用Matplotlib如何绘制条形图、直方图和散点图

来源：懂视网责编：小采时间：2020-11-27 14:09:28

用Matplotlib如何绘制条形图、直方图和散点图

用Matplotlib如何绘制条形图、直方图和散点图:Matplotlib是一个Python 2D绘图库,它可以在各种平台上以各种硬拷贝格式和交互式环境生成出具有出版品质的图形。上一篇我们讲解到Matplotlib 中的图例，标题和标签介绍，今天我们开始正式画图。这个教程中我们会涉及条形图、直方图和散点图。我们先来看条形图

推荐度：

点击下载本文 文档为doc格式

导读用Matplotlib如何绘制条形图、直方图和散点图:Matplotlib是一个Python 2D绘图库,它可以在各种平台上以各种硬拷贝格式和交互式环境生成出具有出版品质的图形。上一篇我们讲解到Matplotlib 中的图例，标题和标签介绍，今天我们开始正式画图。这个教程中我们会涉及条形图、直方图和散点图。我们先来看条形图

Matplotlib是一个Python 2D绘图库,它可以在各种平台上以各种硬拷贝格式和交互式环境生成出具有出版品质的图形。

上一篇我们讲解到Matplotlib 中的图例，标题和标签介绍，今天我们开始正式画图。这个教程中我们会涉及条形图、直方图和散点图。我们先来看条形图：

条形图

import matplotlib.pyplot as plt
plt.bar([1,3,5,7,9],[5,2,7,8,2], label="Example one")
plt.bar([2,4,6,8,10],[8,6,2,5,6], label="Example two", color='g')
plt.legend()
plt.xlabel('bar number')
plt.ylabel('bar height')
plt.title('Epic Graph
Another Line! Whoa')
plt.show()

plt.bar为我们创建条形图。如果你没有明确选择一种颜色，那么虽然做了多个图，所有的条看起来会一样。这让我们有机会使用一个新的 Matplotlib 自定义选项。你可以在任何类型的绘图中使用颜色，例如g为绿色，b为蓝色，r为红色，等等。你还可以使用十六进制颜色代码，如#191970。

接下来，我们会讲解直方图。直方图非常像条形图，倾向于通过将区段组合在一起来显示分布。这个例子可能是年龄的分组，或测试的分数。我们并不是显示每一组的年龄，而是按照 20 ~ 25，25 ~ 30… 等等来显示年龄。这里有一个例子：

直方图

import matplotlib.pyplot as plt
population_ages = [22,55,62,45,21,22,34,42,42,4,99,102,110,120,121,122,130,111,115,112,80,75,65,54,44,43,42,48]
bins = [0,10,20,30,40,50,60,70,80,90,100,110,120,130]
plt.hist(population_ages, bins, histtype='bar', rwidth=0.8)
plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph
Check it out')
plt.legend()
plt.show()

产生的图表为：

对于plt.hist，你首先需要放入所有的值，然后指定放入哪个桶或容器。在我们的例子中，我们绘制了一堆年龄，并希望以 10 年的增量来显示它们。我们将条形的宽度设为 0.8，但是如果你想让条形变宽，或者变窄，你可以选择其他的宽度。

接下来，我们将介绍散点图。散点图通常用于比较两个变量来寻找相关性或分组，如果你在 3 维绘制则是 3 个。

散点图

散点图的一些示例代码：

import matplotlib.pyplot as plt
x = [1,2,3,4,5,6,7,8]
y = [5,2,4,2,1,4,5,2]
plt.scatter(x,y, label='skitscat', color='k', s=25, marker="o")
plt.xlabel('x')
plt.ylabel('y')
plt.title('Interesting Graph
Check it out')
plt.legend()
plt.show()

结果为：