matplotlib 使用簡明教程（三）-一些專業圖表簡介

• • 統計、概率分布
  • • `plt.boxplot(x,**kwargs)`
    • `plt.violinplot(dataset, positions=None, vert=True, widths=0.5, showmeans=False, showextrema=True, showmedians=False, points=100, bw_method=None, hold=None, data=None)`
  • 分級圖
  • • `plt.hexbin(x, y, C=None, gridsize=100, bins=None, **kwargs)`
    • `plt.pcolormesh([X, Y,] C, **kwargs)`
    • `plt.hist(x, bins=None, **kwargs)`
    • `plt.hist2d(x, y, bins=10, range=None, normed=False, weights=None, cmin=None, cmax=None, hold=None, data=None, **kwargs)`
  • 頻譜分析
  • 等高線
  • 場/流

這里對一些不太了解領域的庫進行簡要的介（fan）紹（yi），感興趣的讀者可以自行了解。
這些圖表都在 matplotlib.pyplot 中進行了封裝。

統計、概率分布

plt.boxplot(x,**kwargs)

繪制箱形圖

重要參數：

• x：輸入的參數，可以是一個二維數組
• positions：每個箱的位置
• vert：True 為圖表方向垂直，False 為水平
• whis：設置內限（上下邊緣）與四分位距的關系，默認 1.5
• usermedians：使用該參數中的數據代替 x 中計算得出的均值
• labels：標簽的數組

關于箱型圖

• 上四分位 Q3
• 下四分位 Q1
• 四分位距 IQR=Q3-Q1
• 異常值截斷點（內限） Q3+1.5IQR和Q1－1.5IQR
• 外限 Q3+3IQR和Q1－3IQR
• 溫和的異常值 內限與外限之間的異常值
• 極端的異常值 外限意外的異常值

plt.violinplot(dataset, positions=None, vert=True, widths=0.5, showmeans=False, showextrema=True, showmedians=False, points=100, bw_method=None, hold=None, data=None)

琴形圖和箱形圖式非常類似的，不過琴形圖會把分布狀況也表現出來

重要參數：

• dataset：將要繪制的數據集
• positions：繪制琴的位置
• vert：True 為圖表方向垂直，False 為水平
• showmeans：是否顯示均值
• showextrema：是否顯示極值
• showmedians：是否顯示中位數

分級圖

plt.hexbin(x, y, C=None, gridsize=100, bins=None, **kwargs)

根據數據坐標的分布繪制分級圖

重要參數：

• x, y：兩個一維數組，將根據 x[i]，y[i] 組成坐標的分布，繪制分級圖
• C：一維數組
  • C[i] 將會規定 (x[i], y[i]）坐標的權重，繪制時，某個坐標點的權重會進行平均處理
  • 當 C 為 None 時，x[i]，y[i] 坐標的權重為 1 且結果不做平均值處理。
• gridsize：默認 100，x 軸方向的六邊形數量；y 軸的六邊形數量會進行調整
• bins：分級的方式
  • None ：直接分級，六邊形的顏色即反應數量
  • ‘log’ ：按照 $lo{g}_{10}(i+1)$ 決定六邊形顏色
  • 一個整數：該整數決定等級的數量
  • 一個整數序列：按照給定的整數序列確定每個分級的底線
• xscale，yscale：x、y 軸的掃描方式，‘linear’ 或 ‘log’
• mincnt：不顯示數量小于 mincnt 的六邊形

plt.pcolormesh([X, Y,] C, **kwargs)

根據坐標情況繪制“偽色圖”，即通過顏色的冷暖而不是亮暗來顯示圖像。

• C：代表顏色深度的二維數組
• X、Y：坐標的一維數組，可選

染色方式如下：

plt.hist(x, bins=None, **kwargs)

繪制柱狀圖，與 plt.bar() 的區別在于，hist 函數的參數是離散的數據，需要計算分布結果后繪制；而 bar 函數的參數是直接的柱體高度。

重要參數：

• x：一組或多組離散數據點，每組的數據不要求長度相同。
• weights：每個數據點的權重
  • 一個與 x 形狀保持一致的數組，表示每個數據點的權重，結果會進行累加
  • None，每個數據點權重為 1
• bins：分級的方式
  • ‘auto’ ：自動分級
  • 一個整數：該整數加 1 決定等級的數量
  • 一個整數序列：按照給定的整數序列確定每個分級的底線
• range：一個元組數據，決定分級的最小、最大值
• bottom：決定分級的基底
  • 一個數字：所有數據點的基底都由該數字決定
  • 一個數組：分別決定每個分布的基底
• density：是否使用概率密度函數顯示分布結果

plt.hist2d(x, y, bins=10, range=None, normed=False, weights=None, cmin=None, cmax=None, hold=None, data=None, **kwargs)

繪制二維的柱狀圖，類似 hexbin 函數，不過每個小格是正方形的。

重要參數：

• x，y：兩個一維數組，輸入的數據點坐標信息
• bins：決定分級方式
  • int，決定 x、y 的分級數
  • [int, int] 分別決定 x、y 的分級數
  • array 決定 x、y 每級的范圍
  • [array, array] 分別決定 x、y 的每級的范圍
• range：一個 2x2 的矩陣，決定圖表范圍
• weights：None 或一個一維數組，weights[i] 決定 (x[i], y[i]) 坐標數據點的權重；默認權重為 1
• normed：是否使用數量而不是概率密度函數來顯示數據

頻譜分析

函數名簡介

acorr	繪制 x 的自相關函數
xcorr	繪制 x 有 y 的互相關性
angle_spectrum	繪制角頻譜圖
magnitude_spectrum	繪制強度頻譜圖
phase_spectrum	繪制相位譜圖
cohere	繪制 x 與 y 的相干性圖
scd	繪制互譜密度
psd	繪制功率譜密度
spectrogram	短時傅里葉變換

等高線

函數名簡介

clabel	給一條等高線添加標注
contour	繪制等高線
contourf	在等高線間填充

場/流

函數名簡介

barbs	風速場
quiver	箭頭圖
quiverkey	給 quiver 添加注釋表填
streamplot	帶有場的箭頭

系列文章：

matplotlib 使用簡明教程（一）-基礎概念：
https://blog.csdn.net/fenghuizhidao/article/details/79352882
matplotlib 使用簡明教程（二）-常用圖表
https://blog.csdn.net/fenghuizhidao/article/details/83090043
matplotlib 使用簡明教程（三）-一些專業圖表簡介
https://blog.csdn.net/fenghuizhidao/article/details/83090165
matplotlib 使用簡明教程（四）-輔助性元件
https://blog.csdn.net/fenghuizhidao/article/details/83090249
matplotlib 使用簡明教程（五）-畫布、圖表、元素基礎操作
https://blog.csdn.net/fenghuizhidao/article/details/83090320
matplotlib 使用簡明教程（六）-圖像、動畫相關
https://blog.csdn.net/fenghuizhidao/article/details/83090512
matplotlib 使用簡明教程（七）-樣式定義
https://blog.csdn.net/fenghuizhidao/article/details/83090553

總結

以上是生活随笔為你收集整理的matplotlib 使用简明教程（三）-一些专业图表简介的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。