大家好，我是小雨。

上一讲，我们给大家介绍了matplotlib的快速上手教程，介绍了常用的线性图形与散点图的画法。

今天我们继续升级！给大家讲解一些常用的统计学图形画法，学会正确使用matplotlib进行绘制。我们将从函数功能、实例代码、参数讲解、效果演示四个层面来讲解每一种统计图。希望大家能对python数据可视化有一个直观的认识！

一、bar()函数1.函数功能

绘制柱状图

2. 实例代码

import matplotlib as mplimport matplotlib.pyplot as pltx = [1,2,3,4,5,6,7,8]y = [3,4,5,2,9,5,1,4]mpl.rcParams['font.sans-serif']=['SimHei']  # 设置字体为黑体，为了显示中文plt.bar(x,y,align='center',color='c',tick_label=['a','-2','c','d','e','f','g','h'],hatch='/')plt.xlabel('编号')plt.ylabel('满意度')plt.show()

参数说明： 绘制柱状图plt.bar(x,y,tick_label,hatch)

x：类别y：数值tick_label：类别标识名color：柱状图的颜色hatch：表示刻度阴影类型主要有这些类型:/、*、.、|、-、+、x、o、O

matplotlib坐标轴若显示中文，需要修改默认属性，rcParams将字体改为中文字体。这里的sans-serif表示非衬线字体将其值设为SimHei(中文黑体)。

3. 效果演示

二、barh()函数1.函数功能

绘制条形图

2. 实例代码

import matplotlib as mplimport matplotlib.pyplot as pltx = [1,2,3,4,5,6,7,8]y = [2,3,4,9,1,2,6,4]mpl.rcParams['font.sans-serif'] = ['SimHei']plt.barh(x,y,tick_label=['a','b','c','d','e','f','g','h'],color='m')plt.xlabel('评分')plt.ylabel('编号')plt.show()

参数说明： 绘制条形图plt.barh(x,y)

x：在y轴上显示的类别y：各个类别的数量值3. 效果演示

三、hist()函数1.函数功能

绘制直方图

2. 实例代码

import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npmpl.rcParams['font.sans-serif'] = ['SimHei']x = np.random.randint(0,100,100)    # 生成范围在【0~100】之间100个数据bins = np.arange(0,101,10)    # 生成数组[0 10 20 ... 100]，里面是间隔为10的十个数plt.hist(x,bins,color='g',alpha=0.5)plt.xlabel('分数段')plt.ylabel('人数')plt.title("各分数段人数分布")plt.show()

参数说明： 绘制直方图plt.hist(x,bins,color,alpha)

x：数据集，直方图会对该数据集的大小按区间进行归类bins：数据集的分隔区间color：直方图的颜色alpha：直方图颜色的透明度

直方图与柱形图相似但不同，直方图表示的是离散型数值的区间分布情况；更多关于直方图hist的教程请参考官方文档。

range与arange的区别： arange函数返回的是numpy里定义的数组，数组每一个元素的数据类型一致。range在Python2与Python3里有着不同的功能。Python2里的range返回的是列表，而Python3里的range返回的是可迭代的对象，通常使用for循环将其输出。

3. 效果演示

四、pie()函数1.函数功能

绘制饼图，显示不同类别所占百分比。

2. 实例代码

import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npmpl.rcParams['font.sans-serif'] = ['SimHei']labels = ['房贷','育儿','饮食','交通','娱乐','其它']sizes = [5,1,2,0.5,0.8,1.5]explode = (0.1,0,0,0,0,0)plt.pie(x=sizes,explode=explode,labels=labels,autopct='%1.1f%%',startangle=150)plt.title("饼图-6月家庭支出情况")plt.show()

参数说明： 绘制饼图plt.pie(x,explode,labels,autopct,startangle)

x：每一块的比例，如果sum(x)>1，会对sum(x)进行归一化操作。explode：每一块离开中心的距离labels：每一块外侧显示的标签文字autopct：控制饼图百分比设置，可以使用format字符串表示，%1.1f%%小数点前后各一位（没有用空格补齐）startangle：起始绘制角度，默认从x轴正方向逆时针画起，若设定90度则从y轴正方向画起。3. 效果演示

五、scatter()函数1.函数功能

用于绘制气泡图，二维数据借助气泡大小展示三维数据。

2. 实例代码

import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npmpl.rcParams['font.sans-serif'] = ['SimHei']  # 显示中文mpl.rcParams['axes.unicode_minus'] = False  # 为了坐标轴负号正常显示a = np.random.randn(100)b = np.random.randn(100)plt.style.use('ggplot')  # 设置绘图风格plt.scatter(a,b,c=np.random.rand(100),cmap='jet',s=100*(a**2+b**2),alpha=0.7)plt.colorbar()  # 用于显示颜色柱plt.title('气泡图')plt.show()

参数说明： 绘制气泡图：plt.scatter(a,b,c,s,cmap)

a：x轴上的离散数值，固定长度的数组。b：y轴上的离散数值，固定长度的数组。c：气泡的颜色，可以是固定颜色也可以是一个数组。s：气泡的大小，用于记录第三维度的函数关系。cmap：颜色映射表，可以简单理解成配色方案。

matplotlib默认不支持中文，设置中文字体后，负号会显示异常。需要手动将坐标轴负号设为False才能正常显示负号。

3. 效果演示

六、polar()函数1.函数功能

绘制雷达图（极线图）

2. 实例代码

import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npmpl.rcParams['font.sans-serif'] = ['SimHei']plt.style.use('ggplot') # 设置绘图风格theta = np.array([0.25,0.75,1,1.5,0.25])    # 定义各个点的极角r = [20,60,40,60,20]    # 定义各个点极径的长度plt.polar(theta*np.pi,r,'r-',lw=1)   # 设置雷达图路径，r-表示红色实线plt.fill(theta*np.pi,r,c='c',alpha=0.4)   # 填充雷达图，课设置颜色与透明度plt.ylim(0,100) # 设置极坐标轴的范围plt.title('雷达图')plt.show() 

参数说明： 绘制雷达图plt.polar(theta,r,marker)

theta：在极坐标系下坐标点的角度r：在极坐标系下坐标点与极点的距离marker：定义各个点的样式3. 效果演示

七、stem()函数1.函数功能

用于绘制棉棒图

2.实例代码

import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npmpl.rcParams['font.sans-serif'] = ['SimHei']mpl.rcParams['axes.unicode_minus'] = Falsex = np.linspace(0.5,2*np.pi,20)y = np.random.randn(20)plt.stem(x,y,linefmt='-.',markerfmt='o',basefmt='-')plt.title('棉棒图')plt.show()

参数说明 绘制棉棒图plt.stem(x,y,linefmt,markerfmt,basefmt)

x：指定x轴的位置y：设置棉棒的长度linefmt：棉棒的样式markerfmt：棉棒末端的样式basefmt：棉棒基线的样式3.效果演示

八、boxplot()函数1.函数功能

用于绘制箱线图

2.实例代码

import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npmpl.rcParams['font.sans-serif'] = ['SimHei']mpl.rcParams['axes.unicode_minus'] = Falsex1 = np.random.randn(100)x2 = np.random.randn(100)x3 = np.random.randn(100)labels = ['第一','第二','第三']plt.boxplot([x1,x2,x3],labels=labels)plt.grid(axis='y',ls=':',lw=1,c='g',alpha=0.4)plt.title('箱线图')plt.show()

参数说明： 绘制箱线图plt.boxplot(x,labels)

x：输入的数据label：图例3.效果演示

九、errorbar()函数1.函数功能

用于绘制误差棒图

2.实例代码

import matplotlib as mplimport matplotlib.pyplot as pltimport numpy as npmpl.rcParams['font.sans-serif'] = ['SimHei']mpl.rcParams['axes.unicode_minus'] = Falsex = np.linspace(0.1,0.6,6)y = np.exp(x)plt.errorbar(x,y,fmt='o:',yerr=0.2,xerr=0.02,ecolor='g',mfc='c',mec='r',capthick=2,capsize=3)plt.xlim(0,0.7)plt.title('误差棒图')plt.show()

参数说明 绘制误差棒图plt.errorbar(x,y,fmt,yerr,xerr,ecolor,mfc,mec,capthick,capsize)

x：数据点的水平位置y：数据点的垂直位置fmt：数据点的标记样式和数据点标记的连接线样式xerr：x轴方向数据点的误差计算方法yerr：y轴方向数据误差点的计算方法ecolor：误差棒的颜色mfc：数据点的标记颜色mec：数据点标记边缘颜色capthick：误差棒边界横杠的厚度capsize：误差棒边界横杠的大小3.效果演示

十、最后

本节我们简单介绍了一下matplotlib是如何绘制统计学中常见的图形的，大家可以收藏下来，需要的时候可翻出查阅。

小伙伴们可以动手输入以上代码，看看输出的结果是否达到预期，能否感受到matplotlib绘图的细致与精美。

下一节，我们将继续介绍这些统计学图形在具体实践环节的使用。

最后，感谢大家的阅读。