python用matplotlib绘制散点图、直方图、箱形图

python是目前使用最广泛的编程语言，因为目前正处于大数据时代；目前大数据中可视化技术至关重要，而python的matplotlib是最主要的可视化库，下面看看如何绘制散点图、直方图和箱形图，及修改图表属性的函数setp

操作方法

（01）加载numpy和ot。y=dard_normal((600,2))表示随机生成一个标准正态分布形状是600*2的数组，如图所示

（02）绘制散点图（使用plot）。re(figsize=(8,5))表示绘制图形的画板尺寸为8*5；(y[:,0],y[:,1],'ro')表示绘制散点图，且为红色圆标记；(True)表示图形添加网格；el('1st')表示给X轴加标签‘1st’；el('2nd')表示给Y轴加标签‘2nd’；e('Scatter Plot')表示给图形加标题‘Scatter Plot’；如图所示

（03）绘制散点图（使用scatter）。ter(y[:,0],y[:,1],marker='o')替代了上面的(y[:,0],y[:,1],'ro')，则绘图效果类似，其中marker='o'表示圆标记；如果再加上参数c='r'，修改颜色后，完全等价于上图；如图所示

（04）绘制散点图（色彩可视化）。c=int(0,10,len(y))表示随机生成一个第三维度的数据集，取值在0-10之间的整数；ter(y[:,0],y[:,1],c=c,marker='o')表示颜色数据来源于第三维度的c；rbar()表示添加彩条；如图所示

（05）两个数据集的直方图。re(figsize=(8,5))表示绘图画板尺寸为8*5；(y, bins=30, label=['1st','2nd'])表示使用y绘制直方图，数据组数有30个，标签分别使用'1st'和'2nd'；(True)表示添加网格；nd(loc=0)表示最佳位置显示图例；el('Value')表示X轴标签为‘Value’；el('Frequency')表示Y轴标签为‘Frequency’；e('Histogram')表示标题为‘Histogram’；如图所示

（06）两个数据集堆叠的直方图。(y, bins=20, label=['1st','2nd'],color=['b','m'],stacked=True,rwidth=0.8)的参数stacked=True表示堆叠的直方图；rwidth=0.8表示修改条块的相对宽度为0.8，color=['b','m']表示颜色分别取蓝色、品红；如图所示

（07）两个数据集的箱形图。fig,ax=lots(figsize=(8,5))表示画板尺寸的设置为8*5；lot(y)表示用y绘制箱形图；(True)表示添加网格；(ax,xticklabels=['1st','2nd'])表示刻度值标签设置为'1st'和'2nd'；el('var')表示X轴标签为'var'；el('value')表示Y轴标签为'value'；e('Boxplot')表示标题为'Boxplot'；如图所示

（08）用setp函数来修改图表属性。re(figsize=(8,5))表示画板尺寸设置；line=(y,'r')表示绘制红色的折线图；(line,linestyle='--')修改线条为虚线；如图所示

特别提示

和scatter可以等效使用，注意参数的不同意义即可

hist(x, bins=None, range=None, density=None, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, normed=None, hold=None, data=None, **kwargs)参数解释：x：列表或ndarray对象；bins：数据组数；range：数据组的下界和上界；normed：规范化为整数1；weights：x轴上每个值的权重；cumulative：每个数据组包含较低组别的计数；histtype：bar、barstacked、step、stepfilled；align：left、mid、right；orientation：horizontal、vertical；rwidth：条块的相对宽度；log：对数刻度；color：每个数据集的颜色；label：标签所用的字符串（序列）；stacked：堆叠多个数据集；kwargs ：关键字参数

设置图表属性使用函数setp