可視化圖表有很多種，這篇文章主要介紹了Python繪製六種可視化圖表詳解的方法，非常不錯，具有一定的參考借鑑價值,需要的朋友可以參考下
可視化圖表，有相當多種，但常見的也就下面幾種，其他比較複雜一點，大都也是基於如下幾種進行組合，變換出來的。對於初學者來說，很容易被這官網上眾多的圖表類型給嚇著了，由於種類太多，幾種圖表的繪製方法很有可能會混淆起來。
因此，在這裡，我特地總結了六種常見的基本圖表類型，你可以通過對比學習，打下堅實的基礎。
01. 折線圖
繪製折線圖，如果你數據不是很多的話，畫出來的圖將是曲折狀態，但一旦你的數據集大起來，比如下面我們的示例，有100個點，所以我們用肉眼看到的將是一條平滑的曲線。
這裡我繪製三條線，只要執行三次 plt.plot 就可以了。
import numpy as np
import matplotlib.pyplot as plt
x= np.linspace(0, 2, 100)
plt.plot(x, x, label='linear')
plt.plot(x, x**2, label='quadratic')
plt.plot(x, x**3, label='cubic')
plt.xlabel('x label')
plt.ylabel('y label')
plt.title("Simple Plot")
plt.legend()
plt.show()
02. 散點圖
其實散點圖和折線圖是一樣的原理，將散點圖裡的點用線連接起來就是折線圖了。所以繪製散點圖，只要設置一下線型即可。
注意：這裡我也繪製三條線，和上面不同的是，我只用一個 plt.plot 就可以了。
import numpy as np
import matplotlib.pyplot as plt
x = np.arange(0., 5., 0.2)
# 紅色破折號, 藍色方塊 ，綠色三角塊
plt.plot(x, x, 'r--', x, x**2, 'bs', x, x**3, 'g^')
plt.show()
03. 直方圖
直方圖，大家也不算陌生了。這裡小明加大難度，在一張圖裡，畫出兩個頻度直方圖。這應該在實際場景上也會遇到吧，因為這樣真的很方便比較，有木有？
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(19680801)
mu1, sigma1 = 100, 15
mu2, sigma2 = 80, 15
x1 = mu1 + sigma1 * np.random.randn(10000)
x2 = mu2 + sigma2 * np.random.randn(10000)
# the histogram of the data
# 50：將數據分成50組
# facecolor：顏色；alpha：透明度
# density：是密度而不是具體數值
n1, bins1, patches1 = plt.hist(x1, 50, density=True, facecolor='g', alpha=1)
n2, bins2, patches2 = plt.hist(x2, 50, density=True, facecolor='r', alpha=0.2)
# n：概率值；bins：具體數值；patches：直方圖對象。
plt.xlabel('Smarts')
plt.ylabel('Probability')
plt.title('Histogram of IQ')
plt.text(110, .025, r'$\mu=100,\ \sigma=15$')
plt.text(50, .025, r'$\mu=80,\ \sigma=15$')
# 設置x，y軸的具體範圍
plt.axis([40, 160, 0, 0.03])
plt.grid(True)
plt.show()
04. 柱狀圖
同樣的，簡單的柱狀圖，我就不畫了，這裡畫三種比較難的圖。
4.1 並列柱狀圖
import numpy as np
import matplotlib.pyplot as plt
size = 5
a = np.random.random(size)
b = np.random.random(size)
c = np.random.random(size)
x = np.arange(size)
# 有多少個類型，只需更改n即可
total_width, n = 0.8, 3
width = total_width / n
# 重新擬定x的座標
x = x - (total_width - width) / 2
# 這裡使用的是偏移
plt.bar(x, a, width=width, label='a')
plt.bar(x + width, b, width=width, label='b')
plt.bar(x + 2 * width, c, width=width, label='c')
plt.legend()
plt.show()
4.2 疊加柱狀圖
import numpy as np
import matplotlib.pyplot as plt
size = 5
a = np.random.random(size)
b = np.random.random(size)
c = np.random.random(size)
x = np.arange(size)
# 這裡使用的是偏移
plt.bar(x, a, width=0.5, label='a',fc='r')
plt.bar(x, b, bottom=a, width=0.5, label='b', fc='g')
plt.bar(x, c, bottom=a+b, width=0.5, label='c', fc='b')
plt.ylim(0, 2.5)
plt.legend()
plt.grid(True)
plt.show()
05. 餅圖
5.1 普通餅圖
import matplotlib.pyplot as plt
labels = 'Frogs', 'Hogs', 'Dogs', 'Logs'
sizes = [15, 30, 45, 10]
# 設置分離的距離，0表示不分離
explode = (0, 0.1, 0, 0)
plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%',
shadow=True, startangle=90)
# Equal aspect ratio 保證畫出的圖是正圓形
plt.axis('equal')
plt.show()
5.2 嵌套餅圖
import numpy as np
import matplotlib.pyplot as plt
# 設置每環的寬度
size = 0.3
vals = np.array([[60., 32.], [37., 40.], [29., 10.]])
# 通過get_cmap隨機獲取顏色
cmap = plt.get_cmap("tab20c")
outer_colors = cmap(np.arange(3)*4)
inner_colors = cmap(np.array([1, 2, 5, 6, 9, 10]))
print(vals.sum(axis=1))
# [92. 77. 39.]
plt.pie(vals.sum(axis=1), radius=1, colors=outer_colors,
wedgeprops=dict(width=size, edgecolor='w'))
print(vals.flatten())
# [60. 32. 37. 40. 29. 10.]
plt.pie(vals.flatten(), radius=1-size, colors=inner_colors,
wedgeprops=dict(width=size, edgecolor='w'))
# equal 使得為正圓
plt.axis('equal')
plt.show()
5.3 極軸餅圖
要說酷炫，極軸餅圖也是數一數二的了，這裡肯定也要學一下。
import numpy as np
import matplotlib.pyplot as plt
np.random.seed(19680801)
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)
# left表示從哪開始，
# radii表示從中心點向邊緣繪製的長度（半徑）
# width表示末端的弧長
# 自定義顏色和不透明度
for r, bar in zip(radii, bars):
bar.set_facecolor(plt.cm.viridis(r / 10.))
bar.set_alpha(0.5)
plt.show()
06. 三維圖
6.1 繪製三維散點圖
import numpy as np
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
data = np.random.randint(0, 255, size=[40, 40, 40])
x, y, z = data[0], data[1], data[2]
ax = plt.subplot(111, projection='3d') # 創建一個三維的繪圖工程
# 將數據點分成三部分畫，在顏色上有區分度
ax.scatter(x[:10], y[:10], z[:10], c='y') # 繪製數據點
ax.scatter(x[10:20], y[10:20], z[10:20], c='r')
ax.scatter(x[30:40], y[30:40], z[30:40], c='g')
ax.set_zlabel('Z') # 座標軸
ax.set_ylabel('Y')
ax.set_xlabel('X')
plt.show()
6.2 繪製三維平面圖
from matplotlib import pyplot as plt
import numpy as np
from mpl_toolkits.mplot3d import Axes3D
fig = plt.figure()
ax = Axes3D(fig)
X = np.arange(-4, 4, 0.25)
Y = np.arange(-4, 4, 0.25)
X, Y = np.meshgrid(X, Y)
R = np.sqrt(X**2 + Y**2)
Z = np.sin(R)
# 具體函數方法可用 help(function) 查看，如：help(ax.plot_surface)
ax.plot_surface(X, Y, Z, rstride=1, cstride=1, cmap='rainbow')
plt.show()
總結
以上所述是小編給大家介紹的Python繪製六種可視化圖表，希望對大家有所幫助。
閱讀更多 人工智能那點事兒 的文章
