Python零基础速成班-第16讲-Python for Matplotlib 线图、散点图、柱形图、饼图

Python零基础速成班-第16讲-Python for Matplotlib 线图、散点图、柱形图、饼图 学习目标

1. Matplotlib 线图
2. Matplotlib 散点图
3. Matplotlib 柱状图
4. Matplotlib 饼图
5. 课后作业（6必做）

友情提示：将下文中代码拷贝到JupyterNotebook中直接执行即可，部分代码需要连续执行。

1、Matplotlib 线图

1.1 Matplotlib 介绍：

1. Matplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。
2. Matplotlib 可以用来绘制各种静态，动态，交互式的图表。
3. Matplotlib 是一个非常强大的 Python 画图工具，我们可以使用该工具将很多数据通过图表的形式更直观的呈现出来。
4. Matplotlib 可以绘制线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等等。

1.2 安装并引入Matplotlib 包

在线安装命令：pip install matplotlib
清华镜像安装：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple matplotlib
引入相关包：import matplotlib.pyplot as plt

1.3 线图：画单线条图

简单理解，只需要设置X轴和Y轴的数据，就可以画一个最基础的单线条图了，例如我们要绘制坐标 (1, 3) 到 (8, 10) 的线，我们就需要传递两个数组 [1, 8] 和 [3, 10] 给 plot 函数。

import matplotlib.pyplot as plt
import numpy as np
#设置X轴和Y轴数据
xpoints = np.array([1, 8])
ypoints = np.array([3, 10])
#将X轴和Y轴数据放入图中
plt.plot(xpoints, ypoints)
plt.show()

画单条线图语法

plot([x], y, [fmt], * , data=None, ** kwargs)
参数说明：

• x, y：点或线的节点，x 为 x 轴数据，y 为 y 轴数据，数据可以列表或数组。
• fmt：可选，定义基本格式（如颜色、标记和线条样式）。
• ** kwargs：可选，用在二维平面图上，设置指定属性，如标签，线的宽度等。

[fmt]颜色、线形、标记字符参数

• 颜色字符：‘b’ 蓝色，‘m’ 洋红色，‘g’ 绿色，‘y’ 黄色，‘r’ 红色，‘k’ 黑色，‘w’ 白色，‘c’ 青绿色，‘#008000’ RGB 颜色符串。多条曲线不指定颜色时，会自动选择不同颜色。
• 线形字符：‘‐’ 实线，‘‐‐’ 破折线，‘‐.’ 点划线，‘:’ 虚线。
• 标记字符：‘.’ 点标记，‘,’ 像素标记(极小点)，‘o’ 实心圈标记，‘v’ 倒三角标记，‘^’ 上三角标记，‘>’ 右三角标记，‘<’ 左三角标记…等等。

import matplotlib.pyplot as plt
import numpy as np

xpoints = np.array([1, 2, 6, 8])
ypoints = np.array([3, 8, 1, 10])

plt.plot(xpoints, ypoints,'>')
plt.show()

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0,4*np.pi,0.1) # start,stop,step
y = np.sin(x)
z = np.cos(x)
plt.plot(x,y,x,z)
plt.show()

注意：如果我们不指定 x 轴上的点，则 x 会根据 y 的值来设置为 0, 1, 2, 3…N-1，如下例：

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([1,3,4,5,8,9,6,1,3,4,5,2,4])

plt.plot(ypoints, marker = 'o')
plt.show()

加入丰富的 fmt 参数

fmt = “[marker] [line] [color]” 定义了基本格式，如标记、线条样式和颜色。

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([6, 2, 13, 10])
# o 代表实心圈  : 代表虚线 r 代表red红色
plt.plot(ypoints, 'o:r')
plt.show()

标记符号的大小与颜色

我们可以自定义标记的大小与颜色，使用的参数分别是：
markersize，简写为 ms：定义标记的大小。
markerfacecolor，简写为 mfc：定义标记内部的颜色。
markeredgecolor，简写为 mec：定义标记边框的颜色。

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([6, 2, 13, 10])

plt.plot(ypoints, marker = 'o', ms = 20, mfc ='g')
plt.show()

Matplotlib 绘图线

线的类型可以使用 linestyle 参数来定义，简写为 ls。

类型	简写	说明
'solid' (默认)	'-'	实线
'dotted'	':'	点虚线
'dashed'	'--'	破折线
'dashdot'	'-.'	点划线
'None'	'' 或 ' '	不画线

线的颜色可以使用 color 参数来定义，简写为 c。当然也可以自定义颜色类型，例如：SeaGreen、#8FBC8F 等，完整样式可以参考 HTML 颜色值。

颜色标记	描述
'r'	红色
'g'	绿色
'b'	蓝色
'c'	青色
'm'	品红
'y'	黄色
'k'	黑色
'w'	白色

---

线的宽度 线的宽度可以使用 linewidth 参数来定义，简写为 lw，值可以是浮点数，如：1、2.0、5.67 等。

import matplotlib.pyplot as plt
import numpy as np

ypoints = np.array([6, 2, 13, 10])

plt.plot(ypoints, ls = 'dashdot',color = '#8FBC8F',linewidth = '5.5')
plt.show()

1.4 画多条线图 画多条线图语法

plot([x], y, [fmt], [x2], y2, [fmt2], …, **kwargs)

import matplotlib.pyplot as plt
import numpy as np

x1 = np.array([0, 1, 2, 3])
y1 = np.array([3, 7, 5, 9])
x2 = np.array([0, 1, 2, 3])
y2 = np.array([6, 2, 13, 10])

plt.plot(x1, y1,'o-.r', x2, y2,'LightGreen',linewidth =3)
plt.show()

1.5 轴标签和标题

• plt.title() 设置标题
• plt.xlabel() 设置X轴标签
• plt.ylabel() 设置Y轴标签
• 轴标签和标题常用的参数有fontproperties设置字体，fontdict设置样式，loc设置位置

import numpy as np
import matplotlib.pyplot as plt

x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])
plt.plot(x, y)

plt.title("title")
plt.xlabel("x - label")
plt.ylabel("y - label")

plt.show()

注意：Matplotlib 默认情况不支持中文，我们可以通过下面两种方式解决：

1. 下载某一个字体，将路径添加进配置文件matplotlib.font_manager.FontProperties(fname=“字体路径”)，然后在标题、轴标签中通过fontproperties参数设置一下该字体即可。
2. 直接设置全局字体，如通过plt.rcParams[‘font.family’]=[‘FangSong_GB2312’]将全局字体设置为仿宋_GB2312。

第1种方式，我们下载一款开源字体《思源黑体》，下载地址 https://source.typekit.com/source-han-serif/cn/ ，下载到D盘根目录，然后引用即可，如下例：

import numpy as np 
from matplotlib import pyplot as plt 
import matplotlib
 
# fname 为你下载的字体库路径
zhfont1 = matplotlib.font_manager.FontProperties(fname="D://SourceHanSans-Bold.otf") 
 
x = np.arange(1,11) 
y =  2  * x +  5 
plt.title("思源黑体 - 测试标题", fontproperties=zhfont1) # 设置使用该字体
 
plt.xlabel("x 轴", fontproperties=zhfont1) # 设置使用该字体
plt.ylabel("y 轴", fontproperties=zhfont1) # 设置使用该字体
plt.plot(x,y) 
plt.show()

第2种方式，设置全局字体

首先我们通过循环查询 Matplotlib 支持可设置的字体。

from matplotlib import pyplot as plt
import matplotlib

for i in sorted(set([f.name for f in matplotlib.font_manager.fontManager.ttflist])):
    print(i)

Windows中我们常用的汉字字体名称为：
黑体 SimHei
微软雅黑 Microsoft YaHei
微软正黑体 Microsoft JhengHei
新宋体 NSimSun
新细明体 PMingLiU
细明体 MingLiU
标楷体 DFKai-SB
仿宋 FangSong
楷体 KaiTi
仿宋_GB2312 FangSong_GB2312

接下来我们通过plt.rcParams[‘font.family’]=[“字体名称”]来设置全局中文字体。

from matplotlib import pyplot as plt
plt.rcParams['font.family']=['SimHei'] #设置全局字体为黑体

fontdict 参数可以使用 css 来设置字体样式

如下例，设置font1和font2两种字体样式：

import numpy as np
from matplotlib import pyplot as plt
import matplotlib
# 设置两种字体样式
font1 = {'color':'blue','size':20}
font2 = {'color':'darkred','size':15}
x = np.arange(1,11)
y =  2  * x +  5

# fontdict 参数可以使用 css 来设置字体样式
plt.title("CSS样式 - 测试标题", fontdict = font1)
 
plt.xlabel("x 轴黑体", fontdict = font2)
plt.ylabel("y 轴黑体", fontdict = font2)
plt.plot(x,y)
plt.show()

loc 参数可以设置轴标签和标题位置

• title() 方法提供了 loc 参数来设置标题显示的位置，可以设置为: ‘left’, ‘right’, 和 ‘center’， 默认值为 ‘center’。
• xlabel() 方法提供了 loc 参数来设置 x 轴显示的位置，可以设置为: ‘left’, ‘right’, 和 ‘center’， 默认值为 ‘center’。
• ylabel() 方法提供了 loc 参数来设置 y 轴显示的位置，可以设置为: ‘bottom’, ‘top’, 和 ‘center’， 默认值为 ‘center’。

import numpy as np
from matplotlib import pyplot as plt
import matplotlib
 
x = np.arange(1,11)
y =  2  * x +  5

plt.title("左对齐 - 测试标题", loc="left")
 
plt.xlabel("x 轴下", loc="left")
plt.ylabel("y 轴左", loc="bottom")
plt.plot(x,y)
plt.show()

1.6 Matplotlib 网格线

语法：matplotlib.pyplot.grid(b=None, which=‘major’, axis=‘both’,)

参数说明：

• b：可选，默认为 None，可以设置布尔值，true 为显示网格线，false 为不显示，如果设置 **kwargs 参数，则值为 true。
• which：可选，可选值有 ‘major’、‘minor’ 和 ‘both’，默认为 ‘major’，表示应用更改的网格线。
• axis：可选，设置显示哪个方向的网格线，可以是取 ‘both’（默认），‘x’ 或 ‘y’，分别表示两个方向，x 轴方向或 y 轴方向。
• **kwargs：可选，设置网格样式，可以是 color=‘r’, linestyle=‘-’ 和 linewidth=2，分别表示网格线的颜色，样式和宽度。

import numpy as np
import matplotlib.pyplot as plt

x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])

plt.title("grid() Test")
plt.xlabel("x - label")
plt.ylabel("y - label")

plt.plot(x, y)
#加入网格线
plt.grid()
plt.show()

以下实例添加一个简单的网格线，并设置网格线的样式，格式如下：

grid(axis=‘x/y’ color = ‘color’, linestyle = ‘linestyle’, linewidth = number)
参数说明：

color：‘b’ 蓝色，‘m’ 洋红色，‘g’ 绿色，‘y’ 黄色，‘r’ 红色，‘k’ 黑色，‘w’ 白色，‘c’ 青绿色，‘#008000’ RGB 颜色符串。

linestyle：‘‐’ 实线，‘‐‐’ 破折线，‘‐.’ 点划线，‘:’ 虚线。

linewidth：设置线的宽度，可以设置一个数字。

axis：设置 ‘y’ 则垂直于y轴显示，设置 ‘x’ 则垂直于x轴显示。

import numpy as np
import matplotlib.pyplot as plt

x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])


plt.title("grid() Style Test")
plt.xlabel("x - label")
plt.ylabel("y - label")

plt.plot(x, y,'k-',linewidth=2.5)
plt.grid(axis='y' ,color = 'grey', linestyle = '--', linewidth = 2)
plt.show()

1.7 Matplotlib 绘制多图

我们可以使用 pyplot 中的 subplot() 和 subplots() 方法来绘制多个子图。
subplot() 方法在绘图时需要指定位置，subplots() 方法可以一次生成多个，在调用时只需要调用生成对象的 ax 即可。

subplot()绘制多图，语法：subplot(nrows, ncols, index, **kwargs)

即将整个绘图区域分成 nrows 行和 ncols 列，然后从左到右，从上到下的顺序对每个子区域进行编号 1…N ，左上的子区域的编号为 1、右下的区域编号为 N，编号可以通过参数 index 来设置。

如下例：设置 numRows ＝ 2，numCols ＝ 2，就是将图表绘制成 2x2 的图片区域, 对应的坐标为：

(1, 1), (1, 2)
(2, 1), (2, 2)

plotNum ＝ 1, 表示的坐标为(1, 1), 即第一行第一列的子图。
plotNum ＝ 2, 表示的坐标为(1, 2), 即第一行第二列的子图。
plotNum ＝ 3, 表示的坐标为(2, 1), 即第二行第一列的子图。
plotNum ＝ 4, 表示的坐标为(2, 2), 即第二行第二列的子图。

import matplotlib.pyplot as plt
import numpy as np

#plot 1:
x = np.array([0, 6])
y = np.array([0, 100])

plt.subplot(2, 2, 1)
plt.plot(x,y)
plt.title("plot 1")

#plot 2:
x = np.array([1, 2, 3, 4])
y = np.array([1, 4, 9, 16])

plt.subplot(2, 2, 2)
plt.plot(x,y)
plt.title("plot 2")

#plot 3:
x = np.array([1, 2, 3, 4])
y = np.array([3, 5, 7, 9])

plt.subplot(2, 2, 3)
plt.plot(x,y)
plt.title("plot 3")

#plot 4:
x = np.array([1, 2, 3, 4])
y = np.array([4, 5, 6, 7])

plt.subplot(2, 2, 4)
plt.plot(x,y)
plt.title("plot 4")

plt.suptitle("subplot Test")
plt.show()

subplots()绘制多图，语法：matplotlib.pyplot.subplots(nrows=1, ncols=1, * , sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

• nrows：默认为 1，设置图表的行数。
• ncols：默认为 1，设置图表的列数。
• sharex、sharey：设置 x、y 轴是否共享属性，默认为 false，可设置为 ‘none’、‘all’、‘row’ 或 ‘col’。 False 或 none 每个子图的 x 轴或 y 轴都是独立的，True 或 ‘all’：所有子图共享 x 轴或 y 轴，‘row’ 设置每个子图行共享一个 x 轴或 y 轴，‘col’：设置每个子图列共享一个 x 轴或 y 轴。
• squeeze：布尔值，默认为 True，表示额外的维度从返回的 Axes(轴)对象中挤出，对于 N * 1 或 1 * N 个子图，返回一个 1 维数组，对于 N * M，N>1 和 M>1 返回一个 2 维数组。如果设置为 False，则不进行挤压操作，返回一个元素为 Axes 实例的2维数组，即使它最终是1x1。
• subplot_kw：可选，字典类型。把字典的关键字传递给 add_subplot() 来创建每个子图。
• gridspec_kw：可选，字典类型。把字典的关键字传递给 GridSpec 构造函数创建子图放在网格里(grid)。
• ** fig_kw：把详细的关键字参数传给 figure() 函数。

进阶提示，Matplotlib 除了上述写法，还有一种面向对象的写法：

fig,ax = plt.subplots() 是面向对象写法，fig为画布，ax为对象，其等价于：
fig = plt.figure()
ax = fig.add_subplot(1,1,1)

import matplotlib.pyplot as plt
import numpy as np

# 创建一些测试数据 
x = np.linspace(0, 2*np.pi, 400)
y = np.sin(x**2)
t = np.linspace(-1,1,200)
# 创建一个画像和子图 -- 图1
fig, ax = plt.subplots(1,1)#fig 画布
ax.plot(x, y)
ax.set_title('Simple plot')
ax.set_ylabel('y - label')

# 创建两个子图 ，设置Y轴共享 -- 图2
f, (ax1, ax2) = plt.subplots(1, 2, sharey=True)
ax1.plot(x, y)
ax1.set_title('Sharing Y axis')
ax2.scatter(x, y)
ax2.set_title('Sharing Y axis 2')
ax1.set_ylabel('share - y - label')

# 创建四个子图 -- 图3
fig, axs = plt.subplots(2, 2, subplot_kw=dict(projection="polar"))
axs[0, 0].plot(x, y)
axs[1, 1].scatter(x, y)
plt.show()

创建4个子图，测试共享X轴，共享Y轴和同时共享X轴Y轴的效果，如下例：

import matplotlib.pyplot as plt
# 共享 x 轴
plt.subplots(2, 2, sharex='col')
# 共享 y 轴
plt.subplots(2, 2, sharey='row')
# 同时共享 x 轴和 y 轴
plt.subplots(2, 2, sharex='all', sharey='all')
plt.show()

2、Matplotlib 散点图 2.1 我们可以使用 pyplot 中的 scatter() 方法来绘制散点图。

scatter() 方法语法格式如下：

matplotlib.pyplot.scatter(x, y, s=None, c=None, marker=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, * , edgecolors=None, plotnonfinite=False, data=None, ** kwargs)

参数说明：

• x，y：长度相同的数组，也就是我们即将绘制散点图的数据点，输入数据。
• s：点的大小，默认 20，也可以是个数组，数组每个参数为对应点的大小。
• c：点的颜色，默认蓝色 ‘b’，也可以是个 RGB 或 RGBA 二维行数组。
• marker：点的样式，默认小圆圈 ‘o’。
• cmap：Colormap，默认 None，标量或者是一个 colormap 的名字，只有 c 是一个浮点数数组的时才使用。如果没有申明就是 image.cmap。
• norm：Normalize，默认 None，数据亮度在 0-1 之间，只有 c 是一个浮点数的数组的时才使用。
• vmin，vmax：：亮度设置，在 norm 参数存在时会忽略。
• alpha：：透明度设置，0-1 之间，默认 None，即不透明。
• linewidths：：标记点的长度。
• edgecolors：：颜色或颜色序列，默认为 ‘face’，可选值有 ‘face’, ‘none’, None。
• plotnonfinite：：布尔值，设置是否使用非限定的 c ( inf, -inf 或 nan) 绘制点。
• ** kwargs：：其他参数。

指定大小、颜色，如下例：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([1, 2, 3, 4, 5, 6, 7, 8])
y = np.array([1, 4, 9, 16, 7, 11, 23, 18])
sizes = np.array([20,50,100,200,500,1000,60,90])
colors = np.array(["red","green","black","orange","purple","beige","cyan","magenta"])

plt.scatter(x, y, c=colors,s=sizes)
plt.show()

设置两组散点图，如下例：

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
plt.scatter(x, y, color = 'hotpink')

x = np.array([2,2,8,1,15,8,12,9,7,3,11,4,7,14,12])
y = np.array([100,105,84,105,90,99,90,95,94,100,79,112,91,80,85])
plt.scatter(x, y, color = '#88c999')

plt.show()

2.2 随机数设置散点图，加入颜色条

如下例，我们通过随机函数生成50样本，坐标、颜色和大小均根据样本随机设置，坐标0-1，颜色0-100，大小0-900，alpha=0.5设置透明度，plt.colorbar()加入颜色渐变条。

import numpy as np
import matplotlib.pyplot as plt
# 随机数生成器的种子
np.random.seed(19680801)

N = 50 #样本数
# 返回一组服从“0~1”均匀分布的随机样本值
x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)*100 # 将颜色范围设定在0到100
sizes = (30 * np.random.rand(N))**2  # 将大小泛微设定在0到900

plt.scatter(x, y, s=sizes, c=colors, alpha=0.5) # 设置大小，颜色及透明度
plt.title("Random Scatter Test") # 设置标题
plt.colorbar() # 添加 颜色条或渐变色条
plt.show()

2.3 颜色条 Colormap

Matplotlib 模块提供了很多可用的颜色条。

颜色条就像一个颜色列表，其中每种颜色都有一个范围从 0 到 100 的值。
设置颜色条需要使用 cmap 参数，默认值为 ‘viridis’，之后颜色值设置为 0 到 100 的数组。

import matplotlib.pyplot as plt
import numpy as np

x = np.array([5,7,8,7,2,17,2,9,4,11,12,9,6])
y = np.array([99,86,87,88,111,86,103,87,94,78,77,85,86])
colors = np.array([0, 10, 20, 30, 40, 45, 50, 55, 60, 70, 80, 90, 100])

plt.scatter(x, y, c=colors, cmap='viridis')
#plt.scatter(x, y, c=colors, cmap='afmhot_r')
plt.colorbar()
plt.show()

3、Matplotlib 柱形图 3.1 我们可以使用 pyplot 中的 bar() 方法来绘制柱形图。

bar() 方法语法格式如下：

matplotlib.pyplot.bar/barh(x, height, width=0.8, bottom=None, *, align=‘center’, data=None, ** kwargs)

参数说明：

• bar：竖状。
• barh：横状。
• x：浮点型数组，柱形图的 x 轴数据。
• height：浮点型数组，柱形图的高度。
• width：浮点型数组，柱形图的宽度。
• bottom：浮点型数组，底座的 y 坐标，默认 0。
• align：柱形图与 x 坐标的对齐方式，‘center’ 以 x 位置为中心，这是默认值。 ‘edge’：将柱形图的左边缘与 x 位置对齐。要对齐右边缘的条形，可以传递负数的宽度值及 align=‘edge’。
• **kwargs：：其他参数。

竖状，加入颜色参数color和柱宽度参数width，如下例：

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["season-1", "season-2", "season-3", "season-4"])
y = np.array([12, 22, 6, 18])

plt.bar(x,y,color="#8696a7",width=0.6)
plt.title("Year Bar Test")
plt.show()

横状，加入多颜色和柱高度height参数(在这里是等同于竖状图中的柱宽度参数width)，如下例：

import matplotlib.pyplot as plt
import numpy as np

x = np.array(["season-1", "season-2", "season-3", "season-4"])
y = np.array([12, 22, 6, 18])

plt.barh(x,y,color = ["#dadad8","#f8ebd8","#965454","#6b5152"],height = [0.3,0.4,0.5,0.6])
plt.title("Year Barh Test")
plt.show()

4、 Matplotlib 饼图 4.1 我们可以使用 pyplot 中的 pie() 方法来绘制饼图。

pie()方法语法格式如下：

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, * , normalize=None, data=None)[source]

参数说明：

• x：浮点型数组，表示每个扇形的面积。
• explode：数组，表示各个扇形之间的间隔，默认值为0。
• labels：列表，各个扇形的标签，默认值为 None。
• colors：数组，表示各个扇形的颜色，默认值为 None。
• autopct：设置饼图内各个扇形百分比显示格式，%d%% 整数百分比，%0.1f 一位小数， %0.1f%% 一位小数百分比， %0.2f%% 两位小数百分比。
• labeldistance：标签标记的绘制位置，相对于半径的比例，默认值为 1.1，如 <1则绘制在饼图内侧。
• pctdistance：：类似于 labeldistance，指定 autopct 的位置刻度，默认值为 0.6。
• shadow：：布尔值 True 或 False，设置饼图的阴影，默认为 False，不设置阴影。
• radius：：设置饼图的半径，默认为 1。
• startangle：：起始绘制饼图的角度，默认为从 x 轴正方向逆时针画起，如设定 =90 则从 y 轴正方向画起。
• counterclock：布尔值，设置指针方向，默认为 True，即逆时针，False 为顺时针。
• wedgeprops ：字典类型，默认值 None。参数字典传递给 wedge 对象用来画一个饼图。例如：wedgeprops={‘linewidth’:5} 设置 wedge 线宽为5。
• textprops ：字典类型，默认值为：None。传递给 text 对象的字典参数，用于设置标签（labels）和比例文字的格式。
• enter ：浮点类型的列表，默认值：(0,0)。用于设置图标中心位置。
• frame ：布尔类型，默认值：False。如果是 True，绘制带有表的轴框架。
• rotatelabels ：布尔类型，默认为 False。如果为 True，旋转每个 label 到指定的角度。

设置饼图标签labels，标签距离圆心距离labeldistance，饼图颜色colors，如下例：

import matplotlib.pyplot as plt
import numpy as np

y = np.array([35, 25, 25, 15])

plt.pie(y,
        labels=['A','B','C','D'], # 设置饼图标签
        labeldistance=0.7, # 标签距离圆心的距离
        colors=["#d5695d", "#5d8ca8", "#65a479", "#a564c9"], # 设置饼图颜色
       )
plt.title("Pie Test") # 设置标题
plt.show()

设置饼图各个扇形之间的间隔explode(突出显示)，扇形百分比显示autopct，如下例：

进阶提示：默认情况下，第一个扇形的绘制是从 X 轴开始并逆时针移动绘制的。

import matplotlib.pyplot as plt
import numpy as np

y = np.array([35, 25, 25, 15])

plt.pie(y,
        labels=['A','B','C','D'], # 设置饼图标签
        colors=["#d5695d", "#5d8ca8", "#65a479", "#a564c9"], # 设置饼图颜色
        explode=(0, 0.2, 0, 0.4), # 第二部分突出显示，值越大，距离越远
        autopct='%.2f%%', # 格式化输出百分比显示
       )
# 默认情况下，第一个扇形的绘制是从 x 轴开始并逆时针移动
plt.title("Pie Test")
plt.show()

Matplotlib更多用法请参看

https://matplotlib.org/stable/tutorials/introductory/usage.html

5、课后作业，答案在下一讲 1、完成一个简单的单线条图满足以下要求：

公式：$ f(x) = sin^2(x - 2)e^{ -x^2} $

要求：

1. 将[0,2]等分30次写入x轴，使用上述公式得出y轴值
2. 标题为公式(公式显示用法请自行搜索)，X轴label为 asis-X，Y轴label为 asis-Y
3. 线条样式要求：黑色、破折线、粗细2
4. 其他样式要求：X轴Y轴标签单独定义font：均为darkred色，字体大小15，X轴标签左对齐，Y轴标签靠上对齐
5. 加入灰色网格线，粗细1，垂直于x轴

您的代码：

2、完成一个简单的多线条图满足以下要求：

1. 将[0,2]等分100次写入x轴，y轴分别为x，x平方，x立方
2. 在一张画布中展示出三个线条x(蓝色)，x平方(橙色)，x立方(绿色)
3. 三条曲线图例标题"linear"，“quadratic”，“cubic”
4. x轴命名x-label，y轴命名y-label，标题为Simple Plot，画布大小8 * 5

提示:

1. 使用plt.figure(figsize=(8,5))定义画布大小
2. 使用plt.legend()显示图例标题

您的代码：

3、使用面向对象写法fig,ax =plt.subplots()绘制多图满足以下要求：

1. 完成一个2行1列子画布图形上下展示，画布整体大小8 * 8，上图数据来源于x,y和x,w，下图数据来源于x,z，整体共享x轴
2. x轴为[0,0.5]按0.01递增的数组，y轴为公式 c o s ( 2 ∗ π ∗ x ) cos(2 * pi * x) cos(2∗π∗x)，z轴为range(len(x))，w轴为公式 c o s ( 1.5 ∗ π ∗ x ) cos(1.5 * pi * x) cos(1.5∗π∗x)
3. 上图中x,y图例标题为2pi，x,w图例标题为1.5pi，下图中线条颜色为红色

提示：

1. 子画布可以使用fig,ax = subplots()，ax[0],ax[1],ax[3]…的方式展现或fig,(ax1,ax2,ax3…) = subplots()，ax1,ax2,ax3…的方式展现
2. 定义画布大小可以在plt.subplots()中使用figsize=(m,n)参数
3. 显示图例仍然使用legend()

您的代码：

4、使用面向对象写法fig,ax =plt.subplots()绘制多图满足以下要求：

1. 完成一个1行2列子画布图形左右展示，左图为线图，右图为散点图，画布整体大小10 * 4，数据data1~4来源于4组0-1随机取样100个
2. 左图直接输出四组数据，分别使用点状o、菱形d、倒三角v、正方形s，显示图例标题data1 data2 data3 data4，标题为My Plot
3. 右图x轴为data1，y轴为data2，颜色为data3(0-100)，大小为data4(0-900)，透明度0.4，需要输出渐变色条，标题为My Scatter

提示：

1. 数据定义可以使用data1, data2, data3, data4 = np.random.rand(4, 100)
2. 左图画布输出可以使用ax1.plot(data1,“o”,label=“data1”) ax2.plot(data2,“d”,label=“data2”)…
3. 右图颜色定义可以使用colors = data3 * 100，大小定义可以使用sizes = (data4 * 30) ** 2
4. 右图画布输出可以使用ax2array = ax2.scatter(data1,data2,s=sizes,c=colors)
5. 输出渐变色条可以使用fig.colorbar(ax2array)

您的代码：

5、完成A公司销售数据柱状图满足以下要求：

1. 销售数据为
   data = {‘Barton LLC’: 109438.50,
   ‘Frami, Hills and Schmidt’: 103569.59,
   ‘Fritsch, Russel and Anderson’: 112214.71,
   ‘Jerde-Hilpert’: 112591.43,
   ‘Keeling LLC’: 100934.30,
   ‘Koepp Ltd’: 103660.54,
   ‘Kulas Inc’: 137351.96,
   ‘Trantow-Barrows’: 123381.38,
   ‘White-Trantow’: 135841.99,
   ‘Will LLC’: 104437.60}

2. 横向，x轴为销售额，y轴为分公司名
   销售额 group_data = list(data.values())
   分公司名 group_names = list(data.keys())
   销售平均值 group_mean = np.mean(group_data)

3. 标题为Company Revenue

4. 显示平均线，红色，虚线

5. 分公司名为’Jerde-Hilpert’,‘Koepp Ltd’,'White-Trantow’的在y轴右侧显示注释文本"New Comany"

提示：

1. 平均线设置可以使用plt.axvline(group_mean,color=“red”,linestyle=“–”)
2. 在y轴右侧显示注释文本可以使用下列语法：
   for group in [3,5,8]:
   plt.text(145000,group,“New Company”)

您的代码：

6、完成西南5省2021GDP饼状图满足以下要求：

1. GDP数据为
   data = {‘四川省’: 53850,
   ‘重庆市’: 27894,
   ‘云南省’: 27146,
   ‘贵州省’: 19568,
   ‘西藏自治区’: 2000}

2. 省份及gdp
   province = list(data.keys())
   gdp = list(data.values())

3. 饼状图标签为省份名字，标题为"西南5省2021GDP统计"

4. 输出百分比%.2f%%，重庆市突出显示，突出距离0.1

5. 字体均为黑体

提示：

1. 设置全局字体可使用 plt.rcParams[‘font.family’]=[‘SimHei’]

您的代码：