1.环境
创新互联公司专注于永定企业网站建设,响应式网站设计,商城网站定制开发。永定网站建设公司,为永定等地区提供建站服务。全流程按需定制设计，专业设计，全程项目跟踪，创新互联公司专业和态度为您提供的服务
系统：windows10
python版本：python3.6.1
使用的库：matplotlib，numpy
2.numpy库产生随机数几种方法
import numpy as np
numpy.random
rand(d0, d1, ..., dn)
In [2]: x=np.random.rand(2,5)
In [3]: x
Out[3]:
array([[ 0.84286554, 0.50007593, 0.66500549, 0.97387807, 0.03993009],
[ 0.46391661, 0.50717355, 0.21527461, 0.92692517, 0.2567891 ]])
randn(d0, d1, ..., dn)查询结果为标准正态分布
In [4]: x=np.random.randn(2,5)
In [5]: x
Out[5]:
array([[-0.77195196, 0.26651203, -0.35045793, -0.0210377 , 0.89749635],
[-0.20229338, 1.44852833, -0.10858996, -1.65034606, -0.39793635]])
randint(low,high,size)
生成low到high之间（半开区间 [low, high)），size个数据
In [6]: x=np.random.randint(1,8,4)
In [7]: x
Out[7]: array([4, 4, 2, 7])
random_integers(low,high,size)
生成low到high之间（闭区间 [low, high)），size个数据
In [10]: x=np.random.random_integers(2,10,5)
In [11]: x
Out[11]: array([7, 4, 5, 4, 2])
3.散点图
x x轴
y y轴
s 圆点面积
c 颜色
marker 圆点形状
alpha 圆点透明度 #其他图也类似这种配置
N=50# height=np.random.randint(150,180,20)# weight=np.random.randint(80,150,20)
x=np.random.randn(N)
y=np.random.randn(N)
plt.scatter(x,y,s=50,c='r',marker='o',alpha=0.5)
plt.show()
4.折线图
x=np.linspace(-10000,10000,100) #将-10到10等区间分成100份
y=x**2+x**3+x**7
plt.plot(x,y)
plt.show()
折线图使用plot函数
5.条形图
N=5
y=[20,10,30,25,15]
y1=np.random.randint(10,50,5)
x=np.random.randint(10,1000,N)
index=np.arange(N)
plt.bar(left=index,height=y,color='red',width=0.3)
plt.bar(left=index+0.3,height=y1,color='black',width=0.3)
plt.show()
orientation设置横向条形图
N=5
y=[20,10,30,25,15]
y1=np.random.randint(10,50,5)
x=np.random.randint(10,1000,N)
index=np.arange(N)# plt.bar(left=index,height=y,color='red',width=0.3)# plt.bar(left=index+0.3,height=y1,color='black',width=0.3)#plt.barh() 加了h就是横向的条形图，不用设置orientation
plt.bar(left=0,bottom=index,width=y,color='red',height=0.5,orientation='horizontal')
plt.show()
6.直方图
m1=100
sigma=20
x=m1+sigma*np.random.randn(2000)
plt.hist(x,bins=50,color="green",normed=True)
plt.show()
# #双变量的直方图# #颜色越深频率越高# #研究双变量的联合分布
#双变量的直方图#颜色越深频率越高#研究双变量的联合分布
x=np.random.rand(1000)+2
y=np.random.rand(1000)+3
plt.hist2d(x,y,bins=40)
plt.show()
7.饼状图
#设置x,y轴比例为1：1，从而达到一个正的圆
#labels标签参数,x是对应的数据列表,autopct显示每一个区域占的比例,explode突出显示某一块,shadow阴影
labes=['A','B','C','D']
fracs=[15,30,45,10]
explode=[0,0.1,0.05,0]#设置x,y轴比例为1：1，从而达到一个正的圆
plt.axes(aspect=1)#labels标签参数,x是对应的数据列表,autopct显示每一个区域占的比例,explode突出显示某一块,shadow阴影
plt.pie(x=fracs,labels=labes,autopct="%.0f%%",explode=explode,shadow=True)
plt.show()
8.箱型图
import matplotlib.pyplot as pltimport numpy as npdata=np.random.normal(loc=0,scale=1,size=1000)#sym 点的形状，whis虚线的长度plt.boxplot(data,sym="o",whis=1.5)plt.show()
#sym 点的形状，whis虚线的长度
我们在运用Python制作各种图形的时候，经常需要绘制饼图。那么如何用Python绘制饼图呢？下面我给大家分享演示一下。
工具/材料
Pycharm
01
首先我们需要在Excel文件中准备好饼图的数据，如下图所示
02
接下来我们打开Pycharm，新建Python文件，导入Python的pandas库，利用pandas将Excel数据加载到缓存中，如下图所示
03
然后我们在导入pyplot库，运用pyplot库的pie进行饼图的绘制，如下图所示
04
接着运行程序以后我们就可以看到一张如下图所示的饼图了，但是四周的名称和Excel中的还是不太一样，接下来修改四周的名称
05
我们在运用pandas库加载Excel数据文件的时候加上index_col属性即可，如下图所示
06
这次在运行程序我们就可以看到饼图四周的名称和Excel中的一样了，如下图所示
07
接着我们在运用pyplot中的title和ylable设置饼图的标题和Y坐标轴的名称，如下图所示
08
最后运行文件就可以看到下面这个信息比较齐全的饼图了，如下图所示，到这里用Python绘制饼图就结束了
饼形图：
饼图是圆形统计图。
整个图表的区域代表100％或全部数据。
饼图中显示的饼图区域代表数据部分的百分比。
饼图的各个部分称为楔形。
楔形的弧长决定饼图中楔形的面积。
楔形的面积决定了零件相对于整体的相对量子或百分比。
饼图经常用于业务演示中，因为它们可以快速概述业务活动，例如销售，运营等。
饼形图还大量用于调查结果，新闻文章，资源使用图（如磁盘和内存）中。
使用Python Matplotlib绘制简单的饼图
可以使用pyplot模块中的函数pie（）绘制饼图。 以下python代码示例使用pie（）函数绘制了一个饼图。
默认情况下，pyplot的pie（）功能沿逆时针方向排列饼图中的饼形或楔形。
y：数值
labels = x：月份标签
labeldistance=1.2：这个表示月份标签到圆饼图的距离
startangle=90：这个表示开始角度，90度，代表着1月份在时钟12点方向
counterclock=False：这个代表数据的顺时针还是逆时针方向，FALSE代表顺时针，TRUE代表逆时针
autopct='%3.2f%%'：这个是数据标签，圆饼图上显示每一块所占的百分比；
matplotlib
饼状图:
保存图片:
subplot_adjust:
enumerate() 函数用于将一个可遍历的数据对象(如列表、元组或字符串)组合为一个索引序列，同时列出数据和数据下标，一般用在 for 循环当中。
语法：
enumerate(sequence, [start=0])
参数：
sequence -- 一个序列、迭代器或其他支持迭代对象。
start -- 下标起始位置。
返回值：
返回 enumerate(枚举) 对象。
重庆分公司
重庆分公司
