Python常见图表生成代码示例

引言

本文档整理了使用Python生成各类常见图表的代码示例，包括条形图、折线图、饼图等。所有代码均基于Matplotlib和Seaborn库实现，确保简洁易懂且可直接运行。

环境准备

首先需要安装必要的库：

1
pip install matplotlib seaborn numpy pandas

一、条形图 (Bar Chart)

条形图适用于比较不同类别的数据值。

1.1 基本垂直条形图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import matplotlib.pyplot as plt
import numpy as np

# 数据准备
categories = ['A', 'B', 'C', 'D', 'E']
values = np.array([35, 25, 40, 30, 45])

# 创建图表
plt.figure(figsize=(10, 6))
bars = plt.bar(categories, values, color='skyblue')

# 自定义样式
plt.title('基本垂直条形图', fontsize=15)
plt.xlabel('类别', fontsize=12)
plt.ylabel('数值', fontsize=12)
plt.grid(axis='y', linestyle='--', alpha=0.7)

# 添加数据标签
for bar in bars:
    height = bar.get_height()
    plt.text(bar.get_x() + bar.get_width()/2., height,
             f'{height}',
             ha='center', va='bottom')

plt.show()

中文不显示补充以下代码

1
2
3
# 设置中文字体和解决负号显示问题
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False    # 用来正常显示负号

1.2 水平条形图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
import matplotlib.pyplot as plt
import numpy as np

# 数据准备
categories = ['A', 'B', 'C', 'D', 'E']
values = np.array([35, 25, 40, 30, 45])

# 创建图表
plt.figure(figsize=(10, 6))
bars = plt.barh(categories, values, color='lightgreen')

# 自定义样式
plt.title('水平条形图', fontsize=15)
plt.xlabel('数值', fontsize=12)
plt.ylabel('类别', fontsize=12)
plt.grid(axis='x', linestyle='--', alpha=0.7)

# 添加数据标签
for bar in bars:
    width = bar.get_width()
    plt.text(width, bar.get_y() + bar.get_height()/2.,
             f'{width}',
             ha='left', va='center')

plt.show()

1.3 分组条形图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
import matplotlib.pyplot as plt
import numpy as np

# 数据准备
categories = ['A', 'B', 'C', 'D', 'E']
values1 = np.array([35, 25, 40, 30, 45])
values2 = np.array([25, 35, 30, 45, 35])

# 设置条形宽度
bar_width = 0.35
index = np.arange(len(categories))

# 创建图表
plt.figure(figsize=(12, 6))
bars1 = plt.bar(index, values1, bar_width, label='组1', color='skyblue')
bars2 = plt.bar(index + bar_width, values2, bar_width, label='组2', color='lightgreen')

# 自定义样式
plt.title('分组条形图', fontsize=15)
plt.xlabel('类别', fontsize=12)
plt.ylabel('数值', fontsize=12)
plt.xticks(index + bar_width/2, categories)
plt.legend()
plt.grid(axis='y', linestyle='--', alpha=0.7)

plt.show()

二、折线图 (Line Chart)

折线图适用于展示数据随时间或有序类别变化的趋势。

2.1 基本折线图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
import matplotlib.pyplot as plt
import numpy as np

# 数据准备
x = np.linspace(0, 10, 100)
y = np.sin(x)

# 创建图表
plt.figure(figsize=(12, 6))
plt.plot(x, y, color='blue', linewidth=2, linestyle='-')

# 自定义样式
plt.title('基本折线图', fontsize=15)
plt.xlabel('X轴', fontsize=12)
plt.ylabel('Y轴', fontsize=12)
plt.grid(linestyle='--', alpha=0.7)
plt.axhline(0, color='black', linewidth=0.5)
plt.axvline(0, color='black', linewidth=0.5)

plt.show()

2.2 多条折线图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
import matplotlib.pyplot as plt
import numpy as np

# 数据准备
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.sin(x) + np.cos(x)

# 创建图表
plt.figure(figsize=(12, 6))
plt.plot(x, y1, label='sin(x)', color='blue', linewidth=2)
plt.plot(x, y2, label='cos(x)', color='red', linewidth=2, linestyle='--')
plt.plot(x, y3, label='sin(x)+cos(x)', color='green', linewidth=2, linestyle='-.')

# 自定义样式
plt.title('多条折线图', fontsize=15)
plt.xlabel('X轴', fontsize=12)
plt.ylabel('Y轴', fontsize=12)
plt.legend(fontsize=10)
plt.grid(linestyle='--', alpha=0.7)

plt.show()

2.3 带标记点的折线图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
import matplotlib.pyplot as plt
import numpy as np

# 数据准备
x = np.arange(1, 11)
y = np.array([12, 15, 13, 17, 19, 21, 18, 23, 25, 22])

# 创建图表
plt.figure(figsize=(12, 6))
plt.plot(x, y, color='purple', linewidth=2, marker='o', markersize=8, markerfacecolor='white', markeredgewidth=2)

# 自定义样式
plt.title('带标记点的折线图', fontsize=15)
plt.xlabel('时间', fontsize=12)
plt.ylabel('数值', fontsize=12)
plt.grid(linestyle='--', alpha=0.7)

# 添加数据标签
for i, j in zip(x, y):
    plt.text(i, j+0.5, f'{j}', ha='center', va='bottom', fontsize=10)

plt.show()

三、饼图 (Pie Chart)

饼图适用于展示各部分占总体的比例关系。

3.1 基本饼图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import matplotlib.pyplot as plt
import numpy as np

# 数据准备
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99']

# 创建图表
plt.figure(figsize=(8, 8))
plt.pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%', startangle=90)

# 确保饼图为正圆形
plt.axis('equal')

plt.title('基本饼图', fontsize=15)
plt.show()

3.2 环形图（甜甜圈图）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import matplotlib.pyplot as plt
import numpy as np

# 数据准备
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99']
explode = (0.1, 0, 0, 0)  # 突出显示第一部分

# 创建图表
plt.figure(figsize=(8, 8))
plt.pie(sizes, explode=explode, labels=labels, colors=colors, autopct='%1.1f%%', startangle=90, wedgeprops={'width': 0.3})

# 确保饼图为正圆形
plt.axis('equal')

plt.title('环形图（甜甜圈图）', fontsize=15)
plt.show()

四、其他常用图表

4.1 散点图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
import matplotlib.pyplot as plt
import numpy as np

# 数据准备
np.random.seed(42)
x = np.random.randn(100)
y = np.random.randn(100)
colors = np.random.rand(100)
sizes = 1000 * np.random.rand(100)

# 创建图表
plt.figure(figsize=(10, 10))
scatter = plt.scatter(x, y, c=colors, s=sizes, alpha=0.5, cmap='viridis')

# 添加颜色条
plt.colorbar(scatter, label='颜色值')

plt.title('散点图', fontsize=15)
plt.xlabel('X轴', fontsize=12)
plt.ylabel('Y轴', fontsize=12)
plt.grid(linestyle='--', alpha=0.7)

plt.show()

4.2 直方图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns

# 设置Seaborn风格
sns.set_style("whitegrid")

# 数据准备
np.random.seed(42)
data = np.random.randn(1000)

# 创建图表
plt.figure(figsize=(12, 6))
sns.histplot(data, bins=30, kde=True, color='teal', edgecolor='black')

plt.title('直方图（带密度曲线）', fontsize=15)
plt.xlabel('数值', fontsize=12)
plt.ylabel('频数', fontsize=12)

plt.show()

4.3 箱线图

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns

# 设置Seaborn风格
sns.set_style("whitegrid")

# 数据准备
np.random.seed(42)
data = [np.random.normal(0, std, 100) for std in range(1, 5)]
labels = ['组1', '组2', '组3', '组4']

# 创建图表
plt.figure(figsize=(12, 6))
sns.boxplot(data=data, palette='Set2')
plt.xticks(range(len(labels)), labels)

plt.title('箱线图', fontsize=15)
plt.xlabel('组别', fontsize=12)
plt.ylabel('数值', fontsize=12)

plt.show()

总结

本文档提供了Python中常用图表的生成代码示例，涵盖了条形图、折线图、饼图等基本类型，以及散点图、直方图、箱线图等扩展类型。每个示例代码均包含数据准备、图表绘制和样式自定义部分，用户可根据实际需求进行修改和扩展。

如需保存图表，可在plt.show()前添加以下代码：

1
2
3
4
5
# 保存为PNG图片
plt.savefig('图表名称.png', dpi=300, bbox_inches='tight')
# 保存为PDF文件
plt.savefig('图表名称.pdf', bbox_inches='tight')

建议结合Matplotlib和Seaborn的官方文档，探索更多高级自定义选项和图表类型。