用python如何画图

用Python画图主要可以通过以下几种方式：Matplotlib、Seaborn、Plotly、Bokeh。其中，Matplotlib 是最基础且常用的库，适合绘制各种基本图形；Seaborn 是基于 Matplotlib 的高级接口，主要用于统计图形的绘制；Plotly 和 Bokeh 则提供交互式绘图功能，适合用于数据分析和展示。下面将详细讲解如何使用 Matplotlib 进行绘图。

一、MATPLOTLIB 基础绘图

Matplotlib 是 Python 中最常用的绘图库之一，提供了丰富的绘图功能，可以绘制折线图、柱状图、散点图、饼图等多种图形。

1.安装和导入 Matplotlib

在开始绘图之前，确保已安装 Matplotlib。可以使用 pip 命令进行安装：

pip install matplotlib

安装完成后，可以在 Python 脚本中导入 Matplotlib：

import matplotlib.pyplot as plt

2.绘制折线图

折线图是展示数据变化趋势的常用图形。

import matplotlib.pyplot as plt
数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
创建图形
plt.plot(x, y)
设置标题和标签
plt.title('Line Graph Example')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
显示图形
plt.show()

3.绘制柱状图

柱状图用于比较不同类别的数据大小。

import matplotlib.pyplot as plt
数据
categories = ['A', 'B', 'C', 'D']
values = [4, 7, 1, 8]
创建柱状图
plt.bar(categories, values)
设置标题和标签
plt.title('Bar Chart Example')
plt.xlabel('Categories')
plt.ylabel('Values')
显示图形
plt.show()

4.绘制散点图

散点图用于展示两个变量之间的关系。

import matplotlib.pyplot as plt
数据
x = [5, 7, 8, 5, 6, 7, 9, 2, 3, 4, 4, 4, 4]
y = [99, 86, 87, 88, 100, 86, 103, 87, 94, 78, 77, 85, 86]
创建散点图
plt.scatter(x, y)
设置标题和标签
plt.title('Scatter Plot Example')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
显示图形
plt.show()

5.绘制饼图

饼图用于展示各部分在整体中的占比。

import matplotlib.pyplot as plt
数据
labels = ['Python', 'C++', 'Ruby', 'Java']
sizes = [215, 130, 245, 210]
创建饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140)
设置标题
plt.title('Pie Chart Example')
显示图形
plt.show()

二、SEABORN 进阶绘图

Seaborn 是一个基于 Matplotlib 的统计数据可视化库，提供了更加美观且易于使用的绘图接口。

1.安装和导入 Seaborn

同样地，确保已安装 Seaborn：

pip install seaborn

在 Python 脚本中导入 Seaborn：

import seaborn as sns
import matplotlib.pyplot as plt

2.绘制箱线图

箱线图用于显示数据分布及其异常值。

import seaborn as sns
import matplotlib.pyplot as plt
数据
data = sns.load_dataset('iris')
创建箱线图
sns.boxplot(x='species', y='sepal_length', data=data)
设置标题
plt.title('Box Plot Example')
显示图形
plt.show()

3.绘制热力图

热力图用于可视化矩阵数据或显示两变量之间的关系。

import seaborn as sns
import matplotlib.pyplot as plt
数据
data = sns.load_dataset('flights')
data_pivot = data.pivot('month', 'year', 'passengers')
创建热力图
sns.heatmap(data_pivot, cmap='coolwarm', annot=True)
设置标题
plt.title('Heatmap Example')
显示图形
plt.show()

4.绘制联合分布图

联合分布图用于同时查看两个变量的分布和相互关系。

import seaborn as sns
import matplotlib.pyplot as plt
数据
data = sns.load_dataset('iris')
创建联合分布图
sns.jointplot(x='sepal_length', y='sepal_width', data=data, kind='scatter')
显示图形
plt.show()

三、PLOTLY 和 BOKEH 的交互式绘图

Plotly 和 Bokeh 是两个用于创建交互式图形的库，适用于需要动态数据可视化的场景。

1.安装和导入 Plotly

安装 Plotly：

pip install plotly

在 Python 脚本中导入 Plotly：

import plotly.express as px

2.绘制交互式折线图

import plotly.express as px
数据
df = px.data.gapminder().query("country=='Canada'")
创建交互式折线图
fig = px.line(df, x='year', y='gdpPercap', title='Interactive Line Plot Example')
显示图形
fig.show()

3.安装和导入 Bokeh

安装 Bokeh：

pip install bokeh

在 Python 脚本中导入 Bokeh：

from bokeh.plotting import figure, show
from bokeh.io import output_notebook
output_notebook()

4.绘制交互式柱状图

from bokeh.plotting import figure, show
from bokeh.io import output_notebook
数据
categories = ['A', 'B', 'C', 'D']
values = [4, 7, 1, 8]
创建图形
p = figure(x_range=categories, title="Interactive Bar Chart Example", toolbar_location=None, tools="")
添加柱状图
p.vbar(x=categories, top=values, width=0.9)
显示图形
show(p)