Python 绘制数据图表

这篇具有很好参考价值的文章主要介绍了Python 绘制数据图表。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

Python 绘制数据图表

  • matplotlib绘图库模块安装
pip install matplotlib

Python 绘制数据图表

  • 导入pyplot子模块
import matplotlib.pyplot as plt
  • 官网:http://matplotlib.org
  • 官方文档:https://matplotlib.org/stable/index.html

1. 绘制折线图

1.1 绘制简单的折线图

import matplotlib
import matplotlib.pyplot as plt

# 设置字体为微软雅黑,解决中文显示问题
matplotlib.rc("font", family='Microsoft YaHei')

# 1.准备数据
squares = [0, 1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

# 2.画线plot()
# linewidth设置线条宽度
plt.plot(squares, linewidth=2)  # 列表内的数据被视为y轴的值,x轴的值会根据列表值的索引位置自动产生

# 3.设置x、y轴的最小刻度和最大刻度
plt.axis([0, 10, 0, 100])  # 将x轴设为0~10,将y轴设为0~100

# 4.设置标题及字体大小
"""
title():图表标题,title(标题名称,fontsize=字体大小)
xlabel():x轴标题
ylabel():y轴标题
"""
plt.title(label='0~10的平方', fontsize=18)
plt.xlabel(xlabel='值', fontsize=15)
plt.ylabel(ylabel='平方值', fontsize=15)

# 5.设置坐标轴刻度
"""
使用tick_params()方法设置:
    - 应用范围(axis):x-->应用到x轴,y-->应用到y轴,both-->应用到x轴和y轴
    - 坐标轴的刻度大小(labelsize)
    - 线条颜色(color)
如:tick_params(axis='x', labelsize=10, color='green')
"""
plt.tick_params(axis='both', labelsize=12, color='red', labelcolor='green')

# 显示绘制的图形
plt.show()

效果:
Python 绘制数据图表

1.2 修改图表的初始值

import matplotlib
import matplotlib.pyplot as plt

# 设置字体为微软雅黑,解决中文显示问题
matplotlib.rc("font", family='Microsoft YaHei')

# 1.准备数据
squares = [1, 4, 9, 16, 25, 36, 49, 64, 81, 100]

# 索引列表
seq = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]

# 2.画线plot()
# linewidth设置线条宽度
plt.plot(seq, squares, linewidth=2.5)

# 设置标题及字体大小
plt.title(label='1~10的平方', fontsize=18)
plt.xlabel(xlabel='值', fontsize=15)
plt.ylabel(ylabel='平方值', fontsize=15)

# 5.设置坐标轴刻度
plt.tick_params(axis='both', labelsize=12, color='red', labelcolor='green')

# 显示绘制的图形
plt.show()

效果:
Python 绘制数据图表

1.3 多组数据的应用

# author:mlnt
# createdate:2022/8/17

import matplotlib
import matplotlib.pyplot as plt

# 设置字体为微软雅黑,解决中文显示问题
matplotlib.rc("font", family='Microsoft YaHei')

# 1.准备数据
data1 = [1, 4, 9, 16, 25, 36, 49, 64, 81]
data2 = [1, 3, 5, 8, 13, 21, 34, 55, 89]

# 索引列表
seq = [1, 2, 3, 4, 5, 6, 7, 8, 9]

# 2.画线plot()
# linewidth设置线条宽度
plt.plot(seq, data1, seq, data2, linewidth=2.5)

# 设置标题及字体大小
plt.title(label='Test Chart', fontsize=18)
plt.xlabel(xlabel='x-value', fontsize=14)
plt.ylabel(ylabel='y-value', fontsize=14)

# 5.设置坐标轴刻度
plt.tick_params(axis='both', labelsize=12, color='red', labelcolor='green')

# 显示绘制的图形
plt.show()

效果:
Python 绘制数据图表

1.4 设置线条颜色及样式

  • 设置颜色,可在plot()中添加参数:

    • ‘b’: blue
    • ‘c’: cyan
    • ‘g’: green
    • ‘k’: black
    • ‘m’: magenta
    • ‘r’: red
    • ‘w’: white
    • ‘y’: yellow
  • 设置线条样式:

    • '-‘或’solid’: 预设实线
    • '–‘或’dashed’: 虚线
    • '-.‘或’dashdot’: 虚点线
    • ':‘或’dotted’:点线
    • ‘.’:点标记
    • ‘,’:像素标记
    • ‘o’: 圆标记
    • ‘v’: 反三角标记
    • ‘^’: 三角标记
    • ‘s’:方形标记
    • ‘p’:五角标记
    • ‘*’: 星号标记
    • ‘+’:加号标记
    • ‘-’:减号标记
    import matplotlib.pyplot as plt
    
    # 1.准备数据
    data1 = [1, 2, 3, 4, 5, 6, 7, 8, 9]            # data1线条
    data2 = [1, 4, 9, 16, 25, 36, 49, 64, 81]      # data2线条
    data3 = [1, 3, 5, 8, 13, 21, 34, 55, 89]       # data3线条
    data4 = [1, 6, 12, 20, 30, 41, 56, 72, 90]     # data4线条
    
    # 索引列表
    seq = [1, 2, 3, 4, 5, 6, 7, 8, 9]
    
    plt.plot(seq, data1, 'g--', seq, data2, 'r-.', seq, data3, 'b:', seq, data4, 'mp')
    
    # 设置标题及字体大小
    plt.title(label='Test Chart', fontsize=18)
    plt.xlabel(xlabel='x-value', fontsize=14)
    plt.ylabel(ylabel='y-value', fontsize=14)
    
    # 设置坐标轴刻度
    plt.tick_params(axis='both', labelsize=12, color='red')
    
    plt.show()
    

效果:
Python 绘制数据图表

1.5 刻度设置

import matplotlib
import matplotlib.pyplot as plt

# 设置字体为微软雅黑,解决中文显示问题
matplotlib.rc("font", family='Microsoft YaHei')
# 1.准备数据
gold_medal = [15, 5, 16, 16, 28, 32, 51, 38, 26, 38]
silver_medal = [8, 11, 22, 22, 16, 17, 21, 27, 18, 32]
bronze_medal = [9, 12, 16, 12, 15, 14, 28, 23, 26, 18]

# 索引列表
year = [1984, 1988, 1992, 1996, 2000, 2004, 2008, 2012, 2016, 2021]


"""
设置刻度:
- xticks():设置x轴刻度
- yticks():设置y轴刻度
"""
# 设置x轴刻度
plt.xticks(year)

# 设置线条样式
plt.plot(year, gold_medal, '-*', year, silver_medal, '-o', year, bronze_medal, '-^')

# 设置标题及字体大小
plt.title('中国历届奥运会奖牌情况', fontsize=20)
plt.xlabel('年份', fontsize=14)
plt.ylabel('数量/枚', fontsize=14)
# 设置坐标轴刻度
plt.tick_params(axis='both', labelsize=12, color='red')
# 显示图表
plt.show()

效果:
Python 绘制数据图表

1.6 图例legend()

参数loc可以设置图例的位置:

  • ‘best’: 0,
  • ‘upper right’: 1 ,–>右上角
  • ‘upper left’: 2,–>左上角
  • ‘lower left’: 3,–>左下角
  • ‘lower right’: 4,–>右下角
  • ‘right’: 5,
  • ‘center left’: 6,–>左侧中央
  • ‘center right’: 7,–>右侧中间
  • ‘lower center’: 8,–>底部正中
  • ‘upper center’: 9,–>顶部正中
  • ‘center’: 10
  • 将图例放在图表内
import matplotlib
import matplotlib.pyplot as plt

# 设置字体为微软雅黑,解决中文显示问题
matplotlib.rc("font", family='Microsoft YaHei')
# 1.准备数据
gold_medal = [15, 5, 16, 16, 28, 32, 51, 38, 26, 38]
silver_medal = [8, 11, 22, 22, 16, 17, 21, 27, 18, 32]
bronze_medal = [9, 12, 16, 12, 15, 14, 28, 23, 26, 18]

# 索引列表
year = [1984, 1988, 1992, 1996, 2000, 2004, 2008, 2012, 2016, 2021]


"""
设置刻度:
- xticks():设置x轴刻度
- yticks():设置y轴刻度
"""
# 设置x轴刻度
plt.xticks(year)

# 设置线条样式
line_gold, = plt.plot(year, gold_medal, '-*', label='gold_medal')
line_silver, = plt.plot(year, silver_medal, '-o', label='silver_medal')
line_bronze, = plt.plot(year, bronze_medal, '-^', label='bronze_medal')

# 设置图例
"""
参数loc可以设置图例的位置
    'best': 0,
    'upper right': 1,-->右上角
    'upper left': 2,-->左上角
    'lower left': 3,-->左下角
    'lower right': 4,-->右下角
    'right': 5,
    'center left': 6,-->左侧中央
    'center right': 7,-->右侧中间
    'lower center': 8,-->底部正中
    'upper center': 9,-->顶部正中
    'center': 10
"""
plt.legend(handles=[line_gold, line_silver, line_bronze], loc='best')
# 放在图表内的右上角
# plt.legend(handles=[line_gold, line_silver, line_bronze], loc=1)
# 放在图表内的左上角
# plt.legend(handles=[line_gold, line_silver, line_bronze], loc='upper left')
# 放在图表内的左下角
# plt.legend(handles=[line_gold, line_silver, line_bronze], loc=3)
# 放在图表内的右下角
# plt.legend(handles=[line_gold, line_silver, line_bronze], loc=4)

# 放在图表内的左侧中央
# plt.legend(handles=[line_gold, line_silver, line_bronze], loc='center left')
# 放在图表内的右侧中央
# plt.legend(handles=[line_gold, line_silver, line_bronze], loc='center right')
# 放在图表内的底部正中
# plt.legend(handles=[line_gold, line_silver, line_bronze], loc='lower center')
# 放在图表内的顶部正中
# plt.legend(handles=[line_gold, line_silver, line_bronze], loc='upper center')

# 设置标题及字体大小
plt.title('中国历届奥运会奖牌情况', fontsize=20)
plt.xlabel('年份', fontsize=14)
plt.ylabel('数量/枚', fontsize=14)
# 设置坐标轴刻度
plt.tick_params(axis='both', labelsize=12, color='red')
# 显示图表
plt.show()

效果:
Python 绘制数据图表

  • 将图例放在图表外,使用savefig()方法保存图片文件

    # author:mlnt
    # createdate:2022/8/17
    import matplotlib
    import matplotlib.pyplot as plt
    
    # 设置字体为微软雅黑,解决中文显示问题
    matplotlib.rc("font", family='Microsoft YaHei')
    # 1.准备数据
    gold_medal = [15, 5, 16, 16, 28, 32, 51, 38, 26, 38]
    silver_medal = [8, 11, 22, 22, 16, 17, 21, 27, 18, 32]
    bronze_medal = [9, 12, 16, 12, 15, 14, 28, 23, 26, 18]
    
    # 索引列表
    year = [1984, 1988, 1992, 1996, 2000, 2004, 2008, 2012, 2016, 2021]
    
    
    """
    设置刻度:
    - xticks():设置x轴刻度
    - yticks():设置y轴刻度
    """
    # 设置x轴刻度
    plt.xticks(year)
    
    # 设置线条样式
    line_gold, = plt.plot(year, gold_medal, '-*', label='gold_medal')
    line_silver, = plt.plot(year, silver_medal, '-o', label='silver_medal')
    line_bronze, = plt.plot(year, bronze_medal, '-^', label='bronze_medal')
    
    # 设置图例
    # bbox_to_anchor()设置锚点,即图例位置
    # 在图表内,左下角位置为(0,0),右上角位置为(1,1)
    plt.legend(handles=[line_gold, line_silver, line_bronze], loc='best', bbox_to_anchor=(1, 1))
    
    # 设置在图表与Figure 1之间留白
    # h_pad/w_pad分别设置高度/宽度的留白
    plt.tight_layout(pad=2)
    
    
    # 设置标题及字体大小
    plt.title('中国历届奥运会奖牌情况', fontsize=20)
    plt.xlabel('年份', fontsize=14)
    plt.ylabel('数量/枚', fontsize=14)
    # 设置坐标轴刻度
    plt.tick_params(axis='both', labelsize=12, color='red')
    
    # 保存图片文件,使用savefig()方法保存图片文件,需放在show()的前面,表示先存储再显示图表
    plt.savefig('medal_chart.jpg', bbox_inches='tight')  # bbox_inches='tight'将图表的多余空间删除
    
    # 显示图表
    plt.show()
    

    效果:
    Python 绘制数据图表

2. 绘制散点图

2.1 基本散点图的绘制

  • 绘制一个点
"""
scatter(x, y, s, c)
s: 绘图点的大小
c:颜色
"""
import matplotlib.pyplot as plt

# 在坐标轴(5,5)绘制一个点
plt.scatter(5, 5)
plt.show()

效果:
Python 绘制数据图表

  • 绘制系列点

    # author:mlnt
    # createdate:2022/8/17
    """
    scatter(x, y, s, c)
    s: 绘图点的大小
    c:颜色
    """
    import matplotlib.pyplot as plt
    
    plt.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文标签
    plt.rcParams['axes.unicode_minus'] = False
    
    medal = [32, 28, 54, 50, 59, 63, 100, 88, 70, 88]
    # 索引列表
    year = [1984, 1988, 1992, 1996, 2000, 2004, 2008, 2012, 2016, 2021]
    
    # 设置x轴刻度
    plt.xticks(year)
    
    plt.scatter(x=year, y=medal, s=20, c='green')
    
    # 设置标题及字体大小
    plt.title('中国历届奥运会奖牌情况', fontsize=20)
    plt.xlabel('年份', fontsize=14)
    plt.ylabel('数量/枚', fontsize=14)
    # 设置坐标轴刻度
    plt.tick_params(axis='both', labelsize=12, color='red')
    plt.show()
    

    效果:
    Python 绘制数据图表

2.2 设置绘制区间

**axis()**设置绘图区间:

  • axis([xmin, xmax, ymin, ymax])
    • xmin/xmax:x轴的最小/最大区间
    • ymin/ymxa:y轴的最小/最大区间
# author:mlnt
# createdate:2022/8/17
"""
axis()设置绘图区间:
axis([xmin, xmax, ymin, ymax])
xmin/xmax:x轴的最小/最大区间
ymin/ymxa:y轴的最小/最大区间
"""

import matplotlib.pyplot as plt

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

x = [i for i in range(1, 101)]
y = [i**2 for i in x]

# 设置绘图区间
plt.axis([0, 100, 0, 10000])
plt.scatter(x=x, y=y, s=20, c='green')

# 设置标题及字体大小
plt.title('1-100的平方', fontsize=20)
plt.xlabel('数值', fontsize=14)
plt.ylabel('平方值', fontsize=14)
# 设置坐标轴刻度
plt.tick_params(axis='both', labelsize=12, color='red')
plt.show()

效果:
Python 绘制数据图表

2.3 绘制波形

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 10, 500)
# 绘制sin()和cos()的波形变化
y1 = np.sin(x)
y2 = np.cos(x)
plt.scatter(x, y1, color=(0.5, 0.8, 0.6))
plt.scatter(x, y2)
plt.show()

效果:
Python 绘制数据图表

2.4 创建不等宽的散点图

import matplotlib.pyplot as plt
import numpy as np

x = np.linspace(0, 5, 500)
y = 1 - 0.5*np.abs(x-2)
lwidths = (1+x)**2
plt.scatter(x=x, y=y, s=lwidths, color=(0.6, 0.8, 0.9))
plt.show()

效果:
Python 绘制数据图表

2.5 色彩映射

import matplotlib.pyplot as plt
import numpy as np


x = np.arange(100)
plt.scatter(x=x, y=x, c=x, cmap='rainbow')
plt.show()

效果:
Python 绘制数据图表

2.6 利用随机数绘制散点图

import matplotlib.pyplot as plt
import numpy as np

while True:
    x = np.random.random(100)
    y = np.random.random(100)
    t = x
    plt.scatter(x, y, s=100, c=t, cmap='brg')
    plt.show()
    is_exit = input('是否继续?(y/n)')
    if is_exit.upper() == 'N':
        break

Python 绘制数据图表

2.7 利用随机数实现位置的移动

# author:mlnt
# createdate:2022/8/17
import random

import matplotlib.pyplot as plt


def loc(index):
    """处理坐标的移动"""
    x_mov = random.choice([-3, 3])
    xloc = x[index - 1] + x_mov
    y_mov = random.choice([-5, -1, 1, 5])
    yloc = y[index - 1] + y_mov
    x.append(xloc)
    y.append(yloc)


num = 8000
x = [0]
y = [0]

while True:
    for i in range(1, num):
        loc(i)

    t = x
    plt.scatter(x, y, s=2, c=t, cmap='brg')
    # plt.axes().get_xaxis().set_visible(False)  # 隐藏y坐标
    # plt.axes().get_yaxis().set_visible(False)  # 隐藏y坐标
    # 隐藏坐标轴。
    plt.axis('off')
    plt.savefig('image.png', bbox_inches='tight', pad_inches=0)
    plt.show()
    is_exit = input('是否继续?(y/n)')
    if is_exit.upper() == 'N':
        break
    else:
        x[0] = x[num - 1]
        y[0] = y[num - 1]
        del x[1:]
        del y[1:]

Python 绘制数据图表

3. 绘制多个图表

3.1 一个程序绘制多个图表

# author:mlnt
# createdate:2022/8/17
import matplotlib.pyplot as plt

# 1.准备数据
data1 = [1, 4, 9, 16, 25, 36, 49, 64, 81]
data2 = [1, 3, 5, 8, 13, 21, 34, 55, 89]

# 索引列表
seq = [1, 2, 3, 4, 5, 6, 7, 8, 9]


# 创建图表1
plt.figure(1)
# 画线plot()
plt.plot(seq, data1, '-*')

# 创建图表2
plt.figure(2)
plt.plot(seq, data2, '-o')
# 设置标题及字体大小
plt.title(label='Test Chart 2', fontsize=18)
plt.xlabel(xlabel='x-value', fontsize=14)
plt.ylabel(ylabel='y-value', fontsize=14)

# 5.设置坐标轴刻度
plt.tick_params(axis='both', labelsize=12, color='red', labelcolor='green')

# 显示绘制的图形
plt.show()

效果:
Python 绘制数据图表

3.2 含有子表的图表

subplot(x1, x2, x3)

  • x1: 上下(垂直)方向绘制图表数
  • x2:左右(水平)方向绘制图表数
  • x3:表示这是第几张
  • 一个Figure内绘制上下子图

    # author:mlnt
    # createdate:2022/8/17
    """
    subplot(x1, x2, x3)
    x1: 上下(垂直)方向绘制图表数
    x2:左右(水平)方向绘制图表数
    x3:表示这是第几张
    """
    import matplotlib.pyplot as plt
    
    # 1.准备数据
    data1 = [1, 4, 9, 16, 25, 36, 49, 64, 81]
    data2 = [1, 3, 5, 8, 13, 21, 34, 55, 89]
    
    # 索引列表
    seq = [1, 2, 3, 4, 5, 6, 7, 8, 9]
    
    # 在一个Figure内绘制上下子图
    plt.subplot(2, 1, 1)
    # 画线plot()
    plt.plot(seq, data1, '-*')
    
    plt.subplot(2, 1, 2)
    plt.plot(seq, data2, '-o')
    # 设置标题及字体大小
    plt.xlabel(xlabel='x-value', fontsize=14)
    plt.ylabel(ylabel='y-value', fontsize=14)
    
    # 设置坐标轴刻度
    plt.tick_params(axis='both', labelsize=12, color='red', labelcolor='green')
    
    # 显示绘制的图形
    plt.show()
    

    效果:
    Python 绘制数据图表

  • 一个Figure内绘制左右子图

    # author:mlnt
    # createdate:2022/8/17
    """
    subplot(x1, x2, x3)
    x1: 上下(垂直)方向绘制图表数
    x2:左右(水平)方向绘制图表数
    x3:表示这是第几张
    """
    import matplotlib.pyplot as plt
    
    # 1.准备数据
    data1 = [1, 4, 9, 16, 25, 36, 49, 64, 81]
    data2 = [1, 3, 5, 8, 13, 21, 34, 55, 89]
    
    # 索引列表
    seq = [1, 2, 3, 4, 5, 6, 7, 8, 9]
    
    # 在一个Figure内绘制上下子图
    plt.subplot(2, 1, 1)
    # 画线plot()
    plt.plot(seq, data1, '-*')
    
    plt.subplot(2, 1, 2)
    plt.plot(seq, data2, '-o')
    # 设置标题及字体大小
    plt.xlabel(xlabel='x-value', fontsize=14)
    plt.ylabel(ylabel='y-value', fontsize=14)
    
    # 设置坐标轴刻度
    plt.tick_params(axis='both', labelsize=12, color='red', labelcolor='green')
    
    # 显示绘制的图形
    plt.show()
    

    效果:
    Python 绘制数据图表

4. 绘制直方图

# author:mlnt
# createdate:2022/8/17
"""
bar(x, height, width)
x: 序列,x轴位置
height:序列数值大小
width:直方图的宽度
"""
import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文标签
plt.rcParams['axes.unicode_minus'] = False

medal = [32, 28, 54, 50, 59, 63, 100, 88, 70, 88]
x = np.arange(len(medal))
# 索引列表
year = [1984, 1988, 1992, 1996, 2000, 2004, 2008, 2012, 2016, 2021]

plt.bar(x, medal, width=0.5)

# 设置标题及字体大小
plt.title('中国历届奥运会奖牌情况', fontsize=20)
plt.xlabel('年份', fontsize=14)
plt.ylabel('数量/枚', fontsize=14)
plt.xticks(x, year)
# 设置坐标轴刻度
plt.tick_params(axis='both', labelsize=12, color='red')
plt.show()

效果:
Python 绘制数据图表

# author:mlnt
# createdate:2022/8/17
import matplotlib.pyplot as plt
import numpy as np

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

# 1.准备数据
labels = [1984, 1988, 1992, 1996, 2000, 2004, 2008, 2012, 2016, 2021]
gold_medal = [15, 5, 16, 16, 28, 32, 51, 38, 26, 38]
silver_medal = [8, 11, 22, 22, 16, 17, 21, 27, 18, 32]
bronze_medal = [9, 12, 16, 12, 15, 14, 28, 23, 26, 18]

x = np.arange(len(labels))  # x轴位置
width = 0.3  # 直方图的宽度

fig, ax = plt.subplots()
rects1 = ax.bar(x - width, gold_medal, width, label='gold_medal')
rects2 = ax.bar(x, silver_medal, width, label='silver_medal')
rects3 = ax.bar(x + width, bronze_medal, width, label='bronze_medal')

# 设置标题及字体大小
ax.set_xlabel('年份', fontsize=14)
ax.set_ylabel('数量/枚', fontsize=14)
ax.set_title('中国历届奥运会奖牌情况', fontsize=20)
ax.set_xticks(x, labels)
# 设置图例
ax.legend()

ax.bar_label(rects1, padding=3)
ax.bar_label(rects2, padding=3)
ax.bar_label(rects3, padding=3)

fig.tight_layout()

plt.show()

效果:
Python 绘制数据图表

5. 使用CSV文件绘制图表

# author:mlnt
# createdate:2022/8/17
import csv

import matplotlib
import matplotlib.pyplot as plt

matplotlib.rc("font", family='Microsoft YaHei')

filename = 'score.csv'

with open(file=filename) as csvFile:    # 打开csv文件
    csvReader = csv.reader(csvFile)    # 创建reader对象
    headerRow = next(csvReader)   # 读取文件下一行
    print(headerRow)  # ['学号', '姓名', '语文', '数学', '英语', '物理', '化学', '生物']
    # 设置空列表
    names, Chinese, Math, English, Physics, Chemistry, Biology = [], [], [], [], [], [], []
    for row in csvReader:
        # 将数据添加到列表
        names.append(row[1])
        Chinese.append(int(row[2]))
        Math.append(int(row[3]))
        English.append(int(row[4]))
        Physics.append(int(row[5]))
        Chemistry.append(int(row[6]))
        Biology.append(int(row[7]))
    print(f'语文:{Chinese}')
    print(f'数学:{Math}')
    print(f'英语:{English}')
    print(f'物理:{Physics}')
    print(f'化学:{Chemistry}')
    print(f'生物:{Biology}')

# 绘制语文成绩
# 设置绘图区大小
fig = plt.figure(dpi=80, figsize=(12, 8))
# 设置线条样式
line_Chinese, = plt.plot(names, Chinese, '-*', label='Chinese')
line_Math, = plt.plot(names, Math, '-o', label='Math')
line_English, = plt.plot(names, English, '-p', label='English')
line_Physics, = plt.plot(names, Physics, '-s', label='Physics')
line_Chemistry, = plt.plot(names, Chemistry, '-v', label='Chemistry')
line_Biology, = plt.plot(names, Biology, '-^', label='Biology')
# 设置图例
plt.legend(handles=[line_Chinese, line_Math, line_English, line_Physics, line_Chemistry, line_Biology], loc='best')
# 旋转
fig.autofmt_xdate(rotation=60)
plt.title('成绩分析', fontsize=20)
plt.xlabel('学员', fontsize=14)
plt.ylabel('分数', fontsize=14)
plt.tick_params(axis='both', labelsize=12, color='red')
plt.show()

score.csv:
Python 绘制数据图表

效果:
Python 绘制数据图表

# author:mlnt
# createdate:2022/8/17
import csv
from datetime import datetime

import matplotlib
import matplotlib.pyplot as plt

matplotlib.rc("font", family='Microsoft YaHei')

filename = 'temperature.csv'

with open(file=filename) as csvFile:    # 打开csv文件
    csvReader = csv.reader(csvFile)    # 创建reader对象
    headerRow = next(csvReader)   # 读取文件下一行
    # print(headerRow)
    # 设置空列表
    dates, lowTemps, highTemps, averageTemps = [], [], [], []
    for row in csvReader:
        try:
            # 将日期字符串转成对象
            currentDate = datetime.strptime(row[0], '%Y/%m/%d')
            # 设置最低温度
            # 需要转换成数字类型,y轴才能进行排序
            lowTemp = float(row[1])
            # 设置最高温度
            highTemp = float(row[2])
            # 设置平均温度
            averageTemp = float(row[3])
        except Exception as e:
            print('有缺值', e)
        else:
            # 将数据添加到列表
            dates.append(currentDate)
            lowTemps.append(lowTemp)
            highTemps.append(highTemp)
            averageTemps.append(averageTemp)
    print(f'最低温度:{lowTemps}')
    print(f'最高温度:{highTemps}')
    print(f'平均温度:{averageTemps}')


# # 设置绘图区大小
fig = plt.figure(dpi=80, figsize=(12, 8))
# 设置线条样式
line_highTemps, = plt.plot(dates, highTemps, '-*', label='highTemps')
line_lowTemps, = plt.plot(dates, lowTemps, '-o', label='lowTemps')
line_averageTemps, = plt.plot(dates, averageTemps, '-p', label='averageTemps')
# 设置图例
plt.legend(handles=[line_lowTemps, line_averageTemps, line_highTemps], loc='best')
# 旋转
fig.autofmt_xdate(rotation=60)
plt.title('Weather Report', fontsize=20)
plt.xlabel('Date', fontsize=12)
plt.ylabel('Temperature (C)', fontsize=14)
plt.tick_params(axis='both', labelsize=12, color='red')
plt.show()

temperature.csv:
Python 绘制数据图表
效果:
Python 绘制数据图表文章来源地址https://www.toymoban.com/news/detail-451454.html


参考:
  • 官网:http://matplotlib.org
  • 官方文档:https://matplotlib.org/stable/index.html
  • 色彩映射:http://matplotlib.org/examples/color/colormaps_reference.html
  • https://blog.csdn.net/weixin_46233323/article/details/108038706
  • https://blog.csdn.net/weixin_43838785/article/details/104515455
  • https://blog.csdn.net/weixin_41783077/article/details/110734759
  • https://www.pudn.com/news/62623526dfdd9a1c0c529522.html
  • https://www.yzlfxy.com/jiaocheng/python/430158.html
  • https://www.zhihu.com/question/506015285

到了这里,关于Python 绘制数据图表的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 数据可视化:图表绘制详解

    数据可视化是一种将抽象的数字和数据转化为直观图形的技术,使数据的模式、趋势和关系一目了然。本文将详细介绍如何绘制各种类型的图表,包括柱状图、折线图、饼图、散点图和热力图等。 第一部分:图表类型和选择 1. 柱状图 柱状图是用于比较类别数据的常见图表。

    2024年02月12日
    浏览(66)
  • 第五章. 可视化数据分析图表—常用图表的绘制4—箱形图,3D图表

    第五章. 可视化数据分析图 本节主要介绍常用图表的绘制,主要包括箱形图,3D柱形图,3D曲面图。 ·箱形图又称箱线图、盒须图或盒式图 ·用于显示一组数据分散情况的统计图 ·优点:不受异常值的影响,可以以一种相对稳定的方式描述数据的离散分布情况,也常用于异常值

    2024年02月03日
    浏览(57)
  • 数据可视化(七)常用图表的绘制

    1. 2.   3.   4.              

    2024年02月14日
    浏览(51)
  • excel两列数据绘制单折线图表

    有关excel的两列数据绘制出一张折线图或柱状图的方法。要求两列数据分别成为图表的横坐标和纵坐标。 首先,打开excel软件,输入数据(以下为范例,大家根据实际输入) 接着 选中将作为图表纵坐标的数据。 选择插入图表,选择折线图。 软件自动生成了图表。 可以发现,

    2024年02月16日
    浏览(35)
  • 用Python绘制六种可视化图表,简直太好用了

    前言 嗨喽~大家好呀,这里是魔王呐 ❤ ~! python资料、源码、教程: 点击此处跳转文末名片获取 可视化图表,有相当多种,但常见的也就下面几种,其他比较复杂一点,大都也是基于如下几种进行组合,变换出来的。 对于初学者来说,很容易被这官网上众多的图表类型给吓着

    2024年02月10日
    浏览(52)
  • pyecharts绘制各种数据可视化图表案例(效果+代码)

    1、pyecharts绘制饼图(显示百分比) 2、pyecharts绘制柱状图 3、pyecharts绘制折线图 4、pyecharts绘制柱形折线组合图 5、pyecharts绘制散点图 6、pyecharts绘制玫瑰图 7、pyecharts绘制词云图 8、pyecharts绘制雷达图 9、pyecharts绘制散点图 10、pyecharts绘制嵌套饼图 11、pyecharts绘制中国地图 12、

    2024年02月09日
    浏览(47)
  • Matplotlib可视化数据分析图表下(常用图表的绘制、折线图、柱形图、直方图、饼形图、散点图、面积图、热力图、箱形图、3D图表、绘制多个图表、双y轴可视化图表、颜色渐变图)

    本文来自《Python数据分析从入门到精通》_明日科技编著 本节介绍常用图表的绘制,主要包括绘制折线图、绘制柱形图、绘制直方图、绘制饼形图、绘制散点图、绘制面积图、绘制热力图、绘制箱型图、绘制3D图表、绘制多个子图表以及图表的保存。对于常用的图表类型以绘制

    2023年04月23日
    浏览(54)
  • python日常记账本源代码,基于PySide6,支持快速查询、绘制图表

    python日常记账本源代码,基于PySide6(Qt for Python 6)的账本,界面简洁、功能强大,支持保存文件、快速查询、绘制图表等,是平时记账的不错选择。账目查询、账本编辑、添加/删除、撤销/重做、统计数据、生成图表。 运行截图: 完整程序下载地址:python日常记账本源代码

    2024年02月11日
    浏览(68)
  • Python可视化神器:pyecharts,轻松绘制 30+ 种超实用精美图表!

    欢迎关注 ,专注 Python、数据分析、数据挖掘、好玩工具! 如果要问:Python 中有那些可视化工具库?我想很多人都能想起来 matplotlib,这是一款初学者绕不开的库,但随着对数据可视化的要求越来越高,matplotlib 已无法满足了。 今天我将和大家详细讲解 Pyecharts 模块,说到它

    2023年04月08日
    浏览(41)
  • Streamlit 讲解专栏(十二):数据可视化-图表绘制详解(下)

    数据可视化在数据分析和数据科学领域中扮演着至关重要的角色。通过可视化数据,我们能够更好地理解其背后的模式和趋势,从而作出准确的决策和预测。然而,要将原始数据转化为有意义的图表并不容易。这就是为什么我们需要强大而灵活的工具来帮助我们实现这一目标

    2024年02月09日
    浏览(36)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包