Python 数据可是化折线图、散点图、柱状图

总结一些自己在实验中用到的可视化代码，以便于自己以后实验使用。

1.折线图

# %%
import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties

#mac支持中文
font = FontProperties(fname=‘/Library/Fonts/Songti.ttc‘)

# 数据准备
x = range(1, 11)
y1 = [0.514820119, 0.540265696, 0.514820119, 0.514820119, 0.552988485, 0.514820119, 0.496779618, 0.514820119, 0.527542907, 0.514820119]
y2 = [0.188128434, 0.188128434, 0.188128434, 0.188128434, 0.188128434, 0.188128434, 0.188128434, 0.188128434, 0.188128434, 0.188128434]
y3 = [0.726365738, 0.682187617, 0.683241911, 0.685723948, 0.688467763, 0.689401198, 0.690968143, 0.691350712, 0.694016418, 0.694324856]
y4 = [0.734460903, 0.696623025, 0.696934759, 0.697733559, 0.697891845, 0.697293132, 0.697519995, 0.695791853, 0.69578938, 0.695674162]
y5 = [0.809058993, 0.717387038, 0.717405582, 0.717170923, 0.716692194, 0.715951522, 0.716337443, 0.718476258, 0.718576645, 0.718658172]

plt.plot(x, y1, label=‘算法1‘)
plt.plot(x, y2, label=‘算法2‘)
plt.plot(x, y3, label=‘算法3‘)
plt.plot(x, y4, label=‘算法4‘)
plt.plot(x, y5, label=‘算法5‘)

plt.legend(loc=‘lower right‘, prop=font)  # 让图例生效
plt.xlabel("实验次数", fontproperties=font)  # X轴标签
plt.ylabel("实验准确度", fontproperties=font)  # Y轴标签
plt.title("Comparison of algorithm accuracy")  # 标题

plt.show()

直线度分开展示

import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties

# mac支持中文
font = FontProperties(fname=‘/Library/Fonts/Songti.ttc‘)

x = range(1, 11)
yD = [0.514820119, 0.540265696, 0.514820119, 0.514820119, 0.552988485, 0.514820119, 0.496779618, 0.514820119, 0.527542907, 0.514820119]
yE = [0.188128434, 0.188128434, 0.188128434, 0.188128434, 0.188128434, 0.188128434, 0.188128434, 0.188128434, 0.188128434, 0.188128434]
yL = [0.726365738, 0.682187617, 0.683241911, 0.685723948, 0.688467763, 0.689401198, 0.690968143, 0.691350712, 0.694016418, 0.694324856]
yR = [0.734460903, 0.696623025, 0.696934759, 0.697733559, 0.697891845, 0.697293132, 0.697519995, 0.695791853, 0.69578938, 0.695674162]
yX = [0.809058993, 0.717387038, 0.717405582, 0.717170923, 0.716692194, 0.715951522, 0.716337443, 0.718476258, 0.718576645, 0.718658172]

# 生成图片格式
fig = plt.figure()

ax1 = fig.add_subplot(121)
ax1.spines[‘right‘].set_color(‘none‘)     # 去掉右边的边框线
ax1.spines[‘top‘].set_color(‘none‘)       # 去掉上边的边框线
ax1.plot(x, yD, label=‘算法1‘)
ax1.plot(x, yE, label=‘算法2‘)

# 对x轴和y轴的刻度进行限制
plt.xticks(
    [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
    [r‘0‘, r‘1‘, r‘2‘, r‘3‘, r‘4‘, r‘5‘, r‘6‘, r‘7‘, r‘8‘, r‘9‘, r‘10‘]
)
plt.yticks(
    [0, 0.1, 0.2, 0.4, 0.5, 0.6, 0.7, 0.8],
    [r‘0‘, r‘0.1‘, r‘0.2‘, r‘0.3‘, r‘0.4‘, r‘0.5‘, r‘0.6‘, r‘0.7‘, r‘0.78‘]
)

plt.legend(loc=‘up right‘, prop=font)  # 让图例生效
plt.xlabel(r‘实验次数‘, fontproperties=font)  # X轴标签
plt.ylabel(r‘准确度‘, fontproperties=font)  # Y轴标签

ax2 = fig.add_subplot(122)
ax2.spines[‘right‘].set_color(‘none‘)     # 去掉右边的边框线
ax2.spines[‘top‘].set_color(‘none‘)       # 去掉上边的边框线
ax2.plot(x, yL, label=‘算法3‘)
ax2.plot(x, yR, label=‘算法4‘)
ax2.plot(x, yX, label=‘算法5‘)

plt.xticks(
    [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
    [r‘0‘, r‘1‘, r‘2‘, r‘3‘, r‘4‘, r‘5‘, r‘6‘, r‘7‘, r‘8‘, r‘9‘, r‘10‘]
)
plt.legend(loc=‘up right‘, prop=font)  # 让图例生效
plt.xlabel(r‘实验次数‘, fontproperties=font)  # X轴标签
# plt.xlabel("实验次数", fontproperties=font)  # X轴标签
plt.ylabel(r‘准确度‘, fontproperties=font)  # Y轴标签
fig.suptitle(r‘算法准确度对比‘, fontproperties=font, fontsize=15)

# 增加子图间的间隔
fig.subplots_adjust(hspace=0.4)
plt.show()

3.柱状图

import matplotlib.pyplot as plt
from matplotlib.font_manager import FontProperties

# mac支持中文
font = FontProperties(fname=‘/Library/Fonts/Songti.ttc‘)
#
Conference = {‘AAAI‘: 18, ‘ACL‘: 4, ‘CIKM‘: 12, ‘CogSci‘: 1, ‘ICLR‘: 4, ‘ICML‘: 6, ‘IJCAI‘: 17, ‘KDD‘: 31, ‘NIPS‘: 3, ‘SDM‘: 2, ‘TKDE‘: 1, ‘WSDM‘: 7, ‘WWW‘: 6}
# 数据
x = []
y = []
for key, value in Conference.items():
    x.append(key)
    y.append(value)

# 设置图片的大小格式
plt.figure(figsize=(8, 5))

plt.bar(x, y, tick_label=x)

plt.xlabel("会议", fontproperties=font)  # X轴标签
plt.ylabel("数量", fontproperties=font)  # Y轴标签

plt.show()

4.柱状图 + 彩色

import matplotlib.pyplot as plt
import seaborn as sns
from pandas import DataFrame

plt.rc("font", family="SimHei", size="12")  # 用于解决中文显示不了的问题

# 数据
Conference = {‘AAAI‘: 18, ‘ACL‘: 4, ‘CIKM‘: 12, ‘CogSci‘: 1, ‘ICLR‘: 4, ‘ICML‘: 6, ‘IJCAI‘: 17, ‘KDD‘: 31, ‘NIPS‘: 3, ‘SDM‘: 2, ‘TKDE‘: 1, ‘WSDM‘: 7, ‘WWW‘: 6}
x_Conference = []
y_Conference = []
for (key, value) in Conference.items():
    x_Conference.append(key)
    y_Conference.append(value)
dictionary = {‘会议‘: x_Conference, ‘数量‘: y_Conference}
frame = DataFrame(dictionary)

# 设置图片的大小格式
plt.figure(figsize=(8, 5))

sns.barplot(x=‘会议‘, y=‘数量‘, data=frame)

plt.show()

4.折线图 + 标记

import matplotlib.pyplot as plt

plt.rc("font", family="SimHei", size="12")  # 用于解决中文显示不了的问题

x = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10]
y1 = [0.73, 0.69, 0.73, 0.75, 0.73, 0.70, 0.73, 0.72, 0.74, 0.73]
y2 = [0.70, 0.65, 0.70, 0.74, 0.70, 0.68, 0.70, 0.71, 0.69, 0.70]
y3 = [0.69, 0.70, 0.69, 0.66, 0.69, 0.71, 0.69, 0.68, 0.72, 0.69]
y4 = [0.45, 0.47, 0.45, 0.5, 0.45, 0.43, 0.45, 0.47, 0.44, 0.45]

plt.plot(x, y1, marker=‘.‘, label=‘算法1‘)
plt.plot(x, y2, marker=‘*‘, label=‘算法2‘)
plt.plot(x, y3, marker=6, label=‘算法3‘)
plt.plot(x, y4, marker=‘H‘, label=‘算法4‘)

plt.legend()  # 让图例生效

plt.xticks([1, 2, 3, 4, 5, 6, 7, 8, 9, 10], [r‘1‘, r‘2‘, r‘3‘, r‘4‘, r‘5‘, r‘6‘, r‘7‘, r‘8‘, r‘9‘, r‘10‘])
plt.yticks([0.3,  0.5,  0.7, 0.9], [r‘0.3‘, r‘0.5‘, r‘0.7‘, r‘0.9‘])

plt.xlim(0, 11)
plt.ylim(0.2, 1.0)

plt.xlabel("实验次数")  # X轴标签
plt.ylabel("准确率")  # Y轴标签
plt.title("XXXXX实验结果")  # 标题

plt.show()

5.散点图

import matplotlib.pyplot as plt
import numpy as np
import matplotlib

# 设置图片尺寸 8 x 4
matplotlib.rc(‘figure‘, figsize=(8, 4))
# 不显示顶部和右侧的坐标线
matplotlib.rc(‘axes.spines‘, top=False, right=False)
# 不显示网格
matplotlib.rc(‘axes‘, grid=True)

# 0.数据
x_data = np.random.rand(100) * 100
y_data = np.random.rand(100) * 100

# 1.画图
plt.scatter(x_data, y_data, s=10, color=‘k‘)
plt.title("title")
plt.xlabel("x_label")
plt.ylabel("y_label")
plt.show()

6.横向柱状图

import numpy as np
import matplotlib.pyplot as plt
import matplotlib

# 设置图片尺寸 14" x 7"
matplotlib.rc(‘figure‘, figsize=(8, 4))
# 设置字体 14
# matplotlib.rc(‘font‘, size=20)
# 不显示顶部和右侧的坐标线
matplotlib.rc(‘axes.spines‘, top=False, right=False)
# 不显示网格
matplotlib.rc(‘axes‘, grid=False)
# 设置背景颜色是白色
matplotlib.rc(‘axes‘, facecolor=‘white‘)

name = [‘类别1‘, ‘类别2‘, ‘类别3‘, ‘类别4‘, ‘类别5‘, ‘类别6‘, ‘类别7‘, ‘类别8‘, ‘类别9‘, ‘类别10‘]

# 绘图
x = np.arange(10)
data = np.random.rand(10) * 100
plt.barh(x, data, tick_label=name, alpha=0.6)
plt.show()

7.多柱柱状图

import matplotlib.pyplot as plt
import numpy as np

# x = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
x_name = range(1, 11)
y1 = np.random.rand(10) * 100
y2 = np.random.rand(10) * 100
y3 = np.random.rand(10) * 100
y4 = np.random.rand(10) * 100

x = list(range(0, 10))

total_width, n = 0.8, 4
width = total_width / n

plt.bar(x, y1, width=width, label=‘Algorithm1‘)

for i in range(len(x)):
    x[i] = x[i] + width
plt.bar(x, y2, width=width, label=‘Algorithm2‘, tick_label=x_name)

for i in range(len(x)):
    x[i] = x[i] + width
plt.bar(x, y3, width=width, label=‘Algorithm3‘)

for i in range(len(x)):
    x[i] = x[i] + width
plt.bar(x, y4, width=width, label=‘Algorithm4‘)

plt.legend()
plt.show()

8.柱状图 + seaborn

import matplotlib.pyplot as plt
import seaborn as sns

data = [0.53, 0.45, 0.5, 0.40, 0.894765739, 0.89775031, 0.898468296, 0.91413729, 0.913968352, 0.913968352]

sns.countplot(data)
plt.show()

原文地址：https://www.cnblogs.com/JCcodeblgos/p/10111403.html

时间： 2024-11-05 13:43:58

Python 数据可是化折线图、散点图、柱状图的相关文章

[转]用Matplotlib绘制折线图散点图柱状图圆饼图

Matplotlib是一个Python工具箱,用于科学计算的数据可视化.借助它,Python可以绘制如Matlab和Octave多种多样的数据图形. 安装 Matplotlib并不是Python的默认组件,需要额外安装. 官方下载地址 http://matplotlib.org/downloads.html 必须下载与自己的Python版本,操作系统类型对应的安装包.如Windows 64位+Python3.3,应该下载matplotlib-1.3.1.win-amd64-py3.3.exe 第

VS2010 使用TeeChart画图控件 - 之二 - 绘制图形（折线图，柱状图）

1.前期准备详细可见VS2010 使用TeeChart画图控件 - 之中的一个控件和类的导入 1. 1 加入TeeChart控件,给控件加入变量m_TeeChart 加入TeeChart控件,右击控件,选择加入变量,vs会自己主动给我们引入CTchart1这个类,可是仅仅有这个类,我们是远远不够的,须要加入teechart其它相关的类,加入方法在之前已经讲过,不再反复. 1.2. 引入必要的头文件事实上之前的方法比較麻烦,更简单就是通过类向导,导入类型库的类如图进入类向导,选择加入类bu

Android画折线图、柱状图、饼图（使用achartengine.jar）

自从用了画折线的jar包之后,就不想再用canvas画布去画了,编程就是要站在巨人的肩膀上. 所需要的jar包achartenginejar 折线代码布局文件就不上传了很简单另一种线的渲染器扇形图代码柱状图代码属性总结部分代码新测试代码下载地址所需要的jar包:achartengine.jar 下载地址:http://download.csdn.net/detail/zhengyikuangge/9460642 折线代码(布局文件就不上传了,很简单): package com.exa

第四篇：R语言数据可视化之折线图、堆积图、堆积面积图

前言折线图通常用来对两个连续变量的依存关系进行可视化,其中横轴很多时候是时间轴. 但横轴也不一定是连续型变量,可以是有序的离散型变量. 绘制基本折线图本例选用如下测试数据集: 绘制方法是首先调用ggplot函数选定数据集,并在aes参数中指明横轴纵轴.然后调用条形图函数geom_line()便可绘制出基本折线图.R语言示例代码如下: # 基函数 ggplot(BOD, aes(x = Time, y = demand)) + # 折线图函数 geom_line() 运行结果: 向折线

RDLC报表系列(六) 多图表-折线图和柱状图

美好的一天开始了,这篇是RDLC系列的最后一篇文章,我的小项目也已经release,正在测试中. 1.新建demo3.aspx和demo3.rdlc文件 2.往rdlc文件中拖一个图标控件,在弹出的窗口中选择某一类“柱状图”,点击确定 3.在底部的“将类别字段拖至此处”区域选择你要分类的字段,这里为[FiscalMonth] 4.在上面的“将数据字段拖至此处”区域选择你要显示的数据字段,并将函数Count改为Sum,这里[Sum(Actual)]和[Sum(Budget)]. 5.在[Sum(B

Python数据可视化——使用Matplotlib创建散点图

Matplotlib简述: Matplotlib是一个用于创建出高质量图表的桌面绘图包(主要是2D方面).该项目是由John Hunter于2002年启动的,其目的是为Python构建一个MATLAB式的绘图接口.如果结合Python IDE使用比如PyCharm,matplotlib还具有诸如缩放和平移等交互功能.它不仅支持各种操作系统上许多不同的GUI后端,而且还能将图片导出为各种常见的矢量(vector)和光栅(raster)图:PDF.SVG.JPG.PNG.BMP.GIF等. 此外,M

echart 折线图、柱状图、饼图、环形图颜色修改

之前在做报表的时候用过echart 用完也就完了,而这次在用的时候已经忘了,所以这里简单记录一下,好记性不如烂笔头!!! 1.折线图修改颜色: [javascript] view plain copy xAxis: { type: 'category', boundaryGap: false, data: ['年龄','20岁以下','30岁','40岁','50岁','60岁','60岁以上'] }, yAxis: { type: 'value' }, series: [ { name:'员工

运用canvas绘折线图和柱状图

一.绘制折线图 1.首先,随便定义一个数组对象代表坐标,然后绘出打底的网格线: <canvas width="600px" height="400px" ></canvas> <script> var mycanvas=document.querySelector("canvas"); var pan=mycanvas.getContext("2d"); var wid=mycanvas.w

图表echarts折线图，柱状图，饼状图

总体就是有折线图相关图标的设置,x,y轴的设置,x,y轴或者数据加上单位的设置.饼状图如何默认显示几个数据中的某个数据折线图:legend(小标题)中间默认是圆圈改变成直线在legend设置的时候就改变icon的形状 legend: { data:[ { name:'访问次数', icon:'line' }, { name:'访', icon:'line' }, { name:'访问', icon:'line' }, ], textStyle:{ color:'#fff' }, right

Python 数据可是化 折线图、散点图、柱状图