Python_matplotlib入门详解
一、Matplotlib
博文来源:https://www.runoob.com/matplotlib/matplotlib-tutorial.html
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。
Matplotlib 可以用来绘制各种静态,动态,交互式的图表。
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。
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。
二、Matplotlib 安装
我们使用 pip 工具来安装 Matplotlib 库,
升级 pip:
python3 -m pip install -U pip
安装 matplotlib 库:
python3 -m pip install -U matplotlib
安装完成后,我们就可以通过 import 来导入 matplotlib 库:
以下实例,我们通过导入 matplotlib 库,然后查看 matplotlib 库的版本号:
实例
import matplotlib print(matplotlib.__version__)
三、Matplotlib Pyplot
Pyplot 是 Matplotlib 的子库,提供了和 MATLAB 类似的绘图 API。
Pyplot 是常用的绘图模块,能很方便让用户绘制 2D 图表。
Pyplot 包含一系列绘图函数的相关函数,每个函数会对当前的图像进行一些修改,例如:给图像加上标记,生新的图像,在图像中产生新的绘图区域等等。
使用的时候,我们可以使用 import 导入 pyplot 库,并设置一个别名 plt:
这样我们就可以使用 plt 来引用 Pyplot 包的方法。
以下实例,我们通过两个坐标 (0,0) 到 (6,100) 来绘制一条线:
实例
import matplotlib.pyplot as plt import numpy as np
xpoints = np.array([0, 6 ])
ypoints = np.array([0, 100 ])
plt.plot(xpoints, ypoints)
plt.show()
输出结果如下所示:
以上实例中我们使用了 Pyplot 的 plot() 函数, plot() 函数是绘制二维图形的最基本函数。
plot() 用于画图它可以绘制点和线,语法格式如下:
# 画单条线 plot ([ x ], y , [ fmt ], *, data = None , ** kwargs ) # 画多条线 plot ([ x ], y , [ fmt ], [ x2 ], y2 , [ fmt2 ], ..., ** 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。
>>> plot(x, y, 'bo') # 创建 y 中数据与 x 中对应值的二维线图,使用蓝色实心圈绘制
>>> plot(y) # x 的值为 0..N-1
>>> plot(y, 'r+') # 使用红色 + 号
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。
线型参数: '‐' 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。
如果我们要绘制坐标 (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:
实例
import matplotlib.pyplot as plt import numpy as np
xpoints = np.array([1, 8 ])
ypoints = np.array([3, 10 ])
plt.plot(xpoints, ypoints)
plt.show()
以上代码输出结果为:
如果我们只想绘制两个坐标点,而不是一条线,可以使用 o 参数,表示一个实心圈的标记:
绘制坐标 (1, 3) 和 (8, 10) 的两个点
import matplotlib.pyplot as plt import numpy as np
xpoints = np.array([1, 8 ])
ypoints = np.array([3, 10 ])
plt.plot(xpoints, ypoints, ' o ' )
plt.show()
以上代码输出结果为:
我们也可以绘制任意数量的点,只需确保两个轴上的点数相同即可。
绘制一条不规则线,坐标为 (1, 3) 、 (2, 8) 、(6, 1) 、(8, 10),对应的两个数组为:[1, 2, 6, 8] 与 [3, 8, 1, 10]。
实例
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()
以上代码输出结果为:
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。
实例
import matplotlib.pyplot as plt import numpy as np
ypoints = np.array([3, 10 ])
plt.plot(ypoints)
plt.show()
以上代码输出结果为:
从上图可以看出 x 的值默认设置为 [0, 1] 。
再看一个有更多值的实例:
实例
import matplotlib.pyplot as plt import numpy as np
ypoints = np.array([3, 8, 1, 10, 5, 7 ])i
plt.plot(ypoints)
plt.show()
以上代码输出结果为:
从上图可以看出 x 的值默认设置为 [0, 1, 2, 3, 4, 5] 。
以下实例我们绘制一个正弦和余弦图,在 plt.plot() 参数中包含两对 x,y 值,第一对是 x,y ,这对应于正弦函数,第二对是 x,z ,这对应于余弦函数。
实例
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()
以上代码输出结果为:
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()
四、Matplotlib 绘图标记
绘图过程如果我们想要给坐标自定义一些不一样的标记,就可以使用 plot() 方法的 marker 参数来定义。
以下实例定义了实心圆标记:
实例
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()
显示结果如下:
marker 可以定义的符号如下:
标记 | 符号 | 描述 |
---|---|---|
"." | 点 | |
"," | 像素点 | |
"o" | 实心圆 | |
"v" | 下三角 | |
"^" | 上三角 | |
"<" | 左三角 | |
">" | 右三角 | |
"1" | 下三叉 | |
"2" | 上三叉 | |
"3" | 左三叉 | |
"4" | 右三叉 | |
"8" | 八角形 | |
"s" | 正方形 | |
"p" | 五边形 | |
"P" | 加号(填充) | |
"*" | 星号 | |
"h" | 六边形 1 | |
"H" | 六边形 2 | |
"+" | 加号 | |
"x" | 乘号 x | |
"X" | 乘号 x (填充) | |
"D" | 菱形 | |
"d" | 瘦菱形 | |
"|" | 竖线 | |
"_" | 横线 | |
0 (TICKLEFT) | 左横线 | |
1 (TICKRIGHT) | 右横线 | |
2 (TICKUP) | 上竖线 | |
3 (TICKDOWN) | 下竖线 | |
4 (CARETLEFT) | 左箭头 | |
5 (CARETRIGHT) | 右箭头 | |
6 (CARETUP) | 上箭头 | |
7 (CARETDOWN) | 下箭头 | |
8 (CARETLEFTBASE) | 左箭头 (中间点为基准) | |
9 (CARETRIGHTBASE) | 右箭头 (中间点为基准) | |
10 (CARETUPBASE) | 上箭头 (中间点为基准) | |
11 (CARETDOWNBASE) | 下箭头 (中间点为基准) | |
"None", " " or "" | 没有任何标记 | |
'$...$' | 渲染指定的字符。例如 "$f$" 以字母 f 为标记。 |
以下实例定义了 * 标记:
实例
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 = ' * ' )
plt.show()
显示结果如下:
fmt 参数
fmt 参数定义了基本格式,如标记、线条样式和颜色。
例如 o:r, o 表示实心圆标记, : 表示虚线, r 表示颜色为红色。
实例
import matplotlib.pyplot as plt import numpy as np
ypoints = np.array([6, 2, 13, 10 ])
plt.plot(ypoints, ' o:r ' )
plt.show()
显示结果如下:
线类型:
线类型标记 | 描述 | |
---|---|---|
'-' | 实线 | |
':' | 虚线 | |
'--' | 破折线 | |
'-.' | 点划线 |
颜色类型:
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 |
标记大小与颜色
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。
设置标记大小:
实例
import matplotlib.pyplot as plt import numpy as np
ypoints = np.array([6, 2, 13, 10 ])
plt.plot(ypoints, marker = ' o ' , ms = 20 )
plt.show()
显示结果如下:
设置标记外边框颜色:
实例
import matplotlib.pyplot as plt import numpy as np
ypoints = np.array([6, 2, 13, 10 ])
plt.plot(ypoints, marker = ' o ' , ms = 20, mec = ' r ' )
plt.show()
显示结果如下:
设置标记内部颜色:
实例
import matplotlib.pyplot as plt import numpy as np
ypoints = np.array([6, 2, 13, 10 ])
plt.plot(ypoints, marker = ' o ' , ms = 20, mfc = ' r ' )
plt.show()
显示结果如下:
自定义标记内部与边框的颜色:
实例
import matplotlib.pyplot as plt import numpy as np
ypoints = np.array([6, 2, 13, 10 ])
plt.plot(ypoints, marker = ' o ' , ms = 20, mec = ' #4CAF50 ' , mfc = ' #4CAF50 ' )
plt.show()
显示结果如下:
五、Matplotlib 绘图线
绘图过程如果我们自定义线的样式,包括线的类型、颜色和大小等。
线的类型
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 |
实例
import matplotlib.pyplot as plt import numpy as np
ypoints = np.array([6, 2, 13, 10 ])
plt.plot(ypoints, linestyle = ' dotted ' )
plt.show()
显示结果如下:
线的颜色
线的颜色可以使用 color 参数来定义,简写为 c。
颜色类型:
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 |
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。
实例
import matplotlib.pyplot as plt import numpy as np
ypoints = np.array([6, 2, 13, 10 ])
plt.plot(ypoints, color = ' r ' )
plt.show()
显示结果如下:
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。
实例
import matplotlib.pyplot as plt import numpy as np
ypoints = np.array([6, 2, 13, 10 ])
plt.plot(ypoints, linewidth = ' 12.5 ' )
plt.show()
显示结果如下:
多条线
plot() 方法中可以包含多对 x,y 值来绘制多条线。
实例
import matplotlib.pyplot as plt import numpy as np
y1 = np.array([3, 7, 5, 9 ])
y2 = np.array([6, 2, 13, 10 ])
plt.plot(y1)
plt.plot(y2)
plt.show()
显示结果如下:
我们也可以自己设置 x 坐标等值:
六、Matplotlib 轴标签和标题
我们可以使用 xlabel() 和 ylabel() 方法来设置 x 轴和 y 轴的标签。
实例
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.xlabel( " x - label " )
plt.ylabel( " y - label " )
plt.show()
显示结果如下:
标题
我们可以使用 title() 方法来设置标题。
实例
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( " RUNOOB TEST TITLE " )
plt.xlabel( " x - label " )
plt.ylabel( " y - label " )
plt.show()
显示结果如下:
图形中文显示
Matplotlib 默认情况不支持中文,如有需要参考:https://www.runoob.com/matplotlib/matplotlib-label.html
七、Matplotlib 网格线
我们可以使用 pyplot 中的 grid() 方法来设置图表中的网格线。
grid() 方法语法格式如下:
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。
以下实例添加一个简单的网格线,参数使用默认值:
实例
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( " RUNOOB grid() Test " )
plt.xlabel( " x - label " )
plt.ylabel( " y - label " )
plt.plot(x, y)
plt.grid()
plt.show()
显示结果如下:
以下实例添加一个简单的网格线,axis 参数使用 x,设置 x 轴方向显示网格线:
实例
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( " RUNOOB grid() Test " )
plt.xlabel( " x - label " )
plt.ylabel( " y - label " )
plt.plot(x, y)
plt.grid(axis = ' x ' ) # 设置 y 就在轴方向显示网格线 plt.show()
显示结果如下:
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 ( 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。
实例
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( " RUNOOB grid() Test " )
plt.xlabel( " x - label " )
plt.ylabel( " y - label " )
plt.plot(x, y)
plt.grid(color = ' r ' , linestyle = ' -- ' , linewidth = 0.5 )
plt.show()
显示结果如下:
八、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
subplot ( nrows , ncols , index , ** kwargs ) subplot ( pos , ** kwargs ) subplot (** kwargs ) subplot ( ax )
以上函数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。
设置 numRows = 1,numCols = 2,就是将图表绘制成 1x2 的图片区域, 对应的坐标为:
( 1 , 1 ), ( 1 , 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。
实例
import matplotlib.pyplot as plt import numpy as np # plot 1: xpoints = np.array([0, 6 ])
ypoints = np.array([0, 100 ])
plt.subplot( 1, 2, 1 )
plt.plot(xpoints,ypoints)
plt.title( " plot 1 " ) # plot 2: x = np.array([1, 2, 3, 4 ])
y = np.array([1, 4, 9, 16 ])
plt.subplot( 1, 2, 2 )
plt.plot(x,y)
plt.title( " plot 2 " )
plt.suptitle( " RUNOOB subplot Test " )
plt.show()
显示结果如下:
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。
实例
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( " RUNOOB subplot Test " )
plt.show()
显示结果如下:
Matplotlib 散点图
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。
以下实例 scatter() 函数接收长度相同的数组参数,一个用于 x 轴的值,另一个用于 y 轴上的值:
实例
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]) plt.scatter(x, y) plt.show()
显示结果如下:
使用随机数来设置散点图:
实例
import numpy as np import matplotlib.pyplot as plt # 随机数生成器的种子 np.random.seed(19680801 )
N = 50 x = np.random.rand(N)
y = np.random.rand(N)
colors = np.random.rand(N)
area = (30 * np.random.rand(N))**2 # 0 to 15 point radii plt.scatter(x, y, s =area, c=colors, alpha=0.5) # 设置颜色及透明度 plt.title( " RUNOOB Scatter Test " ) # 设置标题 plt.show()
显示结果如下:
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。
下面是一个颜色条的例子:
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。
实例
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 ])
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.show()
显示结果如下:
如果要显示颜色条,需要使用 plt.colorbar() 方法:
实例
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 ])
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.colorbar()
plt.show()
显示结果如下:
九、Matplotlib 柱形图
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 ( x , height , width = 0.8 , bottom = None , *, align = 'center' , data = None , ** kwargs )
参数说明:
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。
以下实例我们简单实用 bar() 来创建一个柱形图:
实例
import matplotlib.pyplot as plt import numpy as np
x = np.array([ " Runoob-1 " , " Runoob-2 " , " Runoob-3 " , " C-RUNOOB " ])
y = np.array([12, 22, 6, 18 ])
plt.bar(x,y)
plt.show()
显示结果如下:
垂直方向的柱形图可以使用 barh() 方法来设置:
实例
import matplotlib.pyplot as plt import numpy as np
x = np.array([ " Runoob-1 " , " Runoob-2 " , " Runoob-3 " , " C-RUNOOB " ])
y = np.array([12, 22, 6, 18 ])
plt.barh(x,y)
plt.show()
显示结果如下:
自定义各个柱形的颜色:
实例
import matplotlib.pyplot as plt import numpy as np
x = np.array([ " Runoob-1 " , " Runoob-2 " , " Runoob-3 " , " C-RUNOOB " ])
y = np.array([12, 22, 6, 18 ])
plt.bar(x, y, color = [ " #4CAF50 " , " red " , " hotpink " , " #556B2F " ])
plt.show()
显示结果如下:
设置柱形图宽度, bar() 方法使用 width 设置, barh() 方法使用 height 设置 height
实例
import matplotlib.pyplot as plt