python在圖上繪製條形圖（python畫圖簡單圖形）

本文目錄一覽：

• 1、如何用python繪製各種圖形
• 2、怎樣用python 繪製條形圖
• 3、python畫hist直方圖
• 4、Python 數據可視化：繪製箱線圖、餅圖和直方圖
• 5、python可視化神器——pyecharts庫
• 6、如何用python繪製簡單條形圖？

如何用python繪製各種圖形

1.環境

系統：windows10

python版本：python3.6.1

使用的庫：matplotlib，numpy

2.numpy庫產生隨機數幾種方法

import numpy as np

numpy.random

rand(d0, d1, …, dn)  

In [2]: x=np.random.rand(2,5)

In [3]: x

Out[3]:

array([[ 0.84286554,  0.50007593,  0.66500549,  0.97387807,  0.03993009],

[ 0.46391661,  0.50717355,  0.21527461,  0.92692517,  0.2567891 ]])

randn(d0, d1, …, dn)查詢結果為標準正態分布

In [4]: x=np.random.randn(2,5)

In [5]: x

Out[5]:

array([[-0.77195196,  0.26651203, -0.35045793, -0.0210377 ,  0.89749635],

[-0.20229338,  1.44852833, -0.10858996, -1.65034606, -0.39793635]])

randint(low,high,size)  

生成low到high之間（半開區間 [low, high)），size個數據

In [6]: x=np.random.randint(1,8,4)

In [7]: x

Out[7]: array([4, 4, 2, 7])

random_integers(low,high,size)  

生成low到high之間（閉區間 [low, high)），size個數據

In [10]: x=np.random.random_integers(2,10,5)

In [11]: x

Out[11]: array([7, 4, 5, 4, 2])

3.散點圖

x x軸

y y軸

s   圓點面積

c   顏色

marker  圓點形狀

alpha   圓點透明度                #其他圖也類似這種配置

N=50# height=np.random.randint(150,180,20)# weight=np.random.randint(80,150,20)

x=np.random.randn(N)

y=np.random.randn(N)

plt.scatter(x,y,s=50,c=’r’,marker=’o’,alpha=0.5)

plt.show()

4.折線圖

x=np.linspace(-10000,10000,100) #將-10到10等區間分成100份

y=x**2+x**3+x**7

plt.plot(x,y)

plt.show()

折線圖使用plot函數

5.條形圖

N=5

y=[20,10,30,25,15]

y1=np.random.randint(10,50,5)

x=np.random.randint(10,1000,N)

index=np.arange(N)

plt.bar(left=index,height=y,color=’red’,width=0.3)

plt.bar(left=index+0.3,height=y1,color=’black’,width=0.3)

plt.show()

orientation設置橫向條形圖

N=5

y=[20,10,30,25,15]

y1=np.random.randint(10,50,5)

x=np.random.randint(10,1000,N)

index=np.arange(N)# plt.bar(left=index,height=y,color=’red’,width=0.3)# plt.bar(left=index+0.3,height=y1,color=’black’,width=0.3)#plt.barh() 加了h就是橫向的條形圖，不用設置orientation

plt.bar(left=0,bottom=index,width=y,color=’red’,height=0.5,orientation=’horizontal’)

plt.show()

6.直方圖

m1=100

sigma=20

x=m1+sigma*np.random.randn(2000)

plt.hist(x,bins=50,color=”green”,normed=True)

plt.show()

# #雙變數的直方圖# #顏色越深頻率越高# #研究雙變數的聯合分布

#雙變數的直方圖#顏色越深頻率越高#研究雙變數的聯合分布

x=np.random.rand(1000)+2

y=np.random.rand(1000)+3

plt.hist2d(x,y,bins=40)

plt.show()

7.餅狀圖

#設置x,y軸比例為1：1，從而達到一個正的圓

#labels標籤參數,x是對應的數據列表,autopct顯示每一個區域占的比例,explode突出顯示某一塊,shadow陰影

labes=[‘A’,’B’,’C’,’D’]

fracs=[15,30,45,10]

explode=[0,0.1,0.05,0]#設置x,y軸比例為1：1，從而達到一個正的圓

plt.axes(aspect=1)#labels標籤參數,x是對應的數據列表,autopct顯示每一個區域占的比例,explode突出顯示某一塊,shadow陰影

plt.pie(x=fracs,labels=labes,autopct=”%.0f%%”,explode=explode,shadow=True)

plt.show()

8.箱型圖

import matplotlib.pyplot as pltimport numpy as npdata=np.random.normal(loc=0,scale=1,size=1000)#sym 點的形狀，whis虛線的長度plt.boxplot(data,sym=”o”,whis=1.5)plt.show()

#sym 點的形狀，whis虛線的長度

怎樣用python 繪製條形圖

用matplotlib包的barh函數繪製的，大致布局已經很相似了

import matplotlib.pyplot as plt

from matplotlib import cm

import numpy as np

label = [‘a’,’b’,’c’,’d’,’e’,’f’]

x = sorted([1234,221,765,124,2312,890])

idx = np.arange(len(x))

color = cm.jet(np.array(x)/max(x))

plt.barh(idx, x, color=color)

plt.yticks(idx+0.4,label)

plt.grid(axis=’x’)

plt.xlabel(‘Revenues Earned’)

plt.ylabel(‘Salespeople’)

plt.title(‘Top 12 Salespeople(2012)\n(in USD)’)

plt.show()

python畫hist直方圖

簡單說下圖形選擇啦，通常我們最常用的圖形是折線圖、扇形圖、條形圖，它們的功能簡單概括為：

折線圖：表示變化情況；

扇形圖：表示各類別的分布佔比情況；

條形圖：表示具體數值；

接下來要說的直方圖是以條形圖的形式展現的，在統計學中， 直方圖 （英語：Histogram）是一種對數據分布情況的圖形表示。

以下展示了python畫直方圖的幾種方式，這裡涉及到了3個包：matplotlib、pandas、seanborn。

1、使用 matplotlib.pyplot.hist 函數（本文主要講解該方法畫直方圖）

2、使用 pandas.DataFrame.plot.hist 函數

3、使用 pandas.DataFrame.hist 函數

4、使用 seaborn.distplot 函數

以下為 matplotlib.pyplot.hist 函數介紹：

參數：

返回值：

模擬真實場景：我們通過分析打分，給1000個客戶進行了排名，排名越靠前，說明客戶越優異，為了找到特定的200個客戶的排名處於這1000個客戶中的位置，使用了直方圖對比的方式。以下使用的數據是為模擬場景，隨機出來的結果排名比較靠後，所以這些客戶質量並不高：

hist：

matplotlib中文亂碼：

Python 數據可視化：繪製箱線圖、餅圖和直方圖

上一課介紹了柱形圖和條形圖，本課將介紹另外幾種統計圖表。

Box Plot 有多種翻譯，盒須圖、盒式圖、盒狀圖或箱線圖、箱形圖等，不管什麼名稱，它的基本結構是這樣的：

這種圖是由美國著名統計學家約翰·圖基（John Tukey）於 1977 年發明的，它能顯示出一組數據的上限、下限、中位數及上下四分位數。

為了更深入理解箱線圖的含義，假設有這樣一組數據：[1, 3, 5, 8, 10,11, 16, 98 ]，共有 8 個數字。

首先要計算箱線圖中的「四分位數」，注意不是 4 個數：

對於已經排序的數據 [1, 3, 5, 8, 10,11, 16, 98 ]，下四分位數（Q1）的位置是數列中從小到大第 2.25 個數，當然是不存在這個數字的——如果是第 2 個或者第 3 個，則存在。但是，可以用下面的原則，計算出此位置的數值。

四分位數等於與該位置兩側的兩個整數的加權平均數，此權重取決於相對兩側整數的距離遠近，距離越近，權重越大，距離越遠，權重越小，權數之和等於 1。

根據這個原則，可以分別計算本例中數列的 3 個四分位數。

在此計算基礎上，還可以進一步計算四分位間距和上限、下限的數值。

先看一個簡單示例，了解基本的流程。

輸出結果：

這裡繪製了兩張箱線圖，一張沒有顯示平均值，另外一張顯示了平均值，所使用的方法就是 boxplot，其完整參數列表為：

參數很多，不要擔心記憶問題，更別擔心理解問題。首先很多參數都是可以「望文生義」的，再有，與以前所使用的其他方法（函數）的參數含義也大同小異。

輸出結果：

所謂的「凹槽」，不是簡單形狀的改變，左右折線的上限區間表示了數據分布的置信區間，橫線依然是上限和下限。

python可視化神器——pyecharts庫

無意中從今日頭條中看到的一篇文章，可以生成簡單的圖表。據說一些大數據開發們也是經常用類似的圖表庫，畢竟有現成的，改造下就行，誰會去自己造輪子呢。

pyecharts是什麼？

pyecharts 是一個用於生成 Echarts 圖表的類庫。Echarts 是百度開源的一個數據可視化 JS 庫。用 Echarts 生成的圖可視化效果非常棒， pyecharts 是為了與 Python 進行對接，方便在 Python 中直接使用數據生成圖 。使用pyecharts可以生成獨立的網頁，也可以在flask、django中集成使用。

安裝很簡單：pip install pyecharts

如需使用 Jupyter Notebook 來展示圖表，只需要調用自身實例即可，同時兼容 Python2 和 Python3 的 Jupyter Notebook 環境。所有圖表均可正常顯示，與瀏覽器一致的交互體驗，簡直不要太強大。

參考自pyecharts官方文檔:

首先開始來繪製你的第一個圖表

使用 Jupyter Notebook 來展示圖表，只需要調用自身實例即可

add() 主要方法，用於添加圖表的數據和設置各種配置項

render() 默認將會在根目錄下生成一個 render.html 的文件，文件用瀏覽器打開。

使用主題

自 0.5.2+ 起，pyecharts 支持更換主體色系

使用 pyecharts-snapshot 插件

如果想直接將圖片保存為 png, pdf, gif 格式的文件，可以使用 pyecharts-snapshot。使用該插件請確保你的系統上已經安裝了 Nodejs 環境。

安裝 phantomjs $ npm install -g phantomjs-prebuilt

安裝 pyecharts-snapshot $ pip install pyecharts-snapshot

調用 render 方法 bar.render(path=’snapshot.png’) 文件結尾可以為 svg/jpeg/png/pdf/gif。請注意，svg 文件需要你在初始化 bar 的時候設置 renderer=’svg’。

圖形繪製過程

基本上所有的圖表類型都是這樣繪製的：

chart_name = Type() 初始化具體類型圖表。

add() 添加數據及配置項。

render() 生成本地文件（html/svg/jpeg/png/pdf/gif）。

add() 數據一般為兩個列表（長度一致）。如果你的數據是字典或者是帶元組的字典。可利用 cast() 方法轉換。

多次顯示圖表

從 v0.4.0+ 開始，pyecharts 重構了渲染的內部邏輯，改善效率。推薦使用以下方式顯示多個圖表。如果使是 Numpy 或者 Pandas，可以參考這個示例

當然你也可以採用更加酷炫的方式，使用 Jupyter Notebook 來展示圖表，matplotlib 有的，pyecharts 也會有的

Note： 從 v0.1.9.2 版本開始，廢棄 render_notebook() 方法，現已採用更加  pythonic  的做法。直接調用本身實例就可以了。

比如這樣

還有這樣

如果使用的是自定義類，直接調用自定義類示例即可

圖表配置

圖形初始化

通用配置項

xyAxis：平面直角坐標系中的 x、y 軸。(Line、Bar、Scatter、EffectScatter、Kline)

dataZoom：dataZoom 組件 用於區域縮放，從而能自由關注細節的數據信息，或者概覽數據整體，或者去除離群點的影響。(Line、Bar、Scatter、EffectScatter、Kline、Boxplot)

legend：圖例組件。圖例組件展現了不同系列的標記(symbol)，顏色和名字。可以通過點擊圖例控制哪些系列不顯示。

label：圖形上的文本標籤，可用於說明圖形的一些數據信息，比如值，名稱等。

lineStyle：帶線圖形的線的風格選項(Line、Polar、Radar、Graph、Parallel)

grid3D：3D笛卡爾坐標系組配置項，適用於 3D 圖形。（Bar3D, Line3D, Scatter3D)

axis3D：3D 笛卡爾坐標系 X，Y，Z 軸配置項，適用於 3D 圖形。（Bar3D, Line3D, Scatter3D)

visualMap：是視覺映射組件，用於進行『視覺編碼』，也就是將數據映射到視覺元素（視覺通道）

markLinemarkPoint：圖形標記組件，用於標記指定的特殊數據，有標記線和標記點兩種。（Bar、Line、Kline）

tooltip：提示框組件，用於移動或點擊滑鼠時彈出數據內容

toolbox：右側實用工具箱

圖表詳細

Bar（柱狀圖/條形圖）

Bar3D（3D 柱狀圖）

Boxplot（箱形圖）

EffectScatter（帶有漣漪特效動畫的散點圖）

Funnel（漏斗圖）

Gauge（儀錶盤）

Geo（地理坐標系）

GeoLines（地理坐標系線圖）

Graph（關係圖）

HeatMap（熱力圖）

Kline/Candlestick（K線圖）

Line（折線/面積圖）

Line3D（3D 折線圖）

Liquid（水球圖）

Map（地圖）

Parallel（平行坐標系）

Pie（餅圖）

Polar（極坐標系）

Radar（雷達圖）

Sankey（桑基圖）

Scatter（散點圖）

Scatter3D（3D 散點圖）

ThemeRiver（主題河流圖）

TreeMap（矩形樹圖）

WordCloud（詞雲圖）

用戶自定義

Grid 類：並行顯示多張圖

Overlap 類：結合不同類型圖表疊加畫在同張圖上

Page 類：同一網頁按順序展示多圖

Timeline 類：提供時間線輪播多張圖

統一風格

註：pyecharts v0.3.2以後，pyecharts 將不再自帶地圖 js 文件。如用戶需要用到地圖圖表，可自行安裝對應的地圖文件包。

地圖文件被分成了三個 Python 包，分別為：

全球國家地圖:

echarts-countries-pypkg

中國省級地圖:

echarts-china-provinces-pypkg

中國市級地圖:

echarts-china-cities-pypkg

直接使用python的pip安裝

但是這裡大家一定要注意，安裝完地圖包以後一定要重啟jupyter notebook，不然是無法顯示地圖的。

顯示如下：

總得來說，這是一個非常強大的可視化庫，既可以集成在flask、Django開發中，也可以在做數據分析的時候單獨使用，實在是居家旅行的必備神器啊

如何用python繪製簡單條形圖？

如何用python繪製簡單條形圖呢？這裡離不開matplotlib的使用。

條形圖是數據可視化圖形中很基礎也很常用的一種圖，簡單解釋下：條形圖也叫長條圖（英語：bar chart），亦稱條圖（英語：bar graph）、條狀圖、棒形圖、柱狀圖、條形圖表，是一種以長方形的長度為變數的統計圖表。長條圖用來比較兩個或以上的價值（不同時間或者不同條件），只有一個變數，通常利用於較小的數據集分析。長條圖亦可橫向排列，或用多維方式表達。

那麼一個普通的條形圖是長什麼樣子的呢？

當！當！當！就是下圖的這個樣子：

圖先亮出來啦，接下來研究這個圖是怎麼畫的吧，先看一下原數據長什麼樣子：

實際畫圖的流程和畫折線圖很相近，只是用到的畫圖函數不一樣，繪製條形圖的函數plt.bar（）：

由於這只是最簡單的一個條形圖，實際上條形圖的函數plt.bar（）還有不少可以探索的參數設置，和對摺線圖函數plt.plot()的探索差不多，有興趣的孩子可以自己去進行探索哦。

按照條形長短進行排序展示的條形圖

當然也可以有其他的設置，比如說上圖中的線條高低參差不齊，這是因為x軸的數據是按照學校名稱進行排序的，那麼可不可以按照分數的高低進行排序呢？也就是讓所有的長方形按照從高到矮或者從矮到高的順序進行排列？

當然可以啦！這裡需要強調的是，條的高低排列等信息都是來源於原數據的，要想讓條形的順序發生改變，需要對畫圖的來源數據進行更改呢！

把原數據逆序排序後截取前十名數據賦值給data_yuwen，作為新的數據源傳入畫圖函數plt.bar()，畫出來的圖自然就不一樣了。

先看一眼數據長什麼樣子：

根據這個數據源繪製出的圖形如下，由於用來畫圖的數據進行了降序排序操作，所以生成條形圖的條也會進行降序排序展示：

很多時候，我們常見的條形圖還有另一種展現形式，那就是橫向的條形圖，比較火的那種動態條形圖絕大多數也都是橫向的條形圖，那麼橫向的條形圖如何繪製呢？

理解plt.bar()主要參數

其實也不難，只要清楚plt.bar()函數中主要參數的作用就可以了！條形圖函數中有五個主要參數，分別是x，height，width，bottom，orientation。其中x控制的是每個條在x軸上位置，height控制的是每個條的長度，width控制的是每個條的寬度，bottom控制的是每個條在y軸方向的起始位置，orientation控制的是條形的方向，是縱向還是橫向，默認是縱向的。

通過一個小例子理解下這幾個參數的作用：

上邊的幾行代碼輸出的圖形如下：

對比著代碼和實際輸出的條形圖，各個主要參數的作用是不是一目了然啦？

橫向條形圖

理解了這幾個參數作用後，縱向的條形圖轉換成橫向的條形圖就沒什麼難度了！

需要設置所有條形在x軸的位置都為0，也就全部從最左側開始畫條形;由於是橫向條形圖，所以實際上條的寬度顯示的是數據大小，將width參數設置成原數據中的語文成績；bottom控制每個條在y軸方向的起始位置，設置bottom=range（10）設置每個條形在y軸的起始位置各不相同避免有條形重疊；height控制的是每個條在y軸方向上的長度，條形圖橫向設置後，在y軸上的長度失去了衡量數據的意義，所以直接設置一個常數即可；最後設置條形的方向為橫向，即orientation=「horizontal」。

溫馨提示：數據和標籤一定要匹配，即plt.bar()重點的數據要和plt.yticks()中提取出來的標籤一一對應，一旦不匹配，整個圖展現的結果就是一個錯誤的結果！

上述代碼生成的條形圖如下：

感覺上邊這種生成橫向條形圖的方式有點點繞，和人們的習慣認知有點不大一樣，難道畫一個橫向條形圖就非得轉變自己的習慣認知這麼反人類嗎？

當然不是的，實際上有更簡單的方法繪製一個橫向條形圖，之所以沒有一開始就直接用這種簡單的方法，也是為了讓大家體會下條形圖參數的靈活設置而已，而且如果比較繞的方法都能理解了，簡單的方法理解和運用起來就更沒有難度了啊！

不賣關子了，我們來認識下和plt.bar()函數類似的plt.barh()函數。

plt.barh()函數是專門繪製水平條形圖的函數，主要的參數有：

y 控制y軸顯示的標籤來源width 控制橫向條形的長度，即用來進行對比的數據源height 條形的寬度需要設置的參數主要就是這三個，比用plt.bar()函數繪製水平條形圖簡單了很多，具體代碼如下：

效果圖：

和用plt.bar()函數繪製的橫向條形圖一毛一樣對不對？以後有需求繪製橫向條形圖，盡量用plt.barh()函數吧，畢竟它是專門繪製這種類型圖的，簡單好用。

然而實際工作中對於條形圖的需求不只是這些，比如例子中只是對各個學校語文成績的展示，有時候需要各個學科的成績同時展現在一幅條形圖中，有時候也需要繪製堆積條形圖對各學科的成績以及總成績進行展示，這些圖又該如何繪製呢？其實只要理解了各個參數的含義，繪製這些圖也不在話下，至於具體怎麼畫，且看下回分解啊！