Python干货：分享Python绘制六种可视化图表

可视化图表，有相当多种，但常见的也就下面几种，其他比较复杂一点，大都也是基于如下几种进行组合，变换出来的。对于初学者来说，很容易被这官网上众多的图表类型给吓着了，由于种类太多，几种图表的绘制方法很有可能会混淆起来。

因此，在这里，我特地总结了六种常见的基本图表类型，你可以通过对比学习，打下坚实的基础。

01. 折线图

绘制折线图，如果你数据不是很多的话，画出来的图将是曲折状态，但一旦你的数据集大起来，比如下面我们的示例，有100个点，所以我们用肉眼看到的将是一条平滑的曲线。

这里我绘制三条线，只要执行三次 plt.plot 就可以了。

import numpy as npimport matplotlib.pyplot as pltx= 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. 散点图

其实散点图和折线图是一样的原理，将散点图里的点用线连接起来就是折线图了。所以绘制散点图，只要设置一下线型即可。

注意：这里我也绘制三条线，和上面不同的是，我只用一个 plt.plot 就可以了。

import numpy as npimport matplotlib.pyplot as pltx = np.arange(0., 5., 0.2)# 红色破折号, 蓝色方块 ，绿色三角块plt.plot(x, x, 'r--', x, x**2, 'bs', x, x**3, 'g^')plt.show()

03. 直方图

直方图，大家也不算陌生了。这里小明加大难度，在一张图里，画出两个频度直方图。这应该在实际场景上也会遇到吧，因为这样真的很方便比较，有木有？

import numpy as npimport matplotlib.pyplot as pltnp.random.seed(19680801)mu1, sigma1 = 100, 15mu2, sigma2 = 80, 15x1 = mu1 + sigma1 * np.random.randn(10000)x2 = mu2 + sigma2 * np.random.randn(10000)# the histogram of the data# 50：将数据分成50组# facecolor：颜色；alpha：透明度# density：是密度而不是具体数值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：具体数值；patches：直方图对象。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'$/mu=80,/ /sigma=15$')# 设置x，y轴的具体范围plt.axis([40, 160, 0, 0.03])plt.grid(True)plt.show()

04. 柱状图

同样的，简单的柱状图，我就不画了，这里画三种比较难的图。