标量或者类似数组，可选择项，bars的y坐标起点，默认 0|
|align|{'center', 'edge'}，可选择项，默认'center'；使用'edge'时默认左对齐，若要右对齐，可以设置width为负，且 align='edge'|
|color|标量或者类似数组，可选择项，bar faces的颜色|
|edgecolor|标量或者类似数组，可选择项，bar edges的颜色|
|linewidth或lw|标量或者类似数组，可选择项，bar edges的宽度，如果为 0，则表示没有边界|
|linestyle或ls|标量或者类似数组，可选择项，线的类型|
|alpha|0~1的数值，透明度|
|tick_label|字符串或者类似数组，bars的tick labels|
|hatch|bars里面的装饰，同linestyle类型|
堆栈柱状图{#bar-stacked}
import matplotlib.pyplot as plt
# 数据
x = [1, 2, 3, 4, 5, 6]
y1 = [4, 3, 2, 1, 4, 1]
y2 = [3, 1, 4, 5, 8, 9]
# 作图
plt.figure()
plt.bar(x, y1, align="center", color="r", lw="2", ls=":", alpha=0.5)
plt.bar(x, y2, align="center", bottom=y1, color="c", tick_label=["q", "a", "c", "e", "r", "j"], hatch="/", edgecolor="white", lw="2", ls=":", alpha=0.5)
# 设置x，y轴标签
plt.xlabel("box number")
plt.ylabel("box weight(kg)")
plt.show()
并列柱状图{#bar-grouped}
原图见matplotlib官网
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
labels = ['G1', 'G2', 'G3', 'G4', 'G5']
men_means = [20, 34, 30, 35, 27]
women_means = [25, 32, 34, 20, 25]
x = np.arange(len(labels)) # the label locations
width = 0.35 # the width of the bars
fig, ax = plt.subplots()
rects1 = ax.bar(x - width/2, men_means, width, label='Men')
rects2 = ax.bar(x + width/2, women_means, width, label='Women')
# Add some text for labels, title and custom x-axis tick labels, etc.
ax.set_ylabel('Scores')
ax.set_title('Scores by group and gender')
ax.set_xticks(x)
ax.set_xticklabels(labels)
ax.legend()
# 对柱状图加数字标签
def autolabel(rects):
"""Attach a text label above each bar in *rects*, displaying its height."""
for rect in rects:
height = rect.get_height()
ax.annotate('{}'.format(height),
xy=(rect.get_x() + rect.get_width() / 2, height),
xytext=(0, 3), # 3 points vertical offset
textcoords="offset points",
ha='center', va='bottom')
autolabel(rects1)
autolabel(rects2)
fig.tight_layout()
plt.show()
直方图{#histogram}
直方图是用来展现连续型数据分布特征的统计图形。
简单直方图{#histogram-ordinary}
绘制学生测试分数的分布
import numpy as np
import matplotlib.pyplot as plt
# 测试成绩
np.random.seed(1234)
scores = np.random.randint(0, 100, 100)
# 作图
plt.figure()
bins = range(0, 101, 10)
n, bins, patches = plt.hist(x=scores,
bins=bins,
color="#3773b8",
histtype="bar",
rwidth=1.0,
edgecolor="white")
# 设置x, y轴标签
plt.xlabel("score")
plt.ylabel("number of students")
plt.show()
print("n=", n, "\nbins=", bins, "\npatches=", patches)
## n= [ 7. 11. 8. 11. 13. 9. 9. 10. 15. 7.]
## bins= [ 0 10 20 30 40 50 60 70 80 90 100]
## patches= <a list of 10 Patch objects>
plt.hist() 返回值为元组(n, bins, patches)
- n：array or list of arrays
- bins：数组，bins的边界
- patches：list or list of lists
常用参数
|参数|描述|
|:------|:----------------------------------------------------------------|
|x|array or sequence of arrays，arrays不要求长度相同|
|bins|int or sequence or str，可选择项，如果是int，自动计算 n+1 个边界，除了最后一个柱体是闭区间，其它柱体数据范围是左闭右开区间|
|range|tuple或者None，可选择项，bins的最低和最高范围，如果bins是一个序列，range不起作用|
|bottom|array_like, scalar, or None，默认None，也就是0。每个bin的底部基线|
|histtype|可选择项，'bar', 'barstacked', 'step', 'stepfilled'，默认'bar'|
|align|可选择项，默认'mid'|
|orientation|'horizontal', 'vertical'，可选择项|
|rwidth|scalar or None，可选择项，bin width的相对宽度，在[0.0, 1.0]之间|
|stacked|bool，可选择项|
堆栈直方图{#histogram-stacked}
import numpy as np
import matplotlib.pyplot as plt
# 测试成绩
np.random.seed(1234)
scoresT1 = np.random.randint(0, 100, 100)
scoresT2 = np.random.randint(0, 100, 100)
x = [scoresT1, scoresT2]
colors = ["#8dd3c7", "#bebada"]
labels = ["班级A", "班级B"]
# 作图
plt.figure()
bins = range(0, 101, 10)
plt.hist(x=x,
bins=bins,
color=colors,
histtype="bar",
rwidth=1.0,
edgecolor="white",
stacked=True, # 如果为False，则最后为并列直方图
label=labels)
# 设置x, y轴标签
plt.xlabel("score")
plt.ylabel("number of students")
plt.title("Histogram of Different Classes")
plt.legend(loc="upper left")
plt.show()
注：当 plt.hist() 中参数 stacked = False 时，为并列直方图。
饼图{#pie}
简单饼图{#pie-ordinary}
import matplotlib.pyplot as plt
fruits = ["apple", "orange", "banana", "pear"]
colors = ["#e41a1c", "#377eb8", "#4daf4a", "#984ea3"]
soldNums = [0.1, 0.4, 0.15, 0.35]
explode = [0, 0, 0.1, 0]
# 饼图
fig1, ax1 = plt.subplots()
ax1.pie(x=soldNums,
radius=1.0,
explode=explode,
labels=fruits,
autopct="%3.1f%%",
startangle=60,
colors=colors,
shadow=True)
plt.title("Ratio of Different Fruits")
plt.legend(title="fruits",
loc="lower left",
bbox_to_anchor=(1, 0, 0.5, 1))
plt.show()
作数组 x 的饼图，每一个楔块（wedge）的比例由 x/sum(x) 给出。如果 sum(x) < 1，则 x 的值表示楔块的比例，最终饼图中会有 1 - sum(x) 的缺失部分。
常用参数
|参数|描述|
|:------|:----------------------------------------------------------------|
|explode|array-like, optional, default: None。如果不是 None，则为长度为 len(x) 的数组，表示每一楔块的半径偏移比例|
|labels|list, optional, default: None。为每个楔块提供标签的字符串序列|
|colors|array-like, optional, default: None。matplotlib颜色参数序列|
|autopct|string, or function, optional, default: None。如果是一个格式字符串，label为fmt%pct，如上图|
|pctdistance|float, optional, default: 0.6。每个 pie slice 的中心和 autopct 生成的文本之间的比例|
|shadow|bool, optional, default: False|
|labeldistance|float or None, optional, default: 1.1。|
|startangle|float, optional, default: None。逆时针旋转 pie chart 开始的角度|
|counterclock|bool, optional, default: True|
|wedgeprops|dict, optional, default: None。传递给 wedge 对象的参数字典|
|textprops|dict, optional, default: None。传递给 text 对象的参数字典|
|rotatelabels|bool, optional, default: False|
这里的参数 labels 和 colors 都是复数形式。
嵌套环状饼图{#pie-nested}
import matplotlib.pyplot as plt
import numpy as np
fig, ax = plt.subplots()
size = 0.3
vals = np.array([[60., 32.], [37., 40.], [29., 10.]])
cmap = plt.get_cmap("tab20c")
outer_colors = cmap(np.arange(3)*4)
inner_colors = cmap(np.array([1, 2, 5, 6, 9, 10]))
ax.pie(vals.sum(axis=1), radius=1, colors=outer_colors,
wedgeprops=dict(width=size, edgecolor='w'))
# radius = 1 - size，使得第二个饼图嵌套在第一个里面
ax.pie(vals.flatten(), radius=1-size, colors=inner_colors,
wedgeprops=dict(width=size, edgecolor='w'))
ax.set(aspect="equal", title='Pie plot with `ax.pie`')
plt.show()
shaocf/notes documentation built on Nov. 5, 2019, 8:51 a.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
matplotlib 模块{#matplotlib}
Matplotlib 是一个 Python 2D作图模块，它可以生成各种高质量的图形。
matplotlib 的图表组成元素{#matplotlib-elements}
在一个图像输出窗口中，底层是一个 Figure 实例，我们通常称之为画布，包含了一些可见和不可见的元素。
在画布上作出图形，这些图形是 Axes 实例，Axes 实例几乎包含了我们需要用到的 matplotlib 组成元素，例如坐标轴、刻度、标签、线和标记等^[matplotlib 实践]。
import matplotlib.pyplot as plt
import numpy as np
from matplotlib import cm as cm
# 定义数据
x = np.linspace(0.5, 3.5, 100)
y = np.sin(x)
y1 = np.random.randn(100)
# 设置画布（figure）大小
plt.figure(figsize=(12, 9))
# 散点图
plt.scatter(x, y1, c="0.25", label="scatter figure")
# 普通图
plt.plot(x, y, ls="--", lw=2, label="plot figure")
# 一些清理（移除图表垃圾）
# 关闭上面和右面脊柱（spine），gca 解释为 get current axes
for spine in plt.gca().spines.keys():
if spine == "top" or spine == "right":
plt.gca().spines[spine].set_color("none")
# 开启 x 轴的底部 ticks
plt.gca().xaxis.set_ticks_position("bottom")
# 设置底部的 tick_line 位置
xticks = list(np.linspace(0.0, 3.5, 8))
xticks.append(3.8)
plt.xticks(xticks, xticks) # 刻度位置和标签
# 开启 y 轴的左 ticks
plt.gca().yaxis.set_ticks_position("left")
# 设置左面的 tick_line 位置
# 设置 x，y 轴限制
plt.xlim(0.0, 4.0)
plt.ylim(-3.0, 3.0)
# 设置轴标签
plt.xlabel("x_axis")
plt.ylabel("y_axis")
# 设置 x，y 轴网格
plt.grid(True, ls=":", color="r")
# 添加水平线
plt.axhline(y=0.0, c="r", ls="--", lw=2)
# 沿着 x 轴添加垂直范围
plt.axvspan(xmin=1.0, xmax=2.0, facecolor="y", alpha=.3)
# 设置注释信息
plt.annotate("maximum", xy=(np.pi/2, 1.0), xytext=((np.pi/2)+0.15, 1.5), weight="bold", color="r",
arrowprops=dict(arrowstyle="->", connectionstyle="arc3", color="r"))
plt.annotate("spines", xy=(0.75, -3), xytext=(0.35, -2.25), weight="bold", color="b",
arrowprops=dict(arrowstyle="->", connectionstyle="arc3", color="b"))
plt.annotate("", xy=(0, -2.78), xytext=(0.4, -2.32),
arrowprops=dict(arrowstyle="->", connectionstyle="arc3", color="b"))
plt.annotate("", xy=(3.8, -2.98), xytext=(3.9, -2.70),
arrowprops=dict(arrowstyle="->", connectionstyle="arc3", color="b"))
# 设置文本信息
plt.text(3.9, -2.70, "'|' is tickline", weight="bold", color="b")
plt.text(3.9, -2.95, "3.8 is ticklabel", weight="bold", color="b")
# 设置标题
plt.title("structure of matplotlib", fontsize=16)
# 设置图例
plt.legend(loc="upper left")
plt.show()
时间序列对比图{#series-contrast}
在工作中碰到对今日和昨日每小时统计的数据作对比展示。当然，将其做成折线图就可以实现这个要求，但是，如果对其做成面积图，同时绘制出每个点并添加数据标签，在直观感受上会更好一些。
import matplotlib.pyplot as plt
# 数据
hour = range(0, 24)
dataYesterday = [24, 22, 14, 5, 12, 9, 10, 25, 21, 28, 51, 42, 40, 44, 51, 43, 41, 39, 25, 25, 30, 23, 43, 29]
dataToday = [26, 16, 13, 13, 7, 9, 10, 13, 29, 38, 37, 41, 39, 43, 58, 54, 37, 47, 46, 24, 36, 28, 38, 34]
# 作图
# 先进行整体设置，然后plt.figure()
plt.rcParams['figure.figsize'] = (16, 8)
plt.figure()
handle1 = plt.scatter(hour, dataToday, color='r')
handle2 = plt.scatter(hour, dataYesterday, color='b')
# 添加 ticks
plt.xticks(ticks=range(0, 24), labels=range(0, 24))
# 关闭上面和右面脊柱（spine）
for spine in plt.gca().spines.keys():
if spine == "top" or spine == "right":
plt.gca().spines[spine].set_color("none")
# 数据标签
for x, y in zip(hour, dataToday):
plt.text(x, y, y, color='r', fontsize=12)
for x, y in zip(hour, dataYesterday):
plt.text(x, y, y, color='b', fontsize=12)
# 面积填充
plt.fill_between(hour, 0, dataToday, color='r', alpha=0.3)
plt.fill_between(hour, 0, dataYesterday, color='b', alpha=0.1)
plt.title("data contrast", loc='center', fontsize=16)
plt.xlabel("time(hour)")
plt.ylabel("count")
# 图例
legendText1 = 'count of today: ' + str(sum(dataToday))
legendText2 = 'count of yesterday: ' + str(sum(dataYesterday))
plt.legend(handles=[handle1, handle2], labels=[legendText1, legendText2], loc='upper left', shadow=True, fontsize='medium')
plt.show()
柱状图{#bar}
简单柱状图{#bar-ordinary}
柱状图在数据可视化中使用的频率很高，主要是用在离散型数据的分布展示中。它有垂直样式和水平样式两种展示效果。
import matplotlib.pyplot as plt
# 数据
x = [1, 2, 3, 4, 5, 6]
y = [3, 1, 4, 5, 8, 9]
# 作图
plt.figure()
plt.bar(x, y, align="center", color="c", tick_label=["q", "a", "c", "e", "r", "j"], hatch="/", edgecolor='r')
# 设置x，y轴标签
plt.xlabel("box number")
plt.ylabel("box weight(kg)")
plt.show()
常用参数
|参数|描述|
|:--------|:----------------------------------------------------------|
|x|标量序列，bars的x坐标轴|
|height|标量或者标量序列，bars的高度|
|width|标量或者类似数组，可选择项，bars的宽度，默认 0.8|
|bottom|标量或者类似数组，可选择项，bars的y坐标起点，默认 0|
|align|{'center', 'edge'}，可选择项，默认'center'；使用'edge'时默认左对齐，若要右对齐，可以设置width为负，且 align='edge'|
|color|标量或者类似数组，可选择项，bar faces的颜色|
|edgecolor|标量或者类似数组，可选择项，bar edges的颜色|
|linewidth或lw|标量或者类似数组，可选择项，bar edges的宽度，如果为 0，则表示没有边界|
|linestyle或ls|标量或者类似数组，可选择项，线的类型|
|alpha|0~1的数值，透明度|
|tick_label|字符串或者类似数组，bars的tick labels|
|hatch|bars里面的装饰，同linestyle类型|
堆栈柱状图{#bar-stacked}
import matplotlib.pyplot as plt
# 数据
x = [1, 2, 3, 4, 5, 6]
y1 = [4, 3, 2, 1, 4, 1]
y2 = [3, 1, 4, 5, 8, 9]
# 作图
plt.figure()
plt.bar(x, y1, align="center", color="r", lw="2", ls=":", alpha=0.5)
plt.bar(x, y2, align="center", bottom=y1, color="c", tick_label=["q", "a", "c", "e", "r", "j"], hatch="/", edgecolor="white", lw="2", ls=":", alpha=0.5)
# 设置x，y轴标签
plt.xlabel("box number")
plt.ylabel("box weight(kg)")
plt.show()
并列柱状图{#bar-grouped}
原图见matplotlib官网
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
labels = ['G1', 'G2', 'G3', 'G4', 'G5']
men_means = [20, 34, 30, 35, 27]
women_means = [25, 32, 34, 20, 25]
x = np.arange(len(labels)) # the label locations
width = 0.35 # the width of the bars
fig, ax = plt.subplots()
rects1 = ax.bar(x - width/2, men_means, width, label='Men')
rects2 = ax.bar(x + width/2, women_means, width, label='Women')
# Add some text for labels, title and custom x-axis tick labels, etc.
ax.set_ylabel('Scores')
ax.set_title('Scores by group and gender')
ax.set_xticks(x)
ax.set_xticklabels(labels)
ax.legend()
# 对柱状图加数字标签
def autolabel(rects):
"""Attach a text label above each bar in *rects*, displaying its height."""
for rect in rects:
height = rect.get_height()
ax.annotate('{}'.format(height),
xy=(rect.get_x() + rect.get_width() / 2, height),
xytext=(0, 3), # 3 points vertical offset
textcoords="offset points",
ha='center', va='bottom')
autolabel(rects1)
autolabel(rects2)
fig.tight_layout()
plt.show()
直方图{#histogram}
直方图是用来展现连续型数据分布特征的统计图形。
简单直方图{#histogram-ordinary}
绘制学生测试分数的分布
import numpy as np
import matplotlib.pyplot as plt
# 测试成绩
np.random.seed(1234)
scores = np.random.randint(0, 100, 100)
# 作图
plt.figure()
bins = range(0, 101, 10)
n, bins, patches = plt.hist(x=scores,
bins=bins,
color="#3773b8",
histtype="bar",
rwidth=1.0,
edgecolor="white")
# 设置x, y轴标签
plt.xlabel("score")
plt.ylabel("number of students")
plt.show()
print("n=", n, "\nbins=", bins, "\npatches=", patches)
## n= [ 7. 11. 8. 11. 13. 9. 9. 10. 15. 7.]
## bins= [ 0 10 20 30 40 50 60 70 80 90 100]
## patches= <a list of 10 Patch objects>
plt.hist() 返回值为元组(n, bins, patches)
- n：array or list of arrays
- bins：数组，bins的边界
- patches：list or list of lists
常用参数
|参数|描述|
|:------|:----------------------------------------------------------------|
|x|array or sequence of arrays，arrays不要求长度相同|
|bins|int or sequence or str，可选择项，如果是int，自动计算 n+1 个边界，除了最后一个柱体是闭区间，其它柱体数据范围是左闭右开区间|
|range|tuple或者None，可选择项，bins的最低和最高范围，如果bins是一个序列，range不起作用|
|bottom|array_like, scalar, or None，默认None，也就是0。每个bin的底部基线|
|histtype|可选择项，'bar', 'barstacked', 'step', 'stepfilled'，默认'bar'|
|align|可选择项，默认'mid'|
|orientation|'horizontal', 'vertical'，可选择项|
|rwidth|scalar or None，可选择项，bin width的相对宽度，在[0.0, 1.0]之间|
|stacked|bool，可选择项|
堆栈直方图{#histogram-stacked}
import numpy as np
import matplotlib.pyplot as plt
# 测试成绩
np.random.seed(1234)
scoresT1 = np.random.randint(0, 100, 100)
scoresT2 = np.random.randint(0, 100, 100)
x = [scoresT1, scoresT2]
colors = ["#8dd3c7", "#bebada"]
labels = ["班级A", "班级B"]
# 作图
plt.figure()
bins = range(0, 101, 10)
plt.hist(x=x,
bins=bins,
color=colors,
histtype="bar",
rwidth=1.0,
edgecolor="white",
stacked=True, # 如果为False，则最后为并列直方图
label=labels)
# 设置x, y轴标签
plt.xlabel("score")
plt.ylabel("number of students")
plt.title("Histogram of Different Classes")
plt.legend(loc="upper left")
plt.show()
注：当 plt.hist() 中参数 stacked = False 时，为并列直方图。
饼图{#pie}
简单饼图{#pie-ordinary}
import matplotlib.pyplot as plt
fruits = ["apple", "orange", "banana", "pear"]
colors = ["#e41a1c", "#377eb8", "#4daf4a", "#984ea3"]
soldNums = [0.1, 0.4, 0.15, 0.35]
explode = [0, 0, 0.1, 0]
# 饼图
fig1, ax1 = plt.subplots()
ax1.pie(x=soldNums,
radius=1.0,
explode=explode,
labels=fruits,
autopct="%3.1f%%",
startangle=60,
colors=colors,
shadow=True)
plt.title("Ratio of Different Fruits")
plt.legend(title="fruits",
loc="lower left",
bbox_to_anchor=(1, 0, 0.5, 1))
plt.show()
作数组 x 的饼图，每一个楔块（wedge）的比例由 x/sum(x) 给出。如果 sum(x) < 1，则 x 的值表示楔块的比例，最终饼图中会有 1 - sum(x) 的缺失部分。
常用参数
|参数|描述|
|:------|:----------------------------------------------------------------|
|explode|array-like, optional, default: None。如果不是 None，则为长度为 len(x) 的数组，表示每一楔块的半径偏移比例|
|labels|list, optional, default: None。为每个楔块提供标签的字符串序列|
|colors|array-like, optional, default: None。matplotlib颜色参数序列|
|autopct|string, or function, optional, default: None。如果是一个格式字符串，label为fmt%pct，如上图|
|pctdistance|float, optional, default: 0.6。每个 pie slice 的中心和 autopct 生成的文本之间的比例|
|shadow|bool, optional, default: False|
|labeldistance|float or None, optional, default: 1.1。|
|startangle|float, optional, default: None。逆时针旋转 pie chart 开始的角度|
|counterclock|bool, optional, default: True|
|wedgeprops|dict, optional, default: None。传递给 wedge 对象的参数字典|
|textprops|dict, optional, default: None。传递给 text 对象的参数字典|
|rotatelabels|bool, optional, default: False|
这里的参数 labels 和 colors 都是复数形式。
嵌套环状饼图{#pie-nested}
import matplotlib.pyplot as plt
import numpy as np
fig, ax = plt.subplots()
size = 0.3
vals = np.array([[60., 32.], [37., 40.], [29., 10.]])
cmap = plt.get_cmap("tab20c")
outer_colors = cmap(np.arange(3)*4)
inner_colors = cmap(np.array([1, 2, 5, 6, 9, 10]))
ax.pie(vals.sum(axis=1), radius=1, colors=outer_colors,
wedgeprops=dict(width=size, edgecolor='w'))
# radius = 1 - size，使得第二个饼图嵌套在第一个里面
ax.pie(vals.flatten(), radius=1-size, colors=inner_colors,
wedgeprops=dict(width=size, edgecolor='w'))
ax.set(aspect="equal", title='Pie plot with `ax.pie`')
plt.show()
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.