matplotlib 入门

为什么要学习matplotlib

1.能将数据进行可视化,更直观的呈现

2.使数据更加客观,更具说服力

什么是matplotlib

matplotlib:最流行的Python底层绘图库,主要做数据可视化图表,模仿MATLAB创建

基础绘图

案例

假设一天中每隔两个小时(range(2,26,2))的气温分别是[15,13,14.5,17,20,25,26,26,24,22,18,15]

 代码
import matplotlib.pyplot as plt
 规范,官方推荐构建坐标
x = range(2,26,2)
y = [15,13,14.5,17,20,25,26,26,24,22,18,15]
 画图
plt.plot(x, y)
 显示图标
plt.show()

设置图片大小

案例

 代码
fig = plt.figure(figsize=(20,8), dpi=100)
 figsize 接收一个元组,表示图片的高和宽,单位是英寸 dpi 分辨率,代表了每一英寸有多少个像素,默认80
plt.plot(x,y)
plt.show()

保存图片

 代码
fig = plt.figure(figsize=(20,8), dpi=100)
plt.plot(x,y)
fig.savefig('test.png')

x轴,y轴刻度调整

案例1

1 # 代码
2 plt.plot(x, y)
3 # x轴的刻度
4 plt.xticks(x)
5 # y轴的刻度
6 plt.yticks(y)
7 plt.show()

案例2

列表a表示10点到12点每一分钟的气温,如何绘制折线图观察每分钟气温的变化情况?

a = [random.randint(20,35) for i in range(120)]

 1 # 代码
 2 import random
 3 
 4 # 随机气温值
 5 # y = []
 6 # 产生120个随机值
 7 #for i in range(120):
 8 #    y.append(random.randint(20,35))
 9 # 列表生成式
10 y = [random.randint(20,35) for i in range(120)]
11 x = list(range(120))
12 # 设置图片大小
13 fig = plt.figure(figsize=(20,8))
14 # 画图
15 plt.plot(x,y)
16 # 调整刻度
17 xlables = ['10点{}分'.format(i) for i in range(60) ]
18 xlables += ['11点{}分'.format(i) for i in range(60) ]
19 plt.xticks(x[::3], xlables[::3])
20 plt.yticks(y)
21 plt.show()

显示中文

matplotlib默认不支持中文字符,需要修改默认字体来显示中文字符。

案例

 1 # 代码
 2 import random
 3 import matplotlib as mpl
 4 # 设置字符集
 5 mpl.rcParams['font.sans-serif'] = ['FangSong'] # 用来正常显示中文标签
 6 mpl.rcParams['font.size'] = 16         # 设置字体大小
 7 # 随机气温值
 8 # y = []
 9 # 产生120个随机值
10 #for i in range(120):
11 #    y.append(random.randint(20,35))
12 # 列表生成式
13 y = [random.randint(20,35) for i in range(120)]
14 x = list(range(120))
15 # 设置图片大小
16 fig = plt.figure(figsize=(20,8))
17 # 画图
18 plt.plot(x,y)
19 # 调整刻度
20 xlables = ['10点{}分'.format(i) for i in range(60) ]
21 xlables += ['11点{}分'.format(i) for i in range(60) ]
22 plt.xticks(x[::3], xlables[::3], rotation=45)
23 plt.yticks(y)
24 plt.show()

添加描述信息

x,y轴描述

 1 # 代码
 2 y = [random.randint(20,35) for i in range(120)]
 3 x = list(range(120))
 4 # 设置图片大小
 5 fig = plt.figure(figsize=(20,8))
 6 # 画图
 7 plt.plot(x,y)
 8 # 调整刻度
 9 xlables = ['10点{}分'.format(i) for i in range(60) ]
10 xlables += ['11点{}分'.format(i) for i in range(60) ]
11 plt.xticks(x[::3], xlables[::3], rotation=45)
12 plt.yticks(y)
13 # 添加描述
14 plt.xlabel('时间', color='red', fontdict={'fontsize': 20})
15 plt.ylabel('温度')
16 plt.show()

图形标题

 1 # 代码
 2 y = [random.randint(20,35) for i in range(120)]
 3 x = list(range(120))
 4 # 设置图片大小
 5 fig = plt.figure(figsize=(20,8))
 6 # 画图
 7 plt.plot(x,y)
 8 # 调整刻度
 9 xlables = ['10点{}分'.format(i) for i in range(60) ]
10 xlables += ['11点{}分'.format(i) for i in range(60) ]
11 plt.xticks(x[::3], xlables[::3], rotation=45)
12 plt.yticks(y)
13 # 添加描述
14 plt.xlabel('时间', color='red', fontdict={'fontsize': 20})
15 plt.ylabel('温度')
16 # 设置标题
17 plt.title('某日10点到12点间的温度变化情况')
18 plt.show()

网格

 1 # 代码
 2 # 代码
 3 y = [random.randint(20,35) for i in range(120)]
 4 x = list(range(120))
 5 # 设置图片大小
 6 fig = plt.figure(figsize=(20,8))
 7 # 画图
 8 plt.plot(x,y)
 9 # 调整刻度
10 xlables = ['10点{}分'.format(i) for i in range(60) ]
11 xlables += ['11点{}分'.format(i) for i in range(60) ]
12 plt.xticks(x[::3], xlables[::3], rotation=45)
13 plt.yticks(y)
14 # 添加描述
15 plt.xlabel('时间', color='red', fontdict={'fontsize': 20})
16 plt.ylabel('温度')
17 # 设置标题
18 plt.title('某日10点到12点间的温度变化情况')
19 # 添加网格
20 plt.grid(alpha=0.1)
21 plt.show()

一个图中画多个图

案例

问题:根据实际情况统计出来你和你的同桌各自从11岁到30岁每年交的女(男)朋友的数量如列表a和b,请在一个图中绘制出该数据的折线图,以便比较自己和同桌20年间的差异,同时分析每年交女(男)朋友的数量走势

a = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]

b = [1,0,3,1,2,2,3,3,2,1,2,1,1,1,1,1,1,1,1,1]

 1 #代码
 2 import matplotlib.pyplot as plt
 3 import matplotlib as mpl
 4 # 设置中文
 5 mpl.rcParams['font.sans-serif'] = ['FangSong'] # 用来正常显示中文标签
 6 mpl.rcParams['font.size'] = 16         # 设置字体大小
 7 # 构建坐标
 8 # x轴表示 年龄 ,y轴表示女朋友个数
 9 x = range(11, 31)
10 y_self = [1,0,1,1,2,4,3,2,3,4,4,5,6,5,4,3,3,1,1,1]
11 y_d = [1,0,3,1,2,2,3,3,2,1,2,1,1,1,1,1,1,1,1,1]
12 
13 # 创建容器
14 fig = plt.figure(figsize=(20,8))
15 # 画图
16 plt.plot(x, y_self, label='自己', color='black', linestyle='-.')
17 plt.plot(x, y_d, label='同桌')
18 # 设置刻度
19 x_lables = ['{}岁'.format(i) for i in x]
20 plt.xticks(x, x_lables)
21 
22 plt.xlabel('年龄')
23 plt.ylabel('女朋友个数')
24 plt.title('我和同桌历年交女朋友个数对比')
25 # 设置了图例一定要加上这句话
26 plt.legend()
27 plt.grid(alpha=0.3)
28 # 标记点
29 plt.annotate('最高点',xy=(23,6), xytext=(24, 6),arrowprops={'arrowstyle': '<->'})
30 plt.show()

自定义绘图风格

1 # 代码
2 plt.plot(
3     x,
4     y,
5     color='r', # 线条颜色
6     linestyle='--',    # 线条风格
7     linewidth=5,    # 线条粗细
8     alpha=0.5        #透明度
9 )

标记一个点

 1 # 代码
 2 plt.annotate(text='最高点', xytext=(24, 6.1), xy=(23, 6), arrowprops={'arrowstyle': '->'})
 3 # text 想要标记的文本
 4 # xytext 标记文本的坐标
 5 # xy 被标记点的坐标 
 6 # arrowprops 箭头形式
 7 '''
 8            ============   =============================================
 9             Name           Attrs
10             ============   =============================================
11             ``'-'``        None
12             ``'->'``       head_length=0.4,head_width=0.2
13             ``'-['``       widthB=1.0,lengthB=0.2,angleB=None
14             ``'|-|'``      widthA=1.0,widthB=1.0
15             ``'-|>'``      head_length=0.4,head_width=0.2
16             ``'<-'``       head_length=0.4,head_width=0.2
17             ``'<->'``      head_length=0.4,head_width=0.2
18             ``'<|-'``      head_length=0.4,head_width=0.2
19             ``'<|-|>'``    head_length=0.4,head_width=0.2
20             ``'fancy'``    head_length=0.4,head_width=0.4,tail_width=0.4
21             ``'simple'``   head_length=0.5,head_width=0.5,tail_width=0.2
22             ``'wedge'``    tail_width=0.3,shrink_factor=0.5
23             ============   =============================================
24 '''

总结

1.绘制了折线图

2.设置了图片的大小和分辨率

3.实现的图片的保存

4.设置了XY轴的刻度和字符串

5.解决了刻度稀疏和密度的问题

6.设置了标题,x,y轴的lable

7.设置了字体

8.在一个图上绘制多个图形

9.为不同图形添加图例

绘制散点图

假设通过爬虫你获取到了北京2016年3月份,10月份每天白天的最高气温(分别位于列表 a, b),要求找出气温随时间变化的规律。

1 a = [10, 16, 17, 14, 12, 10, 12, 6, 6, 7, 8, 9, 12, 15, 15, 17, 18, 21, 16, 16, 20, 13, 15, 15, 15, 18, 20, 22, 22, 22, 24]
2 b = [26, 26, 28, 19, 21, 17, 16, 19, 18, 20, 20, 19, 22, 23, 17, 20, 21, 20, 22, 15, 11, 15, 5, 13, 17, 10, 11, 13, 12, 13, 6]
3 # 数据来源:http://lishi.tianqi.com/beijing/201610.html

散点图的更多应用场景

不同条件(维度)之间的内在关联关系

观察数据的离散程度

绘制条形图

问题1

假设获取到2019年内地电影票房前20的电影(列表x)和电影票房数据(列表y),那么如何更加直观的展示数据。

1 x = ['哪吒之魔童降世', '流浪地球', '复仇者联盟4:终局之战', '疯狂的外星人', '飞驰人生', '烈火英雄', '速度与激情:特别行动', '蜘蛛侠:英雄远征', '扫毒2天地对决', '大黄蜂', '惊奇队长', '比悲伤更悲伤的故事', '哥斯拉2:怪兽之王', '阿丽塔:战斗天使', '银河补习班', '狮子王', '反贪风暴4 ', '熊出没·原始时代', '使徒行者2:谍影行动', '大侦探皮卡丘']
2 y = [49.04, 46.18, 42.05, 21.83, 17.03, 16.74, 14.16, 14.01, 12.85, 11.38, 10.25, 9.46, 9.27, 8.88, 8.64, 8.23, 7.88, 7.09, 6.92, 6.34]
 1 # 代码
 2 import matplotlib as mpl
 3 import matplotlib.pyplot as plt
 4 
 5 # 设置中文
 6 mpl.rcParams['font.sans-serif'] = ['FangSong'] # 用来正常显示中文标签
 7 mpl.rcParams['font.size'] = 16         # 设置字体大小
 8 
 9 # 构建坐标
10 movies = ['哪吒之魔童降世', '流浪地球', '复仇者联盟4:终局之战', '疯狂的外星人', '飞驰人生', '烈火英雄', '速度与激情:特别行动', '蜘蛛侠:英雄远征', '扫毒2天地对决', '大黄蜂', '惊奇队长', '比悲伤更悲伤的故事', '哥斯拉2:怪兽之王', '阿丽塔:战斗天使', '银河补习班', '狮子王', '反贪风暴4 ', '熊出没·原始时代', '使徒行者2:谍影行动', '大侦探皮卡丘']
11 
12 y = [49.04, 46.18, 42.05, 21.83, 17.03, 16.74, 14.16, 14.01, 12.85, 11.38, 10.25, 9.46, 9.27, 8.88, 8.64, 8.23, 7.88, 7.09, 6.92, 6.34]
13 
14 x = range(len(movies))
15 
16 # 画图
17 fig = plt.figure(figsize=(20,8), dpi=100)
18 plt.bar(x, y, width=0.5, color='orange')
19 # 刻度
20 plt.xticks(x, movies, rotation=-90)
21 
22 plt.xlabel('电影')
23 plt.ylabel('票房(亿元)')
24 plt.title('2019年内地前20名电影票房榜')
25 # 网格
26 # plt.grid()
27 plt.show()

横向的条形图

 1 # 代码
 2 import matplotlib as mpl
 3 import matplotlib.pyplot as plt
 4 
 5 # 设置中文
 6 mpl.rcParams['font.sans-serif'] = ['FangSong'] # 用来正常显示中文标签
 7 mpl.rcParams['font.size'] = 16         # 设置字体大小
 8 
 9 # 构建坐标
10 movies = ['哪吒之魔童降世', '流浪地球', '复仇者联盟4:终局之战', '疯狂的外星人', '飞驰人生', '烈火英雄', '速度与激情:特别行动', '蜘蛛侠:英雄远征', '扫毒2天地对决', '大黄蜂', '惊奇队长', '比悲伤更悲伤的故事', '哥斯拉2:怪兽之王', '阿丽塔:战斗天使', '银河补习班', '狮子王', '反贪风暴4 ', '熊出没·原始时代', '使徒行者2:谍影行动', '大侦探皮卡丘']
11 
12 y = [49.04, 46.18, 42.05, 21.83, 17.03, 16.74, 14.16, 14.01, 12.85, 11.38, 10.25, 9.46, 9.27, 8.88, 8.64, 8.23, 7.88, 7.09, 6.92, 6.34]
13 
14 x = range(len(movies))
15 
16 # 画图
17 fig = plt.figure(figsize=(20,8), dpi=100)
18 plt.barh(x, y, color='orange')
19 # 刻度
20 plt.yticks(x, movies)
21 
22 plt.ylabel('电影')
23 plt.xlabel('票房(亿元)')
24 plt.title('2019年内地前20名电影票房榜')
25 # 网格
26 # plt.grid()
27 plt.show()

问题2

列表a中的电影的电影最近5天的电影分别在列表,b_25,b_26,b_27,b_28,b_29中,为了展示电影本身票房,及同其他电影数据的对比,应该如何更加直观的呈现数据。

1 a = ['决胜时刻', '诛仙Ⅰ', '小小的愿望']
2 b_25 = [891.4, 246.71, 550.45]
3 b_26 = [819.27, 397.18, 513.67]
4 b_27 = [867.78, 480.43, 752.36]
5 b_28 = [533.09, 500.42, 780.69]
6 b_29 = [679.87, 462.28, 374.11]
 1 # 代码
 2 # 导库
 3 import matplotlib as mpl
 4 import matplotlib.pyplot as plt
 5 
 6 # 设置中文
 7 mpl.rcParams['font.sans-serif'] = ['Fangsong']
 8 mpl.rcParams['font.size'] = 16
 9 # 准备数据
10 a = ['决胜时刻', '诛仙Ⅰ', '小小的愿望']
11 b_25 = [891.4, 246.71, 550.45]
12 b_26 = [819.27, 397.18, 513.67]
13 b_27 = [867.78, 480.43, 752.36]
14 b_28 = [533.09, 500.42, 780.69]
15 b_29 = [679.87, 462.28, 374.11]
16 #
17 fig = plt.figure(figsize=(20,8))
18 width = 0.1
19 plt.bar(range(3), b_25, width=width)
20 plt.bar([i+width for i in range(3)], b_26, width=width, label='9月26日')
21 plt.bar([i+width*2 for i in range(3)], b_27, width=width, label='9月27日')
22 plt.bar([i+width*3 for i in range(3)], b_28, width=width, label='9月28日')
23 plt.bar([i+width*4 for i in range(3)], b_29, width=width, label='9月29日')
24 # 刻度
25 plt.xticks([0.2, 1.2, 2.2], a)
26 # 描述信息
27 plt.xlabel('电影')
28 plt.ylabel('票房(万)')
29 plt.title('某些电影的票房')
30 plt.legend()
31 plt.show()

条形图的更多应用场景

数量统计

频率统计

绘制直方图

问题1

我们获取了347部电影的时长(列表data中),希望统计出这些电影的时长的分布状态(比如时长100到120分钟电影的数量,出现频次)等信息,你该如何呈现这些数据?

1 data = [110, 201, 160, 152, 139, 178, 179, 83, 67, 132, 136, 177, 162, 110, 132, 115, 108, 102, 76, 105, 108, 24, 140, 162, 143, 165, 163, 95, 129, 137, 84, 93, 115, 96, 145, 173, 102, 116, 100, 120, 119, 88, 108, 136, 144, 111, 212, 87, 120, 91, 126, 55, 134, 181, 159, 138, 119, 138, 93, 155, 119, 88, 108, 136, 144, 111, 212, 87, 120, 91, 126, 55, 134, 181, 159, 138, 119, 138, 93, 155, 89, 140, 139, 75, 230, 179, 126, 178, 102, 91, 150, 96, 118, 100, 125, 130, 144, 140, 124, 157, 162, 121, 170, 111, 124, 99, 102, 75, 120, 139, 110, 138, 40, 70, 138, 137, 123, 133, 161, 83, 89, 140, 139, 75, 230, 179, 126, 178, 102, 91, 150, 96, 118, 100, 125, 130, 144, 140, 124, 157, 162, 121, 170, 111, 124, 99, 102, 75, 120, 139, 110, 138, 40, 70, 138, 137, 123, 133, 161, 83, 93, 121, 105, 106, 140, 101, 124, 148, 131, 101, 90, 90, 100, 129, 100, 94, 96, 89, 144, 100, 107, 90, 137, 133, 97, 84, 99, 142, 126, 132, 144, 124, 112, 111, 169, 151, 132, 169, 127, 120, 162, 121, 170, 111, 124, 99, 102, 75, 120, 139, 110, 138, 40, 70, 138, 137, 123, 133, 161, 83, 93, 121, 105, 106, 140, 101, 124, 148, 131, 101, 90, 90, 100, 129, 100, 94, 96, 89, 144, 100, 107, 90, 137, 133, 97, 84, 99, 142, 126, 132, 144, 124, 112, 111, 169, 151, 132, 169, 127, 120, 101, 141, 99, 139, 132, 93, 136, 127, 87, 96, 108, 120, 111, 130, 91, 237, 151, 76, 102, 64, 118, 84, 84, 105, 140, 144, 133, 93, 123, 147, 130, 149, 147, 121, 114, 105, 104, 98, 115, 93, 121, 105, 106, 140, 101, 124, 148, 131, 101, 90, 90, 100, 129, 100, 94, 96, 89, 144, 100, 107, 90, 137, 133, 97, 84, 99, 142, 126, 132, 144, 124, 112, 111, 169, 151, 132, 169, 127, 120, 101, 141, 99, 139, 132, 93, 136, 127]
 1 # 代码
 2 import matplotlib as mpl
 3 import matplotlib.pyplot as plt
 4 
 5 # 设置中文
 6 mpl.rcParams['font.sans-serif'] = ['Fangsong']
 7 mpl.rcParams['font.size'] = 16
 8 
 9 # 准备数据
10 data = [110, 201, 160, 152, 139, 178, 179, 83, 67, 132, 136, 177, 162, 110, 132, 115, 108, 102, 76, 105, 108, 24, 140, 162, 143, 165, 163, 95, 129, 137, 84, 93, 115, 96, 145, 173, 102, 116, 100, 120, 119, 88, 108, 136, 144, 111, 212, 87, 120, 91, 126, 55, 134, 181, 159, 138, 119, 138, 93, 155, 119, 88, 108, 136, 144, 111, 212, 87, 120, 91, 126, 55, 134, 181, 159, 138, 119, 138, 93, 155, 89, 140, 139, 75, 230, 179, 126, 178, 102, 91, 150, 96, 118, 100, 125, 130, 144, 140, 124, 157, 162, 121, 170, 111, 124, 99, 102, 75, 120, 139, 110, 138, 40, 70, 138, 137, 123, 133, 161, 83, 89, 140, 139, 75, 230, 179, 126, 178, 102, 91, 150, 96, 118, 100, 125, 130, 144, 140, 124, 157, 162, 121, 170, 111, 124, 99, 102, 75, 120, 139, 110, 138, 40, 70, 138, 137, 123, 133, 161, 83, 93, 121, 105, 106, 140, 101, 124, 148, 131, 101, 90, 90, 100, 129, 100, 94, 96, 89, 144, 100, 107, 90, 137, 133, 97, 84, 99, 142, 126, 132, 144, 124, 112, 111, 169, 151, 132, 169, 127, 120, 162, 121, 170, 111, 124, 99, 102, 75, 120, 139, 110, 138, 40, 70, 138, 137, 123, 133, 161, 83, 93, 121, 105, 106, 140, 101, 124, 148, 131, 101, 90, 90, 100, 129, 100, 94, 96, 89, 144, 100, 107, 90, 137, 133, 97, 84, 99, 142, 126, 132, 144, 124, 112, 111, 169, 151, 132, 169, 127, 120, 101, 141, 99, 139, 132, 93, 136, 127, 87, 96, 108, 120, 111, 130, 91, 237, 151, 76, 102, 64, 118, 84, 84, 105, 140, 144, 133, 93, 123, 147, 130, 149, 147, 121, 114, 105, 104, 98, 115, 93, 121, 105, 106, 140, 101, 124, 148, 131, 101, 90, 90, 100, 129, 100, 94, 96, 89, 144, 100, 107, 90, 137, 133, 97, 84, 99, 142, 126, 132, 144, 124, 112, 111, 169, 151, 132, 169, 127, 120, 101, 141, 99, 139, 132, 93, 136, 127]
11 # 组距
12 bin_width = 8
13 max_value = max(data)
14 min_value = min(data)
15 
16 bins = (max_value - min_value)//bin_width
17 
18 # 实际组距
19 real_width = (max_value - min_value)/bins
20 
21 # 设置大小
22 fig = plt.figure(figsize=(20,8))
23 plt.hist(data, bins)
24 print([min_value + i*bin_width for i in range(bins)])
25 # x轴刻度
26 plt.xticks([min_value + i*real_width for i in range(bins)], rotation=45)
27 plt.grid()
28 plt.show()

需要注意的点:

1.组数的选择

    组数要适当,较少会有太大的统计误差,太多规律不明显。

     当数据在100以内时,按数据多少一般分5-12组

      当数据较多时可以按照组距进行分组

       组距:是指每组的两个端点的距离

      组数:=极差/组距 = (最大数据-最小数据)/组距

2.x轴刻度

   正常情况下实际组距会是小数,所以刻度需要按照实际组距来,否则或者图形偏移的情况

   实际组距=极差/组数

    刻度列表=[最小数据+实际组距*i for i in range(组数+1)]

3.频数直方图与频率直方图

        频率分布直方图纵轴表示频率/组距,横轴表示哥组组距,若求某一组的频率,就用纵轴的频率/组距*横轴的组距,即得该组频率。

        频率 = 频数/数据总数

问题2

美国人口普查发现有1.24亿人在外工作。根据他们从家到上班地点所需要的时间,通过抽样统计出了下表的数据,这些数据能绘制成直方图吗?

1 interval = [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 60, 90, 150]
2 width = [5, 5, 5, 5, 5, 5, 5, 5, 5, 15, 30, 60]
3 quantity = [4180, 13687, 18618, 19634, 17981, 7190, 16369, 3212, 4122, 9200, 6461, 3435]
4 # 数据来源:https://en.wikipedia.org/wiki/Histogram

思考这个数据能绘制直方图吗?

给出的数据是统计之后的数据,所以为了达到直方图的效果,需要绘制条形图。

结论:一般来说能够使用plthist方法绘制直方图的是那些没有统计过的原始数据

 1  代码
 2 import matplotlib as mpl
 3 import matplotlib.pyplot as plt
 4 
 5 # 设置中文
 6 mpl.rcParams['font.sans-serif'] = ['Fangsong']
 7 mpl.rcParams['font.size'] = 16
 8 # 用条形图模拟直方图
 9 # 数据
10 interval = [0, 5, 10, 15, 20, 25, 30, 35, 40, 45, 60, 90, 150]
11 width = [5, 5, 5, 5, 5, 5, 5, 5, 5, 15, 30, 60]
12 quantity = [4180, 13687, 18618, 19634, 17981, 7190, 16369, 3212, 4122, 9200, 6461, 3435]
13 
14 # 画图
15 plt.figure(figsize=(20,8))
16 for i in range(len(width)):
17     plt.bar([interval[i]+width[i]/2], [quantity[i]], width=width[i], color='orange')
18 # plt.bar(interval[1:], quantity, width=5)
19 
20 # 刻度
21 plt.xticks(interval)
22 
23 # x轴 ,y周的信息
24 
25 plt.show()

其他图形

matplotlib还可以画其他图形,官网有详细案例,以及代码,在工作中如有需要,再进行查阅。

官网地址:https://matplotlib.org/gallery/index.html

上一篇:学会这120个PS技巧,让你的设计牛起来!


下一篇:alpha冲刺