Python:利用matplotlib库绘制统计图（饼图、直方图、散点图、极坐标图和网格图）

1、网格图

import matplotlib.pyplot as plt
import numpy as np
a=np.arange(0.0,5.0,0.02)
plt.plot(a,np.cos(2*np.pi*a),'b--')
plt.xlabel('横轴：时间',fontproperties='SimHei',fontsize=15,color='green')
plt.ylabel('纵轴：振幅',fontproperties='SimHei',fontsize=15,color='red')
plt.title(r'正弦波实例 $y=cos(2\pi x)$',fontproperties='SimHei',fontsize=15,color='yellow') #坐标图名称
plt.text(3,1,'(3,1)') #某一点的文本值
plt.annotate('(2,1)',xy=(2,1),xytext=(3,1.5),arrowprops=dict(facecolor='pink',shrink=0.1,width=2)) #shrink表示文本到箭头末端的距离
plt.axis([-1,6,-2,2]) #横、纵坐标范围
plt.grid(True) #网格线
plt.show()


2、饼图

import matplotlib.pyplot as plt
labels='sleeping','studying','eating','exercising' #每一块的标签
sizes=[15,30,45,10] #所占百分比
explode=(0,0.1,0,0) #所对应一块的分离情况
plt.pie(sizes,explode,labels=labels,autopct='%1.1f%%',shadow=True,startangle=90) 
plt.axis('equal') #以正圆展示
plt.show()



3、直方图

import matplotlib.pyplot as plt
import numpy as np
np.random.seed(0) #随机种子
mu,sigma=100,20 #正态分布的两个参数
a=np.random.normal(mu,sigma,size=100) #生产服从正太分布的随机数组元素
plt.hist(a,30,normed=1,histtype='stepfilled',facecolor='g',alpha=0.75) #30代表直方图中的方块数
plt.title('Histogrm')
plt.show()


4、极坐标图

import matplotlib.pyplot as plt
import numpy as np
N=10
theta=np.linspace(0.0,2*np.pi,N,endpoint=False)
radii=10*np.random.rand(N)
width=np.pi/4*np.random.rand(N)
ax=plt.subplot(111,projection='polar')
bars=ax.bar(theta,radii,width=width,bottom=0.0)
for r,bar in zip(radii,bars):
    bar.set_facecolor(plt.cm.viridis(r/10.))
    bar.set_alpha(0.5)
plt.show()

5、散点图

import matplotlib.pyplot as plt
import numpy as np
fig,ax=plt.subplots() #面向对象绘图
ax.plot(10*np.random.rand(100),10*np.random.randn(100),'o') 
#直接利用函数也可以 plt.plot(10*np.random.rand(100),10*np.random.randn(100),'go')
ax.set_title('Simple Scatter')
plt.show()