Python可視化工具M(jìn)atplotlib的20種圖表用法

更新時(shí)間：2025年05月13日 09:48:23 作者：花小姐的春天

matplotlib是一個(gè)用于創(chuàng)建出版質(zhì)量圖表的桌面繪圖包（主要是2D方面）,如果結(jié)合使用一種GUI工具包（如IPython）,matplotlib還具有諸如縮放和平移等交互功能,本文給大家總結(jié)Python?Matplotlib的20種最常見圖表玩法,需要的朋友可以參考下

總結(jié)了20種最實(shí)用的Python圖表，做數(shù)據(jù)可視化不用再抓狂了

今天咱不聊雞湯、不講情懷，直接開整！花姐帶你沉浸式體驗(yàn) Python 可視化神器——Matplotlib的20種最常見圖表玩法。

不管你是數(shù)據(jù)分析，機(jī)器學(xué)習(xí)，還是做周報(bào)、寫PPT，只要掌握了這些圖形，絕對(duì)是質(zhì)的飛躍！

接下來，準(zhǔn)備好你的 IDE，我們一個(gè)個(gè)上手敲起來！

注：要想Matplotlib支持中文！代碼跑之前記得加上這一行解決中文亂碼問題：

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文

如何你還沒有安裝matplotlib請(qǐng)打開你的終端（Terminal）或者命令行（cmd），直接敲：

pip install matplotlib

回車，喝口水，等一會(huì)兒，它自己就裝好了。

1. 折線圖（Line Chart）

常用于趨勢(shì)變化，比如氣溫、股價(jià)、KPI變化啥的。

import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文

x = [1, 2, 3, 4, 5]
y = [3, 5, 7, 6, 9]

plt.plot(x, y, marker='o')
plt.title('每日訪問量變化')
plt.xlabel('日期')
plt.ylabel('訪問量')
plt.grid(True)
plt.show()

2. 條形圖（Bar Chart）

橫著比數(shù)據(jù)，適合分類比較。

import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文

categories = ['小紅', '小明', '小剛', '小美']
scores = [90, 80, 75, 88]

plt.bar(categories, scores, color='skyblue')
plt.title('四人考試成績(jī)對(duì)比')
plt.show()

3. 直方圖（Histogram）

適合看數(shù)據(jù)分布，比如工資分布、身高、體重這些。

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文

data = np.random.normal(170, 10, 200)

plt.hist(data, bins=20, color='orange', edgecolor='black')
plt.title('身高分布圖')
plt.xlabel('身高')
plt.ylabel('人數(shù)')
plt.show()

4. 散點(diǎn)圖（Scatter Plot）

兩個(gè)變量之間的關(guān)系，看是否相關(guān)。

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文

x = np.random.rand(100)
y = x + np.random.normal(0, 0.1, 100)

plt.scatter(x, y)
plt.title('學(xué)習(xí)時(shí)間 vs 成績(jī)')
plt.xlabel('學(xué)習(xí)時(shí)間')
plt.ylabel('成績(jī)')
plt.show()

5. 餅圖（Pie Chart）

占比圖！讓老板看誰吃的預(yù)算多

import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文

labels = ['廣告', '運(yùn)營', '人力', '技術(shù)']
sizes = [30, 20, 10, 40]

plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140)
plt.title('部門預(yù)算占比')
plt.axis('equal')
plt.show()

6. 面積圖（Area Chart）

比折線圖多了一點(diǎn)“填充感”，也更直觀。

import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文

x = range(1, 6)
y = [1, 3, 4, 8, 12]

plt.fill_between(x, y, color="lightgreen")
plt.plot(x, y, color="green")
plt.title('用戶增長趨勢(shì)')
plt.show()

7. 箱線圖（Box Plot）

統(tǒng)計(jì)分析必備，幫你看離群值、上下四分位這些。

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文

data = [np.random.normal(50, std, 100) for std in (5, 10, 20)]

plt.boxplot(data, patch_artist=True)
plt.title('三組數(shù)據(jù)分布對(duì)比')
plt.show()

8. 熱力圖（Heatmap）

用顏色來表現(xiàn)數(shù)值大小，強(qiáng)烈推薦結(jié)合seaborn！

import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文

data = np.random.rand(6, 6)
sns.heatmap(data, annot=True)
plt.title('熱力圖示例')
plt.show()

9. 雷達(dá)圖（Radar Chart）

多維指標(biāo)一圖展示，簡(jiǎn)歷必備，別說我沒告訴你

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文

labels = ['溝通', '編碼', '學(xué)習(xí)', '抗壓', '責(zé)任心']
stats = [8, 9, 7, 6, 8]

angles = np.linspace(0, 2*np.pi, len(labels), endpoint=False).tolist()
stats += stats[:1]
angles += angles[:1]

fig, ax = plt.subplots(subplot_kw={'polar': True})
ax.plot(angles, stats, 'o-', linewidth=2)
ax.fill(angles, stats, alpha=0.25)
ax.set_thetagrids(np.degrees(angles[:-1]), labels)
plt.title('我的技能雷達(dá)圖')
plt.show()

10. 極坐標(biāo)圖（Polar Chart）

散點(diǎn)+極坐標(biāo)，視覺沖擊感超強(qiáng)。

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文

r = np.linspace(0, 1, 100)
theta = 2 * np.pi * r

plt.polar(theta, r)
plt.title('極坐標(biāo)示例')
plt.show()

11. 雙軸圖（Dual Axis）

兩個(gè)Y軸，兩個(gè)變量共用一個(gè)X軸，超實(shí)用。

import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文

# 數(shù)據(jù)
months = ['1月','2月','3月','4月','5月','6月','7月','8月','9月','10月','11月','12月']
sales = [120, 150, 200, 180, 220, 260, 240, 300, 320, 310, 400, 500]
new_users = [3500, 3800, 4200, 4000, 5000, 5200, 4800, 6000, 6300, 6200, 7500, 8000]

fig, ax1 = plt.subplots(figsize=(10,6))

# 左軸：銷售額
color = 'tab:blue'
ax1.set_xlabel('月份')
ax1.set_ylabel('銷售額（萬元）', color=color)
ax1.plot(months, sales, color=color, marker='o', label='銷售額')
ax1.tick_params(axis='y', labelcolor=color)

# 右軸：新注冊(cè)用戶
ax2 = ax1.twinx()
color = 'tab:red'
ax2.set_ylabel('新注冊(cè)用戶（人）', color=color)
ax2.plot(months, new_users, color=color, marker='s', linestyle='--', label='新注冊(cè)用戶')
ax2.tick_params(axis='y', labelcolor=color)

plt.title('某電商平臺(tái)2024年月度銷售額與新注冊(cè)用戶')
ax1.grid(True)

plt.show()

12. 折線圖+散點(diǎn)圖混搭（Line + Scatter）

增強(qiáng)折線圖表達(dá)力的小技巧！

import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文

# 折線數(shù)據(jù)
months = ['1月','2月','3月','4月','5月','6月','7月','8月','9月','10月','11月','12月']
avg_price = [18500, 18700, 19000, 18800, 19200, 19400, 19500, 19800, 20000, 20200, 20500, 21000]

# 散點(diǎn)數(shù)據(jù)
special_months = ['3月', '6月', '8月', '11月']
special_price = [21000, 22000, 23000, 25000]

fig, ax = plt.subplots(figsize=(10,6))

# 畫折線圖
ax.plot(months, avg_price, color='blue', marker='o', label='平均房?jī)r(jià)（元/㎡）')

# 畫散點(diǎn)圖
ax.scatter(special_months, special_price, color='red', s=100, marker='*', label='特殊成交（元/㎡）')

plt.title('2024年某小區(qū)月均房?jī)r(jià)及特殊成交記錄')
plt.xlabel('月份')
plt.ylabel('價(jià)格（元/㎡）')
plt.legend()
plt.grid(True)

plt.show()

13. 階梯圖（Step Plot）

適合描述“突變”的情況，比如電費(fèi)、分段計(jì)價(jià)那種。

import matplotlib.pyplot as plt
from datetime import datetime
import matplotlib.dates as mdates

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文

# 數(shù)據(jù)
dates = ['2023-10-01', '2023-10-02', '2023-10-03', 
         '2023-10-04', '2023-10-05', '2023-10-06', '2023-10-07']
temperatures = [22, 23, 20, 19, 18, 20, 21]

# 轉(zhuǎn)換日期格式
dates = [datetime.strptime(d, '%Y-%m-%d') for d in dates]

# 創(chuàng)建圖表
plt.figure(figsize=(10, 6))

# 繪制階梯圖（post樣式的階梯變化）
plt.step(
    dates,
    temperatures,
    where='post',    # 階梯在數(shù)據(jù)點(diǎn)后變化
    color='#E64A45', # 中國紅配色
    linewidth=2.5,
    marker='o',      # 添加數(shù)據(jù)點(diǎn)標(biāo)記
    markersize=8,
    markerfacecolor='white',
    markeredgewidth=2,
    label='每日最高氣溫'
)

# 添加標(biāo)題和標(biāo)簽
plt.title('北京市國慶期間氣溫變化（2024年10月1-7日）', fontsize=14, pad=20)
plt.xlabel('日期', fontsize=12)
plt.ylabel('溫度 (°C)', fontsize=12)

# 配置坐標(biāo)軸
plt.gca().xaxis.set_major_formatter(mdates.DateFormatter('%m/%d'))
plt.gca().xaxis.set_major_locator(mdates.DayLocator())
plt.xticks(rotation=30)
plt.ylim(15, 25)

# 添加輔助元素
plt.grid(axis='y', linestyle='--', alpha=0.7)
plt.tight_layout()
plt.legend(loc='upper left', frameon=False)

plt.show()

14. 餅圖 + 中心洞（環(huán)形圖）

視覺更舒服，直接用wedgeprops搞定。

import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文

# 數(shù)據(jù)
categories = [
    '煤炭', 
    '石油', 
    '天然氣', 
    '可再生能源\n（水電/風(fēng)電/光伏）'
]
percentages = [56.2, 18.5, 9.4, 15.9]
colors = [
    '#6D8698',  # 灰藍(lán)（煤炭）
    '#BE7352',  # 棕褐（石油）
    '#8FA6A2',  # 青灰（天然氣）
    '#8FB3B0'   # 淺綠（可再生能源）
]

# 創(chuàng)建帶中心洞的環(huán)形圖
fig, ax = plt.subplots(figsize=(8, 8))
wedges, texts, autotexts = ax.pie(
    percentages,
    wedgeprops={
        'width': 0.5,          # 環(huán)寬=半徑的50%
        'edgecolor': 'white',  # 白色分割線
        'linewidth': 1.5       # 分割線粗細(xì)
    },
    colors=colors,
    startangle=90,           # 起始角度（12點(diǎn)方向）
    autopct='%1.1f%%',       # 百分比格式
    pctdistance=0.85         # 百分比標(biāo)簽位置（0.85倍半徑）
)

# 設(shè)置百分比標(biāo)簽樣式
for autotext in autotexts:
    autotext.set_color('white')
    autotext.set_fontsize(10)
    autotext.set_weight('bold')

# 添加中心標(biāo)題
ax.text(
    0, 0, 
    'XX國能源結(jié)構(gòu)\n2024',
    ha='center', 
    va='center',
    fontsize=16,
    fontweight='bold',
    color='#2F4F4F'
)

# 添加圖例（帶透明度效果）
legend = ax.legend(
    wedges,
    categories,
    title="能源類型",
    loc="center left",
    bbox_to_anchor=(1, 0, 0.5, 1),
    frameon=False,
    labelspacing=1.2
)
legend.get_title().set_fontweight('bold')

# 設(shè)置長寬比保證正圓形
ax.axis('equal')  

plt.tight_layout()
plt.show()

15. 誤差線圖（Error Bar）

實(shí)驗(yàn)、分析場(chǎng)景常用。

import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文

# 數(shù)據(jù) (單位：萬輛)
quarters = ['Q1', 'Q2', 'Q3', 'Q4']
avg_sales = [158.6, 173.2, 204.6, 227.4]  # 季度平均銷量
std_dev = [8.2, 9.5, 11.3, 13.1]          # 各季度銷量標(biāo)準(zhǔn)差

# 創(chuàng)建帶誤差線的散點(diǎn)圖
plt.figure(figsize=(10, 6))

# 主繪圖語句
main_line = plt.errorbar(
    x=quarters,
    y=avg_sales,
    yerr=std_dev,           # 誤差線數(shù)據(jù)
    fmt='o-',               # 點(diǎn)線組合
    markersize=10,
    markerfacecolor='#2E86C1',
    markeredgecolor='white',
    elinewidth=2,           # 誤差線粗細(xì)
    ecolor='#E74C3C',       # 誤差線顏色
    capsize=8,              # 誤差線頂端橫杠長度
    linewidth=2.5,
    label='平均銷量 ± 標(biāo)準(zhǔn)差'
)

# 添加數(shù)據(jù)標(biāo)簽
for i, (v, s) in enumerate(zip(avg_sales, std_dev)):
    plt.text(i, v + 15, 
             f'{v}±{s}',
             ha='center', 
             fontsize=10,
             bbox=dict(facecolor='white', alpha=0.8))

# 可視化優(yōu)化
plt.title('2024年中國新能源汽車季度銷量誤差分析', fontsize=14, pad=20)
plt.ylabel('銷量 (萬輛)', labelpad=12)
plt.ylim(120, 260)
plt.grid(axis='y', linestyle='--', alpha=0.6)

# 添加圖例
leg = plt.legend(loc='upper left')
leg.get_frame().set_linewidth(0.0)  # 移除圖例邊框

plt.tight_layout()
plt.show()

16. 等高線圖（Contour Plot）

展示函數(shù)值隨二維變量變化的趨勢(shì)。

import matplotlib.pyplot as plt
from matplotlib import cm
import numpy as np

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文
plt.rcParams['axes.unicode_minus'] = False # 解決負(fù)數(shù)亂碼問題

# 生成地形數(shù)據(jù)（模擬青海湖周邊區(qū)域 20x20公里）
x = np.linspace(-10, 10, 200)
y = np.linspace(-8, 12, 200)
X, Y = np.meshgrid(x, y)

# 高程函數(shù)（包含湖盆與山脈特征）
Z = 3200 + 50*Y - 40*X**2 + 30*np.sin(2*X) + 45*np.exp(-(X**2 + Y**2)/25)

# 創(chuàng)建畫布
plt.figure(figsize=(12, 8))

# 繪制填充等高線
cs = plt.contourf(X, Y, Z, 
                 levels=np.linspace(3100, 3700, 13),
                 cmap=cm.gist_earth,
                 alpha=0.85)

# 繪制等高線
c_lines = plt.contour(X, Y, Z,
                     levels=np.linspace(3100, 3700, 13),
                     colors='black',
                     linewidths=0.6)

# 添加標(biāo)簽
plt.clabel(c_lines, 
          inline=True,
          fontsize=8,
          fmt='%d m')  # 添加高程標(biāo)注

# 添加色標(biāo)
cbar = plt.colorbar(cs)
cbar.set_label('高程（米）', rotation=270, labelpad=20)

# 設(shè)置地形圖元素
plt.title('青海湖周邊地形等高線模擬圖', pad=20, fontsize=14)
plt.xlabel('東西向距離 (公里)')
plt.ylabel('南北向距離 (公里)')
plt.grid(linestyle=':', alpha=0.5)

# 標(biāo)注特征區(qū)域
plt.text(-8, 10, '日月山脈', ha='left', va='center', 
        fontsize=9, color='#8B0000')
plt.annotate('青海湖水域', xy=(-1, 3), xytext=(-9, 5),
            arrowprops=dict(arrowstyle="->", color='navy'),
            fontsize=9, color='#00008B')

plt.tight_layout()
plt.show()

17. 3D 曲面圖（3D Surface）

你沒看錯(cuò)，Matplotlib也能畫3D！

import matplotlib.pyplot as plt
from matplotlib import cm
import numpy as np

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文
plt.rcParams['axes.unicode_minus'] = False # 解決負(fù)數(shù)亂碼問題

# 生成真實(shí)地形數(shù)據(jù)（模擬黃石公園44.5°N, 110.5°W區(qū)域）
x = np.linspace(-5, 5, 150)
y = np.linspace(-5, 5, 150)
X, Y = np.meshgrid(x, y)

# 高程函數(shù)（包含火山口與地?zé)釁^(qū)特征）
Z = 2400 + 50*np.exp(-0.3*(X**2 + Y**2)) - 200*np.exp(-0.8*((X+1)**2 + (Y-0.5)**2)) 
Z += 30*np.sin(2*X) * np.cos(3*Y)

# 創(chuàng)建3D畫布
fig = plt.figure(figsize=(14, 10))
ax = fig.add_subplot(111, projection='3d')

# 繪制曲面
surf = ax.plot_surface(X, Y, Z, 
                      cmap=cm.terrain,    # 地形專用色標(biāo)
                      rstride=2,         # 行采樣步長
                      cstride=2,         # 列采樣步長
                      alpha=0.95,
                      antialiased=True,
                      linewidth=0.2,
                      edgecolor='#333333')

# 添加色標(biāo)
cbar = fig.colorbar(surf, shrink=0.6, aspect=30)
cbar.set_label('高程 (米)', rotation=270, labelpad=25)

# 設(shè)置觀測(cè)角度
ax.view_init(elev=35, azim=300)  # 35度俯角，300度方位角

# 添加標(biāo)注
ax.set_xlabel('東西向 (公里)', labelpad=12)
ax.set_ylabel('南北向 (公里)', labelpad=12)
ax.set_zlabel('高程', labelpad=12)
ax.set_title('某國家公園地?zé)釁^(qū)3D地形模型', y=0.98, fontsize=14)

# 添加地形特征標(biāo)注
ax.text(-4, -4, 2600, '▲ 火山口', color='#8B0000', fontsize=9)
ax.text(1.5, 0.8, 2250, '地?zé)釃娙獏^(qū)', color='#2F4F4F', fontsize=9)

# 優(yōu)化顯示效果
ax.xaxis.pane.fill = False
ax.yaxis.pane.fill = False
ax.zaxis.pane.fill = False
ax.xaxis._axinfo["grid"].update({"linewidth":0.3, "color" : "#666666"})
ax.yaxis._axinfo["grid"].update({"linewidth":0.3, "color" : "#666666"})
ax.zaxis._axinfo["grid"].update({"linewidth":0.3, "color" : "#666666"})

plt.tight_layout()
plt.show()

18. 氣泡圖（Bubble Plot）

其實(shí)是散點(diǎn)圖加強(qiáng)版，用大小表示變量大小。

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文
plt.rcParams['axes.unicode_minus'] = False # 解決負(fù)數(shù)亂碼問題


# 各省份數(shù)據(jù)（GDP單位：萬億元，人口單位：千萬人）
provinces = [
    '廣東', '江蘇', '山東', '浙江', '河南',
    '四川', '湖北', '福建', '湖南', '安徽'
]
gdp = [12.91, 12.29, 8.74, 7.77, 6.13, 
       5.67, 5.37, 5.31, 4.87, 4.50]
population = [126.6, 85.1, 101.6, 65.4, 98.7,
              83.7, 58.3, 41.8, 66.4, 61.3]
per_capita_gdp = [10.2, 14.4, 8.6, 11.9, 6.2,
                  6.8, 9.2, 12.7, 7.3, 7.3]  # 單位：萬元/人

# 創(chuàng)建畫布
plt.figure(figsize=(14, 8))

# 繪制氣泡圖
scatter = plt.scatter(
    x=gdp,
    y=population,
    s=np.array(per_capita_gdp)*400,  # 氣泡大小縮放
    c=np.arange(len(provinces)),      # 顏色映射
    cmap='tab20',
    alpha=0.8,
    edgecolors='white',
    linewidths=0.8
)

# 設(shè)置坐標(biāo)軸
plt.title('xxxx主要省份經(jīng)濟(jì)數(shù)據(jù)氣泡圖', fontsize=14, pad=20)
plt.xlabel('GDP（萬億元）', labelpad=12)
plt.ylabel('人口（千萬人）', labelpad=12)
plt.grid(linestyle=':', alpha=0.6)

# 設(shè)置坐標(biāo)范圍
plt.xlim(3, 14)
plt.ylim(30, 130)

plt.tight_layout()
plt.show()

19. 漏斗圖（Funnel Chart）

展示“轉(zhuǎn)化率”的神器。

import matplotlib.pyplot as plt

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文
plt.rcParams['axes.unicode_minus'] = False # 解決負(fù)數(shù)亂碼問題


labels = ['訪問', '注冊(cè)', '激活', '付費(fèi)']
values = [1000, 800, 400, 100]

plt.barh(labels, values)
plt.title('用戶轉(zhuǎn)化漏斗')
plt.show()

20. 動(dòng)態(tài)圖（Animation）

別說靜態(tài)圖無聊，Matplotlib也能動(dòng)起來！

import matplotlib.pyplot as plt
import numpy as np
from matplotlib import animation

plt.rcParams['font.family'] = 'SimHei'  # 黑體支持中文
plt.rcParams['axes.unicode_minus'] = False # 解決負(fù)數(shù)亂碼問題

fig, ax = plt.subplots()
x = np.linspace(0, 2*np.pi, 128)
line, = ax.plot(x, np.sin(x))

def update(i):
    line.set_ydata(np.sin(x + i / 10.0))
    return line,

ani = animation.FuncAnimation(fig, update, frames=100, interval=50)
plt.title('動(dòng)態(tài)正弦波')
plt.show()

最后說一句

可視化不僅僅是“畫圖”，更是講故事的方式，是你用代碼向世界展示洞察力的舞臺(tái)。別只是盯著那些一眼看完的報(bào)表，有時(shí)候，一個(gè)圖勝過千言萬語。

以上就是Python可視化工具M(jìn)atplotlib的20種圖表用法的詳細(xì)內(nèi)容，更多關(guān)于Python可視化工具M(jìn)atplotlib用法的資料請(qǐng)關(guān)注腳本之家其它相關(guān)文章！

您可能感興趣的文章:

欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python可視化工具M(jìn)atplotlib的20種圖表用法

目錄

總結(jié)了20種最實(shí)用的Python圖表，做數(shù)據(jù)可視化不用再抓狂了

1. 折線圖（Line Chart）

2. 條形圖（Bar Chart）

3. 直方圖（Histogram）

4. 散點(diǎn)圖（Scatter Plot）

5. 餅圖（Pie Chart）

6. 面積圖（Area Chart）

7. 箱線圖（Box Plot）

8. 熱力圖（Heatmap）

9. 雷達(dá)圖（Radar Chart）

10. 極坐標(biāo)圖（Polar Chart）

11. 雙軸圖（Dual Axis）

12. 折線圖+散點(diǎn)圖混搭（Line + Scatter）

13. 階梯圖（Step Plot）

14. 餅圖 + 中心洞（環(huán)形圖）

15. 誤差線圖（Error Bar）

16. 等高線圖（Contour Plot）

17. 3D 曲面圖（3D Surface）

18. 氣泡圖（Bubble Plot）

19. 漏斗圖（Funnel Chart）

20. 動(dòng)態(tài)圖（Animation）

最后說一句

相關(guān)文章

最新評(píng)論

大家感興趣的內(nèi)容

最近更新的內(nèi)容

常用在線小工具

欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python可視化工具M(jìn)atplotlib的20種圖表用法

目錄

總結(jié)了20種最實(shí)用的Python圖表，做數(shù)據(jù)可視化不用再抓狂了

1. 折線圖（Line Chart）

2. 條形圖（Bar Chart）

3. 直方圖（Histogram）

4. 散點(diǎn)圖（Scatter Plot）

5. 餅圖（Pie Chart）

6. 面積圖（Area Chart）

7. 箱線圖（Box Plot）

8. 熱力圖（Heatmap）

9. 雷達(dá)圖（Radar Chart）

10. 極坐標(biāo)圖（Polar Chart）

11. 雙軸圖（Dual Axis）

12. 折線圖+散點(diǎn)圖混搭（Line + Scatter）

13. 階梯圖（Step Plot）

14. 餅圖 + 中心洞（環(huán)形圖）

15. 誤差線圖（Error Bar）

16. 等高線圖（Contour Plot）

17. 3D 曲面圖（3D Surface）

18. 氣泡圖（Bubble Plot）

19. 漏斗圖（Funnel Chart）

20. 動(dòng)態(tài)圖（Animation）

最后說一句

相關(guān)文章

最新評(píng)論

大家感興趣的內(nèi)容

最近更新的內(nèi)容

常用在線小工具

總結(jié)了20種最實(shí)用的Python圖表，做數(shù)據(jù)可視化不用再抓狂了