第1章

數據可視化與matplotlib

·

數據可視化概述·常見的數據可視化庫·初識matplotlib

·使用matplotlib繪制第一個圖表第1章數據可視化與matplotlib

第2章使用matplotlib繪制簡單圖表

第3章圖表輔助元素的定制

第4章圖表樣式美化

第5章子圖的繪制及坐標軸共享第6章坐標軸的定制第7章繪制3D圖表和統計圖第8章使用matplotlib繪制高級圖表第9章可視化后起之秀——pyecharts了解掌握熟悉掌握學習目標了解什么是數據可視化，常見數據可視化庫，matplotlib

12熟悉數據可視化方式，選擇正確的可視化圖表掌握安裝matplotlib

34掌握使用matplotlib

繪制第一個圖表目錄頁1.1數據可視化概述1.2常見的數據可視化庫1.3初識matplotlib1.4使用matplotlib繪制圖表目錄頁1.1數據可視化概述1.2常見的數據可視化庫1.3初識matplotlib1.4使用matplotlib繪制圖表1.1.1什么是數據可視化數據可視化有著非常久遠的歷史，最早可以追溯至10世紀，至今已經應用和發展了數百年。10世紀18世紀20-21世紀19世紀14-17世紀什么是數據可視化？數據可視化旨在借助圖形化的手段，將一組數據以圖形的形式表示，并利用數據分析和開發工具發現其中未知信息的處理過程。1.1.1什么是數據可視化可視化其實是一個抽象的過程，它可以簡單地理解為將一個不易描述的事物形成一個可感知畫面的過程，也就是從數據空間到圖形空間的映射。

1.1.1什么是數據可視化數據可視化的過程無論原始數據被映射為哪種圖形數據，最終要達到的目的只有一個，便是準確地、高效地、全面地傳遞信息，進而建立起數據間的關系，使人們發現數據間的規律和特征，并挖掘出有價值的信息，提高數據溝通的效率。1.1.1什么是數據可視化假設某公司員工在整理全年KPI報告時準備了表格和圖形這兩種形式的數據。

表格可以幫助公司領導快速地知道各季度的具體數值，但無法快速地了解各季度之間的比較情況。圖形可以幫助公司高層準確地了解各季度之間的比較情況，方便對公司下一年的工作做出有效地決策。1.1.1什么是數據可視化1.1.1什么是數據可視化總綜上所述，數據可視化是數據分析工作中重要的一環，對數據潛在價值的挖掘有著深遠的影響。隨著數據可視化平臺的拓展、表現形式的變化，以及實時動態效果、用戶交互使用等功能的增加，數據可視化的內涵正在不斷擴大，相信數據可視化的應用領域會越來越廣泛。結折線圖是將數據標注成點，并通過直線將這些點按某種順序連接而成的圖表，它以折線的傾斜程度來形象地反映事物沿某一維度的變化趨勢，能夠清晰地展示數據增減的趨勢、速率、規律及峰值等特征。折線圖1.1.2常見的數據可視化方式海口市4月23—29日的最高氣溫和最低氣溫的變化情況

柱形圖是由一系列寬度相等的縱向矩形條組成的圖表，它使用矩形條的高度表示數值，以此反映不同分類數據之間的差異。1.1.2常見的數據可視化方式柱形圖以此反映不同分類數據之間的差異。

2015—2018年阿里巴巴公司的營業收入情況條形圖是橫置的柱形圖，由一系列高度相等、長短不一的橫向矩形條組成。1.1.2常見的數據可視化方式條形圖2019年上半年快手用戶對各類商品廣告的關注率堆積圖可分為堆積面積圖、堆積柱形圖和堆積條形圖。其中堆積面積圖是由若干條折線與折線或水平坐標軸之間的填充區域組成的圖表，用于強調每個部分變化的趨勢；堆積柱形圖和堆積條形圖是由若干個以顏色或線條填充、高度不一的縱向矩形條或橫向矩形條堆疊而成的圖表，主要用于反映各構成部分在總體中的比重。1.1.2常見的數據可視化方式堆積圖2017年全球及各地區一次性能源的消費結構某物流公司2014年各運輸方式的運費情況運費（萬元）直方圖又稱質量分布圖，是由一系列高低不等的縱向矩形條或線段組成的圖表，用于反映數據的分布和波動情況。1.1.2常見的數據可視化方式直方圖某廠商對100個抽樣產品的質量級別評定情況柱形圖與直方圖的區別包括以下兩點：柱形圖用于展示離散型數據的分布，而直方圖用于展示連續型數據的分布；柱形圖的各矩形條之間具有固定的間隙，而直方圖的各矩形條之間沒有任何間隙。1.1.2常見的數據可視化方式箱形圖又稱盒須圖、箱線圖，是一種利用數據中的5個統計量——最小值、下四分位數、中位數、上四分位數和最大值-——描述數據的圖表，主要用于反映一組或多組數據的對稱性、分布程度等信息，因形狀如箱子而得名。1.1.2常見的數據可視化方式箱形圖不同廠家所產地毯的耐用性箱形圖中每個圖形的結構是相同的，包括一個矩形箱體、上下兩條豎線、上下兩條橫線。箱體代表數據的集中范圍；上下兩條豎線分別代表數據向上和向下的延伸范圍；上下兩條橫線分別代表最大值和最小值；圓圈代表異常值（也稱為離群值）。1.1.2常見的數據可視化方式餅圖是由若干個面積大小不一、顏色不同的扇形組成的圓形圖表，它使用圓表示數據的總量，組成圓的每個扇形表示數據中各項占總量的比例大小，主要用于顯示數據中各項大小與各項總和的比例。1.1.2常見的數據可視化方式餅圖2018年全國居民的人均消費支出情況圓環圖也能反映各項與整體之間的關系，但它使用圓環表示整體，組成圓環的每個楔形表示各項占整體的比例大小，外形像空心的圓餅。1.1.2常見的數據可視化方式散點圖又稱X-Y圖，是由若干個數據點組成的圖表，主要用于判斷兩變量之間是否存在某種關聯，或者總結數據點的分布模式。1.1.2常見的數據可視化方式散點圖股票回報率與基金回報率的投資分析情況散點圖中數據點的分布情況可以體現變量之間的相關性。

若所有的數據點在一條直線附近呈波動趨勢，說明變量之間是線性相關的。若數據點在曲線附近呈波動趨勢，說明變量之間是非線性相關的。若數據點沒有顯示任何關系，說明變量之間是不相關的。

1.1.2常見的數據可視化方式氣泡圖是散點圖的變形，它是一種能夠展示多變量關系的圖表。氣泡圖一般使用兩個變量標注氣泡在坐標系中的位置，使用第3個變量標注氣泡的面積，適用于分類數據對比、多變量相關性等情況。1.1.2常見的數據可視化方式氣泡圖第1梯隊和第2梯隊主流App用戶量與上線時間的分布情況誤差棒圖是使用誤差棒注明被測量數據的不確定度大小的圖表，用于表示測量數據中客觀存在的測量偏差。誤差棒是在表示測量值大小的方向上的一條線段，它以被測量數據的平均值為中點，線段長度的一半為不確定度。1.1.2常見的數據可視化方式誤差棒圖某城市上半年的降雨量雷達圖又稱蜘蛛網圖、星狀圖、極區圖，由一組坐標軸和多個等距同心圓或多邊形組成，是一種表現多維（4維以上）數據的圖表。1.1.2常見的數據可視化方式雷達圖某人通過霍蘭德職業興趣測試的結果統計地圖是一種以地圖為背景，使用各種線紋、色彩、幾何圖形或實物形象標注指標數值的大小及其在不同地理位置的分布狀況的圖表。1.1.2常見的數據可視化方式統計地圖2021年2月1日中國新型冠狀病毒肺炎疫情地圖3D圖表是一類在三維坐標系中呈現數據的圖表，常用的圖表包括3D散點圖、3D折線圖、3D曲面圖、3D直方圖、3D柱形圖等。1.1.2常見的數據可視化方式3D圖表豆粕期權隱含波動率數據通常包含4種關系：比較、分布、構成和聯系。

比較比較關系主要關注數據中各類別或時間變化的情況。

分布分布關系主要關注不同數值范圍內包含多少數據的情況。

構成構成關系主要關注各部分與整體占比的情況。聯系聯系關系主要關注兩個及兩個以上的變量之間關系的情況。1.1.3選擇正確的可視化圖表基于比較關系可選擇的圖表1.1.3選擇正確的可視化圖表非循環數據基于分布關系可選擇的圖表1.1.3選擇正確的可視化圖表基于構成關系可選擇的圖表1.1.3選擇正確的可視化圖表基于聯系關系可選擇的圖表1.1.3選擇正確的可視化圖表目錄頁1.1數據可視化概述1.2常見的數據可視化庫1.3初識matplotlib1.4使用matplotlib繪制圖表Python作為數據分析的首選語言，它針對數據分析的每個環節都提供了很多庫。常見的數據可視化庫包括matplotlib、seaborn、ggplot、bokeh、pygal、pyecharts。1.2常見的數據可視化庫1.2常見的數據可視化庫matplotlib是眾多Python數據可視化庫的鼻祖，其設計風格與20世紀80年代設計的商業化程序語言MATLAB十分接近，具有很多強大且復雜的可視化功能。matplotlib包含多種類型的API，可以采用多種方式繪制圖表并對圖表進行定制。1.2常見的數據可視化庫seaborn是基于matplotlib進行高級封裝的可視化庫，它支持交互式界面，使得繪制圖表的功能變得愈加容易，且圖表的色彩更具吸引力，可以畫出豐富多樣的統計圖表。ggplot是基于matplotlib并旨在以簡單方式提高matplotlib可視化感染力的庫，它采用疊加圖層的形式繪制圖形，例如先繪制坐標軸所在的圖層，再繪制點所在的圖層，最后繪制線所在的圖層，但其并不適用于個性化定制圖形。1.2常見的數據可視化庫bokeh是一個交互式的可視化庫，它支持使用Web瀏覽器展示，可使用快速簡單的方式將大型數據集轉換成高性能的、可交互的、結構簡單的圖表。pygal是一個可縮放矢量圖表庫，用于生成可在瀏覽器中打開的SVG格式的圖表，這種圖表可以在不同比例的屏幕上自動縮放，方便用戶交互。pyecharts是一個生成EchartsEnterpriseCharts，商業產品圖表）圖表的庫，它生成的Echarts圖表憑借良好的交互性、精巧的設計得到了眾多開發者的認可。目錄頁1.1數據可視化概述1.2常見的數據可視化庫1.3初識matplotlib1.4使用matplotlib繪制圖表matplotlib支持numpy、pandas的數據結構，具有繪制豐富的圖表、定制圖表元素或樣式的功能。matplotlib還可用于繪制一些3D圖表

。matplotlib是一個由JohnD.Hunter等人員開發的、主要用于繪制2D圖表的Python庫。1.3.1matplotlib概述matplotlib官網提供了三種API：pyplotAPI、object-orientedAPI、pylabAPI

。pyplotAPIpyplotAPI是使用pyplot模塊開發的接口，該接口封裝了一系列與MATLAB命令同名的函數，使用這些函數可以像使用MATLAB命令一樣快速地繪制圖表。

object-orientedAPIobject-orientedAPI是面向對象的接口，該接口封裝了一系列對應圖表元素的類，只有創建這些類的對象并按照隸屬關系組合到一起才能完成一次完整的繪圖。pylabAPIpylabAPI是使用pylab模塊開發的接口，它最初是為了模仿MATLAB的工作方式而設計的，包括pyplot、numpy模塊及一些其它附加功能，適用于Python交互環境中。1.3.1matplotlib概述1.3.1matplotlib概述matplotlib官方不建議使用pylabAPI進行開發，并在最新的版本中棄用了pylabAPI。用戶在使用時可以根據自身的實際情況進行選擇，若只是需要快速地繪制圖表，可以選擇pyplotAPI進行開發；若需要自定義圖表，可以選擇object-orientedAPI進行開發。安裝matplotlib的方式有多種，既可以直接使用pip命令安裝，也可以使用Anaconda工具進行安裝。1.3.2安裝matplotlibAnaconda是一個開源的Python發行版本，包括conda、Python環境，以及諸如numpy、pandas、matplotlib、scipy等180多個科學計算包，既可以在同一臺計算機上安裝不同版本的軟件包和依賴項，也能在不同環境之間進行切換，非常適合初學者使用。安裝Anaconda工具

（1）從Anaconda官網下載的安裝文件，雙擊啟動安裝程序，進入歡迎使用Anaconda3的界面，如右圖所示。

1.3.2安裝matplotlib安裝Anaconda工具

（2）單擊【Next】按鈕進入要求用戶接受許可協議的界面，如右圖所示。

1.3.2安裝matplotlib安裝Anaconda工具

（3）單擊【IAgree】按鈕進入用戶選擇安裝類型的界面，如右圖所示

。這里選擇采用“JustMe”方式進行安裝。1.3.2安裝matplotlib安裝Anaconda工具

（4）單擊【Next】按鈕進入用戶選擇Anaconda安裝位置的界面，默認安裝路徑為“C:\Users\admin\Anaconda3”，如右圖所示

。

1.3.2安裝matplotlib安裝Anaconda工具

（5）保持默認配置。單擊【Next】按鈕進入設置高級安裝選項的界面，如右圖所示

。

第1個選項為將Anaconda添加到計算機的環境變量中，第2個選項為是否允許Anaconda使用Python3.7，這里保持默認配置。1.3.2安裝matplotlib安裝Anaconda工具

（6）單擊【Install】按鈕進入開始安裝的界面，待安裝完成后直接進入安裝完成的界面，如右圖所示

。

1.3.2安裝matplotlib安裝Anaconda工具

（7）單擊【Next】按鈕，進入介紹Anaconda3信息的界面，再次單擊【Next】按鈕進入謝謝安裝Anaconda3的界面，如右圖所示

。

1.3.2安裝matplotlib此時，Anaconda工具已經自動安裝了matplotlib庫。安裝Anaconda工具

（8）單擊【Finish】按鈕，之后在默認的瀏覽器中打開了登錄或注冊“AnacondaCloud”的界面，大家直接關閉即可。1.3.2安裝matplotlib驗證matplotlib是否安裝成功

（1）單擊計算機的【開始】→【所有程序】→【Anaconda3(64-bit)】，可以看到“Anaconda3(64-bit)”目錄中包含多個組件。

1.3.2安裝matplotlib驗證matplotlib是否安裝成功

Navigator

Anaconda發行版中包含的圖形用戶界面，允許用戶在不使用命令的情況下啟動程序并輕松管理包。JupyterNotebook

基于Web網頁的交互計算的應用程序，支持實時代碼、數學方程和可視化。Prompt

Anaconda發行版中自帶的命令行工具，允許用戶使用conda命令管理包。1.3.2安裝matplotlib驗證matplotlib是否安裝成功

（2）單擊“JupyterNotebook（Anaconda3）”啟動程序，并在默認的瀏覽器中打開JupyterNotebook工具，再次單擊“AnacondaProjects”進入存放程序文件的目錄，此時該目錄中還沒有任何程序文件。

1.3.2安裝matplotlib驗證matplotlib是否安裝成功

（3）單擊【New】→【Python3】按鈕，即可創建并打開一個由系統自動命名的“Untitled.ipynb”文件，在“Untitled.ipynb”文件中編寫導入pyplot模塊的語句。

1.3.2安裝matplotlib驗證matplotlib是否安裝成功

（4）單擊【運行】按鈕，程序未出現任何異常信息，表明matplotlib安裝成功。1.3.2安裝matplotlibJupyterNotebook與其它集成開發環境相比，它可以重現整個數據分析的過程，并將代碼、公式、注釋、圖表和結論整合到一個文檔中。因此，本書后續會使用JupyterNotebook工具進行開發，也建議初學者使用這個工具開發。1.3.2安裝matplotlib目錄頁1.1數據可視化概述1.2常見的數據可視化庫1.3初識matplotlib1.4使用matplotlib繪制圖表importnumpyasnpimportmatplotlib.pyplotaspltdata=np.array([1,2,3,4,5])#準備數據fig=plt.figure()#創建畫布ax=fig.add_subplot(111)#添加繪圖區域ax.plot(data)#繪制圖表plt.show()#展示圖表下面結合面向對象的方式繪制一個簡單的圖表。1.4使用matplotlib繪制第一個圖表1.4使用matplotlib繪制第一個圖表運行效果importnumpyasnpimportmatplotlib.pyplotaspltdata=np.array([1,2,3,4,5])#準備數據#在當前畫布的繪圖區域中繪制圖表plt.plot(data)plt.show()#展示圖表下面使用pyplot的繪圖函數快速地繪制同一個圖表。

1.4使用matplotlib繪制第一個圖表通過比較兩個示例可以發現，第二個示例使用更少的代碼便繪制了同一個圖表。1.4使用matplotlib繪制第一個圖表假設大家想畫一幅素描：第1步：固定一個畫板第2步：固定一張畫布

第3步：畫布上作畫同理，使用matplotlib庫繪制的圖形并非只有一層結構多學一招：matplotlib所繪圖形的層次結構使用matplotlib繪制的圖形主要由三層組成：容器層、圖像層和輔助顯示層。

容器層容器層主要由Canvas對象、Figure對象、Axes對象組成。

輔助顯示層輔助顯示層是指繪圖區域內除所繪圖形之外的輔助元素，包括坐標軸、標題、圖例、注釋文本等。圖像層圖像層是指繪圖區域內繪制的圖形。多學一招：matplotlib所繪圖形的層次結構關于Canvas對象、Figure對象、Axes對象的結構如下圖所示。

Axes對象擁有屬于自己的坐標系，它可以是直角坐標系，即包含x軸和y軸的坐標系，也可以是三維坐標系（Axes的子類Axes3D對象），即包含x軸、y軸、z軸的坐標系。多學一招：matplotlib所繪圖形的層次結構圖像層和輔助顯示層所包含的內容都位于Axes類對象之上，都屬于圖表的元素。多學一招：matplotlib所繪圖形的層次結構本章主要為大家介紹了數據可視化和matplotlib的入門知識，包括數據可視化概述、常見的數據可視化庫、初識matplotlib庫、使用matplotlib庫繪制第一個圖表。通過對本章的學習，希望讀者可以理解可視化的過程和方式，能夠獨立搭建開發環境，并對matplotlib開發有一個初步的認識，為后續的學習做好鋪墊。本章小結第2章

使用matplotlib繪制簡單圖表·繪制折線圖·繪制柱形圖或堆積柱形圖·繪制條形圖或堆積條形圖

·繪制直方圖·繪制餅圖或圓環圖·繪制散點圖或氣泡圖

掌握掌握掌握掌握學習目標掌握繪制折線圖，繪制柱形圖或堆積柱形圖

12掌握繪制條形圖或堆積條形圖，繪制堆積面積圖、直方圖掌握繪制餅圖或圓環圖，繪制散點圖或氣泡圖34掌握繪制箱形圖，繪制雷達圖，繪制誤差棒圖目錄頁2.5繪制直方圖2.1繪制折線圖2.2繪制柱形圖或堆積柱形圖2.3繪制條形圖或堆積條形圖

2.4繪制堆積面積圖2.6繪制餅圖或圓環圖目錄頁2.7繪制散點圖或氣泡圖2.8繪制箱形圖2.9繪制雷達圖2.10繪制誤差棒圖目錄頁2.5繪制直方圖2.1繪制折線圖2.2繪制柱形圖或堆積柱形圖2.3繪制條形圖或堆積條形圖

2.4繪制堆積面積圖2.6繪制餅圖或圓環圖使用pyplot的plot()函數可以快速地繪制折線圖。

plot（x,y,fmt,scalex=True,scaley=True,data=None,label=None,*args,**kwargs）x：表示x軸的數據，默認值為range(len(y))。y：表示y軸的數據。fmt：表示快速設置線條樣式的格式字符串。label：表示應用于圖例的標簽文本。plot()函數會返回一個包含Line2D類對象（代表線條）的列表。2.1.1使用plot()繪制折線圖語法使用pyplot的plot()函數還可以繪制具有多個線條的折線圖，通過以下任意一種方式均可以完成。第1種plt.plot(x1,y1)plt.plot(x2,y2)第2種plt.plot(x1,y1,x2,y2)

第3種arr=np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])plt.plot(arr[0],arr[1:])

2.1.1使用plot()繪制折線圖人們每天的生活離不開天氣預報，無論是居家還是外出，人們都時刻關注著天氣的變化，以便隨時備好傘具、增減衣服，或者為后期的出行計劃做好準備。2.1.2實例1：未來15天最高氣溫和最低氣溫2.1.2實例1：未來15天最高氣溫和最低氣溫本實例要求根據下表的數據，將日期列的數據作為x軸數據，將最高氣溫和最低氣溫兩列的數據作為y軸數據，使用plot()函數繪制下圖所示的折線圖。由圖可知，未來15天的最高氣溫和最低氣溫都呈現逐步下降后反彈的趨勢。2.1.2實例1：未來15天最高氣溫和最低氣溫溫度日期最高氣溫最低氣溫目錄頁2.5繪制直方圖2.1繪制折線圖2.2繪制柱形圖或堆積柱形圖2.3繪制條形圖或堆積條形圖

2.4繪制堆積面積圖2.6繪制餅圖或圓環圖2.2.1使用bar()繪制柱形圖或堆積柱形圖bar(x,

height,

width=0.8,

bottom=None,

align=‘center’,

tick_label=None,xerr=None,yerr=None,**kwargs)x:表示柱形的x坐標值。height:表示柱形的高度。width:表示柱形的寬度，默認為0.8。bottom:表示柱形底部的y值，默認為0。tick_label：表示柱形對應的刻度標簽。xerr，yerr:若未設為None，則需要為柱形圖添加水平/垂直誤差棒。

語法使用pyplot的bar()函數可以快速地繪制柱形圖或堆積柱形圖。

bar()函數會返回一個BarContainer類的對象。BarContainer類的對象是一個包含柱形或誤差棒的容器，它亦可以視為一個元組，可以遍歷獲取每個柱形或誤差棒。BarContainer類的對象也可以訪問patches或errorbar屬性分別獲取圖表中所有的柱形或誤差棒。2.2.1使用bar()繪制柱形圖或堆積柱形圖x=np.arange(5)y1=np.array([10,8,7,11,13])#柱形的寬度bar_width=0.3#繪制柱形圖plt.bar(x,y1,tick_label=['a','b','c','d','e'],width=bar_width)2.2.1使用bar()繪制柱形圖或堆積柱形圖示例繪制有一組柱形的柱形圖2.2.1使用bar()繪制柱形圖或堆積柱形圖x=np.arange(5)y1=np.array([10,8,7,11,13])y2=np.array([9,6,5,10,12])#柱形的寬度bar_width=0.3#根據多組數據繪制柱形圖plt.bar(x,y1,tick_label=['a','b','c','d','e'],width=bar_width)plt.bar(x+bar_width,y2,width=bar_width)plt.show()示例繪制有兩組柱形的柱形圖在使用bar()函數繪制圖表時，可以通過給該函數的bottom參數傳值的方式控制柱形的y值，使后繪制的柱形位于先繪制的柱形的上方。#繪制堆積柱形圖plt.bar(x,y1,tick_label=['a','b','c','d','e'],width=bar_width)plt.bar(x,y2,bottom=y1,width=bar_width)

2.2.1使用bar()繪制柱形圖或堆積柱形圖繪制堆積柱形圖示例#偏差數據error=[2,1,2.5,2,1.5]#繪制帶有誤差棒的柱形圖plt.bar(x,y1,tick_label=['a','b','c','d','e'],width=bar_width)plt.bar(x,y1,bottom=y1,width=bar_width,yerr=error)2.2.1使用bar()繪制柱形圖或堆積柱形圖繪制有誤差棒的柱形圖在使用bar()函數繪制圖表時，還可以通過給xerr、yerr參數傳值的方式為柱形添加誤差棒。

示例隨著互聯網與電子商務的快速發展，人們的消費模式發生了翻天覆地的變化，越來越多的消費者選擇網絡購物，省時省力。阿里巴巴公司作為中國電商的引領者，其旗下的淘寶和天貓是深受消費者歡迎的網購平臺。2.2.2實例2:2013~2019財年阿里巴巴淘寶和天貓平臺的GMV2.2.2實例2:2013~2019財年阿里巴巴淘寶和天貓平臺的GMV本實例要求根據下表的數據，將財年列的數據作為x軸數據，將GMV列的數據作為y軸數據，使用bar()函數繪制下圖所示的柱形圖。2013~2019財年的成交總額逐年增加，至2019年已經達到近60000億元。GMV財年寬度0.52.2.2實例2:2013~2019財年阿里巴巴淘寶和天貓平臺的GMV目錄頁2.5繪制直方圖2.1繪制折線圖2.2繪制柱形圖或堆積柱形圖2.3繪制條形圖或堆積條形圖

2.4繪制堆積面積圖2.6繪制餅圖或圓環圖2.3.1使用barh()繪制條形圖或堆積條形圖barh(y,

width,

height=0.8,

left=None,align='center',

*,**kwargs)

y：表示條形的y值。width：表示條形的寬度。height：表示條形的高度，默認值為0.8。left：條形左側的x坐標值，默認值為0。align：表示條形的對齊方式，默認值為“center”,即條形與刻度線居中對齊。tick_label：表示條形對應的刻度標簽。xerr，yerr：若未設為None，則需要為條形圖添加水平/垂直誤差棒。語法使用pyplot的barh()函數可以快速地繪制條形圖或堆積條形圖。

barh()函數會返回一個BarContainer類的對象。y=np.arange(5)x1=np.array([10,8,7,11,13])#條形的高度bar_height=0.3#繪制條形圖plt.barh(y,x1,tick_label=['a','b','c','d','e'],height=bar_height)

2.3.1使用barh()繪制條形圖或堆積條形圖示例繪制有一組條形的條形圖y=np.arange(5)x1=np.array([10,8,7,11,13])x2=np.array([9,6,5,10,12])bar_height=0.3plt.barh(y,x1,tick_label=['a','b','c','d','e'],height=bar_height)plt.barh(y+bar_height,x2,height=bar_height)2.3.1使用barh()繪制條形圖或堆積條形圖示例繪制有兩組條形的條形圖#繪制堆積條形圖plt.barh(y,x1,tick_label=['a','b','c','d','e'],height=bar_height)plt.barh(y,x2,left=x1,height=bar_height)2.3.1使用barh()繪制條形圖或堆積條形圖繪制堆積條形圖在使用barh()函數繪制圖表時，可以通過給left參數傳值的方式控制條形的x值，使后繪制的條形位于先繪制的條形右方。示例#偏差數據error=[2,1,2.5,2,1.5]#繪制帶有誤差棒的條形圖plt.barh(y,x1,tick_label=['a','b','c','d','e'],height=bar_height)plt.barh(y,x2,left=x1,height=bar_height,xerr=error)2.3.1使用barh()繪制條形圖或堆積條形圖繪制有誤差棒的條形圖在使用barh()函數繪制圖表時，可以通過給xerr、yerr參數傳值的方式為條形添加誤差棒。示例2.3.2實例3：各商品種類的網購替代率網絡購物已經成為人們日常生活的一部分，它在創造新的消費方式的同時，也在改變著人們的消費模式和習慣，成為拉動居民消費的重要渠道。國家統計局抽取了771個樣本，并根據這些樣本測算用戶網購替代率（網購用戶線上消費對線下消費的替代比率）的情況。

2.3.2實例3：各商品種類的網購替代率本實例要求根據下表的數據，將商品種類列的數據作為y軸的刻度標簽，將替代率列的數據作為x軸數據，使用barh()函數繪制下圖所示的條形圖。各商品種類的網購替代率（部分）2.3.2實例3：各商品種類的網購替代率由圖可知，工藝品、收藏品的網購替代率最低，家政、家教、保姆等生活服務的網購替代率最高。網購替代率高度為0.6目錄頁2.5繪制直方圖2.1繪制折線圖2.2繪制柱形圖或堆積柱形圖2.3繪制條形圖或堆積條形圖

2.4繪制堆積面積圖2.6繪制餅圖或圓環圖2.4.1使用stackplot()繪制堆積面積圖stackplot(x,

y,labels=(),

baseline='zero',

data=None,

*args,

**kwargs)x：表示x軸的數據，可以是一維數組。y：表示y軸的數據，可以是二維數組或一維數組序列。labels：表示每個填充區域的標簽。baseline：表示計算基線的方法，包括zero、sym、wiggle和weighted_wiggle。其中zero表示恒定零基線，即簡單的疊加圖；sym表示對稱于零基線；wiggle表示最小化平方斜率之和；weighted_wiggle表示執行相同的操作，但權重用于說明每層的大小。語法使用pyplot的stackplot()函數可以快速地繪制堆積面積圖。

x=np.arange(6)y1=np.array([1,4,3,5,6,7])y2=np.array([1,3,4,2,7,6])y3=np.array([3,4,3,6,5,5])#繪制堆積面積圖plt.stackplot(x,y1,y2,y3)2.4.1使用stackplot()繪制堆積面積圖示例繪制有三個填充區域堆疊的堆積面積圖近些年我國物流行業蓬勃房展，目前已經有近幾千家物流公司，其中部分物流公司大打價格戰，以更低的價格吸引更多的客戶，從而搶占市場份額。2.4.2實例4：物流公司物流費用統計2.4.2實例4：物流公司物流費用統計本實例要求根據下表的數據，將月份列的數據作為x軸的刻度標簽，將A公司、B公司、C公司這三列數據作為y軸的數據，使用stackplot()函數繪制下圖所示的堆積面積圖。2.4.2實例4：物流公司物流費用統計B公司的物流費用呈現明顯的增長趨勢，A公司和C公司的物流費用呈現平緩的波動趨勢。月份C公司的物流費用物流費用B公司的物流費用A公司的物流費用目錄頁2.5繪制直方圖2.1繪制折線圖2.2繪制柱形圖或堆積柱形圖2.3繪制條形圖或堆積條形圖

2.4繪制堆積面積圖2.6繪制餅圖或圓環圖2.5.1使用hist()繪制直方圖hist(x,

bins=None,

range=None,

density=None,

weights=None,

bottom=None,

**kwargs)x：表示x軸的數據。bins：表示矩形條的個數，默認為10。range：表示數據的范圍，若未設置范圍，默認數據范圍為(x.min(),

x.max())。cumulative：表示是否計算累計頻數或頻率。histtype：表示直方圖的類型，支持'bar'、'barstacked'、'step'、'stepfilled‘四種取值，其中'bar'為默認值，代表傳統的直方圖；'barstacked'代表堆積直方圖；'step'代表未填充的線條直方圖；'stepfilled'代表填充的線條直方圖。語法使用pyplot的hist()函數可以快速地繪制直方圖。

2.5.1使用hist()繪制直方圖hist(x,

bins=None,

range=None,

density=None,

weights=None,

bottom=None,

**kwargs)align：表示矩形條邊界的對齊方式，可設置為'left'、'mid'或'right'，默認為'mid'。orientation：表示矩形條的擺放方式，默認為'vertical'，即垂直方向。rwidth：表示矩形條寬度的百分比，默認為0。若histtype的值為'step'或'stepfilled'，則直接忽略rwidth參數的值。stacked：表示是否將多個矩形條以堆疊形式擺放。語法使用pyplot的hist()函數可以快速地繪制直方圖。

#準備50個隨機測試數據scores=np.random.randint(0,100,50)#繪制直方圖plt.hist(scores,bins=8,histtype='stepfilled’)2.5.1使用hist()繪制直方圖示例繪制填充的線條直方圖人臉識別技術是一種生物特征識別技術，它通過從裝有攝像頭的終端設備拍攝的人臉圖像中抽取人的個性化特征，以此來識別人的身份?；叶戎狈綀D是實現人臉識別的方法之一，它將數字圖像的所有像素按照灰度值的大小統計其出現的頻率。

2.5.2實例5：人臉識別的灰度直方圖#10000個隨機數random_state=np.random.RandomState(19680801)radom_x=random_state.randn(10000)#繪制包含25個矩形條的直方圖plt.hist(radom_x,bins=25)2.5.2實例5：人臉識別的灰度直方圖本實例要求使用一組10000個隨機數作為人臉圖像的灰度值，使用hist()函數繪制下圖所示的灰度直方圖。2.5.2實例5：人臉識別的灰度直方圖由圖可知，位于-0.5~0之間的灰度值最多，位于-4~-3或3~4之間的灰度值最少?；叶戎殿l率25個矩形條目錄頁2.5繪制直方圖2.1繪制折線圖2.2繪制柱形圖或堆積柱形圖2.3繪制條形圖或堆積條形圖

2.4繪制堆積面積圖2.6繪制餅圖或圓環圖2.6.1使用pie()繪制餅圖或圓環圖pie(x,

explode=None,

labels=None,

autopct=None,

pctdistance=0.6,

startangle=None,*,

data=None)x：表示扇形或楔形的數據。explode：表示扇形或楔形離開圓心的距離。labels：表示扇形或楔形對應的標簽文本。autopct：表示控制扇形或楔形的數值顯示的字符串，可通過格式字符串指定小數點后的位數。pctdistance：表示扇形或楔形對應的數值標簽距離圓心的比例，默認為0.6。shadow：表示是否顯示陰影。labeldistance：表示標簽文本的繪制位置（相對于半徑的比例），默認為1.1。語法使用pyplot的pie()函數可以快速地繪制餅圖或圓環圖。

2.6.1使用pie()繪制餅圖或圓環圖pie(x,

explode=None,

labels=None,

autopct=None,

pctdistance=0.6,

startangle=None,*,

data=None)startangle：表示起始繪制角度，默認從x軸的正方向逆時針繪制。radius：表示扇形或楔形圍成的圓形半徑。wedgeprops：表示控制扇形或楔形屬性的字典。例如，通過wedgeprops

=

{'width':

0.7}

將楔形的寬度設為0.7。textprops：表示控制圖表中文本屬性的字典。center：表示圖表的中心點位置，默認為（0,0）。frame：表示是否顯示圖框。語法使用pyplot的pie()函數可以快速地繪制餅圖或圓環圖。

data=np.array([20,50,10,15,30,55])pie_labels=np.array(['A','B','C','D','E','F'])#繪制餅圖：半徑為0.5，數值保留1位小數plt.pie(data,radius=1.5,labels=pie_labels,autopct='%3.1f%%')2.6.1使用pie()繪制餅圖或圓環圖示例繪制餅圖data=np.array([20,50,10,15,30,55])pie_labels=np.array(['A','B','C','D','E','F'])#繪制圓環圖plt.pie(data,radius=1.5,wedgeprops={‘width’:0.7},labels=pie_labels,autopct='%3.1f%%’,

pctdistance=0.75)

2.6.1使用pie()繪制餅圖或圓環圖示例繪制圓環圖近年來隨著支付App的出現，人們的生活發生了翻天覆地的變化，無論是到超市選購商品，還是跟朋友聚餐，或是來一場說走就走的旅行，都可以使用移動支付App輕松完成支付，非常便捷。2.6.2實例6：支付寶月賬單報告支付寶是人們使用較多的支付方式，它擁有自動記錄每月賬單的功能，可以方便用戶了解每月資金的流動情況。2.6.2實例6：支付寶月賬單報告本實例要求根據下表的數據，將分類列的數據作為餅圖的標簽，將各分類對應的金額與總支出金額的比例作為餅圖的數據，使用pie()函數繪制下圖所示的餅圖。2.6.2實例6：支付寶月賬單報告綠色扇形的面積最大，說明餐飲美食方面的支出在當月總支出中占比最大；橙色扇形的面積最小，說明人情往來的支出在當月總支出中占比最小。顯示陰影起始角度為90離開圓心距離為0.1目錄頁2.7繪制散點圖或氣泡圖2.8繪制箱形圖2.9繪制雷達圖2.10繪制誤差棒圖2.7.1使用scatter()繪制散點圖或氣泡圖scatter(x,

y,

s=None,

c=None,

marker=None,

cmap=None,

linewidths=None,

edgecolors=None,

*,

**kwargs)

x，y：表示數據點的位置。s：表示數據點的大小。c：表示數據點的顏色。marker：表示數據點的樣式，默認為圓形。alpha：表示透明度，可以取值為0~1。linewidths：表示數據點的描邊寬度。edgecolors：表示數據點的描邊顏色。語法使用pyplot的scatter()函數可以快速地繪制散點圖或氣泡圖。

num=50x=np.random.rand(num)y=np.random.rand(num)plt.scatter

(x,y)2.7.1使用scatter()繪制散點圖或氣泡圖示例繪制散點圖num=50x=np.random.rand(num)y=np.random.rand(num)area=(30*np.random.rand(num))**2plt.scatter(x,y,s=area)2.7.1使用scatter()繪制散點圖或氣泡圖示例繪制氣泡圖汽車的制動距離主要取決于汽車的車速。若車速增加1倍，則汽車的制動距離將增大至近4倍。2.7.2實例7：汽車速度與制動距離的關系某汽車生產公司對一批豐田汽車進行抽樣測試，并分別記錄了不同的車速對應的制動距離。2.7.2實例7：汽車速度與制動距離的關系本實例要求根據下表的數據，將車速(km/h)列的數據作為x軸的數據，將制動距離(m)列的數據作為y軸的數據，使用scatter()函數繪制下圖所示的散點圖。2.7.2實例7：汽車速度與制動距離的關系由圖可知，恒定條件下，制動距離隨著車速的增大而增加。車速制動距離目錄頁2.7繪制散點圖或氣泡圖2.8繪制箱形圖2.9繪制雷達圖2.10繪制誤差棒圖2.8.1使用boxplot()繪制箱形圖boxplot(x,

notch=None,

sym=None,

vert=None,

whis=None,

positions=None,

widths=None,

*,

data=None)x：繪制箱形圖的數據。sym：表示異常值對應的符號，默認為空心圓圈。vert：表示是否將箱形圖垂直擺放，默認為垂直擺放。whis：表示箱形圖上下須與上下四分位的距離，默認為1.5倍的四分位差。positions：表示箱體的位置。widths：表示箱體的寬度，默認為0.5。patch_artist：表示是否填充箱體的顏色，默認不填充。語法使用pyplot的boxplot()函數可以快速地繪制箱形圖。

2.8.1使用boxplot()繪制箱形圖boxplot(x,

notch=None,

sym=None,

vert=None,

whis=None,

positions=None,

widths=None,

*,

data=None)meanline：是否用橫跨箱體的線條標出中位數，默認不使用。showcaps：表示是否顯示箱體頂部和底部的橫線，默認顯示。showbox：表示是否顯示箱形圖的箱體，默認顯示。showfliers：表示是否顯示異常值，默認顯示。labels：表示箱形圖的標簽。boxprops：表示控制箱體屬性的字典。語法使用pyplot的boxplot()函數可以快速地繪制箱形圖。

data=np.random.randn(100)plt.boxplot(data,meanline=True,widths=0.3,patch_artist=True,showfliers=False)2.8.1使用boxplot()繪制箱形圖繪制不顯示異常值的箱形圖示例2.8.2實例8:2017年和2018年全國發電量統計本實例要求根據下表的數據，將發電量(億千瓦時)列的數據作為x軸的數據，將2017年和2018年作為y軸的刻度標簽，使用boxplot()函數繪制下圖所示的箱形圖。2.8.2實例8:2017年和2018年全國發電量統計由圖可知，2017年每月的發電量大多分布于4800~5300億千瓦時范圍內，2018年每月的發電量大多分布于5250~5700億千瓦時范圍內。發電量顯示異常值顯示中位數箱體寬度0.5，填充顏色，橫向擺放目錄頁2.7繪制散點圖或氣泡圖2.8繪制箱形圖2.9繪制雷達圖2.10繪制誤差棒圖2.9.1使用polar()繪制雷達圖polar(theta,r,**kwargs)

theta:表示每個數據點所在射線與極徑的夾角。r:表示每個數據點到原點的距離。語法使用pyplot的polar()函數可以快速地繪制雷達圖。

霍蘭德職業興趣測試是由美國職業指導專家霍蘭德根據他本人大量的職業咨詢經驗及其職業類型理論編制的測評工具。根據個人興趣的不同，霍蘭德將人格分為研究型（I）、藝術型（A）、社會型（S）、企業型（E）、傳統型（C）和現實型（R）6個維度，將這6個維度不同程度的組合形成每個人的性格。2.9.2實例9：霍蘭德職業興趣測試2.9.2實例9：霍蘭德職業興趣測試本實例要求根據下表的數據，將標題一行的數據作為雷達圖的標簽，將其余行的數據作為雷達圖的數據，使用polar()函數繪制下圖所示的雷達圖。2.9.2實例9：霍蘭德職業興趣測試由圖可知，用戶1偏向于現實型人格；用戶2偏向于研究型人格；用戶3偏向于藝術型人格；用戶4偏向于企業型人格；用戶5偏向于社會型人格；用戶6偏向于傳統型人格。用戶1的測試結果用戶2的測試結果用戶3的測試結果用戶5的測試結果用戶4的測試結果用戶6的測試結果目錄頁2.7繪制散點圖或氣泡圖2.8繪制箱形圖2.9繪制雷達圖2.10繪制誤差棒圖2.10.1使用errorbar()繪制誤差棒圖

errorbar(x,

y,

yerr=None,

xerr=None,

fmt='',

ecolor=None,

*,

data=None,

**kwargs)

x，y：表示數據點的位置。xerr，yerr：表示數據的誤差范圍。fmt：表示數據點的標記樣式和數據點之間連接線的樣式。elinewidth：表示誤差棒的線條寬度。capsize：表示誤差棒邊界橫桿的大小。capthick：表示誤差棒邊界橫桿的厚度。語法使用pyplot的errorbar()函數可以快速地繪制誤差棒圖。

2.10.1使用errorbar()繪制誤差棒圖

x=np.arange(5)y=(25,32,34,20,25)y_offset=(3,5,2,3,3)plt.errorbar(x,y,yerr=y_offset,capsize=3,capthick=2)示例繪制誤差棒圖細根生物量的多少反映了根系從土壤中吸收水分和養分的能力，是植物地下部分集匯能力的重要體現。不同樹種細根生物量存在差異性，各樹種細根生物量在不同季節間差異較為明顯。馬尾松樟樹杉木桂花2.10.2實例10：4個樹種不同季節的細根生物量2.10.2實例10：4個樹種不同季節的細根生物量本實例要求根據下表的數據，將季節列的數據作為x軸的刻度標簽，將其他列的數據作為y軸的數據，使用errorbar()函數繪制下圖所示的誤差棒圖。2.10.2實例10：4個樹種不同季節的細根生物量馬尾松樟樹杉木桂花由圖可知，杉木的細根生物量最多，說明杉木吸收水分和養分的能力最強；馬尾松的細根生物量最少，說明馬尾松吸收水分和養分的能力最弱。本章主要介紹了如何使用matplotlib庫的繪圖函數繪制簡單的圖表，包括折線圖、柱形圖或堆積柱形圖、條形圖或堆積條形圖、堆積面積圖、直方圖、餅圖或圓環圖、散點圖或氣泡圖、箱形圖、雷達圖、誤差棒圖。通過學習本章的內容，希望大家能夠掌握繪圖函數的用法，可以使用這些函數繪制簡單的圖表，為后續的學習打好扎實的基礎。2.11本章小結第3章

圖表輔助元素的定制·設置坐標軸的標簽·設置刻度范圍和刻度標簽

·添加標題和圖例

·顯示網格·添加參考線和參考區域·添加注釋文本、表格了解掌握掌握掌握學習目標了解圖表常用的輔助元素12掌握設置坐標軸的標簽、刻度范圍、刻度標簽掌握添加標題、圖例、參考線和參考區域，顯示網格34掌握添加注釋文本，添加表格目錄頁3.5添加參考線和參考區域3.1認識圖表常用的輔助元素3.2設置坐標軸的標簽、刻度范圍和刻度標簽3.3添加標題和圖例3.4顯示網格3.6添加注釋文本目錄頁3.7添加表格3.8本章小結目錄頁3.5添加參考線和參考區域3.1認識圖表常用的輔助元素3.2設置坐標軸的標簽、刻度范圍標簽3.3添加標題和圖例3.4顯示網格3.6添加注釋文本圖表的輔助元素是什么，有哪些？3.1認識圖表常用的輔助元素圖表的輔助元素是指除了根據數據繪制的圖形之外的元素，常用的輔助元素包括坐標軸、標題、圖例、網格、參考線、參考區域、注釋文本和表格，它們都可以對圖形進行補充說明。3.1認識圖表常用的輔助元素坐標軸：分為單坐標軸和雙坐標軸，單坐標軸按不同的方向又可分為水平坐標軸（又稱x軸）和垂直坐標軸（又稱y軸）。標題：表示圖表的說明性文本。圖例：用于指出圖表中各組圖形采用的標識方式。網格：從坐標軸刻度開始的、貫穿繪圖區域的若干條線，用于作為估算圖形所示值的標準。參考線：標記坐標軸上特殊值的一條直線。參考區域：標記坐標軸上特殊范圍的一塊區域。注釋文本：表示對圖形的一些注釋和說明。表格：用于強調比較難理解數據的表格。3.1認識圖表常用的輔助元素坐標軸是由刻度標簽、刻度線（主刻度線和次刻度線）、軸脊和坐標軸標簽組成。3.1認識圖表常用的輔助元素“x軸”為坐標軸的標簽。“0”~“7”均為刻度標簽?！?”~“7”對應的短豎線為刻度線，且為主刻度線。刻度線上方的橫線為軸脊。matplotlib中的次刻度線默認是隱藏的。3.1認識圖表常用的輔助元素不同的圖表具有不同的輔助元素，比如餅圖是沒有坐標軸的，而折線圖是有坐標軸的，大家可根據實際需求進行定制。目錄頁3.5添加參考線和參考區域3.1認識圖表常用的輔助元素3.2設置坐標軸的標簽、刻度范圍和刻度標簽3.3添加標題和圖例3.4顯示網格3.6添加注釋文本使用pyplot模塊的xlabel()函數可以設置x軸的標簽。3.2.1設置坐標軸的標簽xlabel(xlabel,

fontdict=None,

labelpad=None,

**kwargs)xlabel：表示x軸標簽的文本。fontdict：表示控制標簽文本樣式的字典。labelpad：表示標簽與x軸軸脊間的距離。語法3.2.1設置坐標軸的標簽使用pyplot模塊的ylabel()函數可以設置y軸的標簽。ylabel(ylabel,

fontdict=None,

labelpad=None,

**kwargs)ylabel：表示y軸標簽的文本。fontdict：表示控制標簽文本樣式的字典。labelpad：表示標簽與y軸軸脊的距離。語法Axes對象使用set_xlabel()方法可以設置x軸的標簽，使用set_ylabel()方法可以設置y軸的標簽。set_xlabel()、set_ylabel()方法與xlabel()、ylabel()函數的參數用法相同。

3.2.1設置坐標軸的標簽3.2.1設置坐標軸的標簽示例#設置x軸和y軸的標簽plt.xlabel("x軸")plt.ylabel("y軸")設置x軸和y軸的標簽當繪制圖表時，坐標軸的刻度范圍和刻度標簽都與數據的分布有著直接的聯系，即坐標軸的刻度范圍取決于數據中的最大值和最小值。3.2.2設置刻度范圍和刻度標簽若沒有指定任何數據，x軸和y軸的刻度范圍為0.05~1.05，刻度標簽為[-0.2,0.0,0.2,0.4,0.6,0.8,1.0,1.2]；若指定了數據，刻度范圍和刻度標簽會隨著數據的變化而變化。使用pyplot模塊的xlim()和ylim()函數分別可以設置或獲取x軸和y軸的刻度范圍。3.2.2設置刻度范圍和刻度標簽xlim(left=None,

right=None,

emit=True,

auto=False,

*,

xmin=None,

xmax=None)

left:表示x軸刻度取值區間的左位數。right:表示x軸刻度取值區間的右位數。emit:表示是否通知限制變化的觀察者，默認為True。auto：表示是否允許自動縮放x軸，默認為True。語法此外，Axes對象可以使用set_xlim()或set_ylim()方法設置x軸或y軸的刻度范圍。3.2.2設置刻度范圍和刻度標簽xticks(ticks=None,

labels=None,

**kwargs)

ticks：表示刻度顯示的位置列表，該參數可以設置為空列表，以此禁用x軸的刻度。labels：表示指定位置刻度的標簽列表。語法此外，Axes對象可以使用set_xticks()或set_yticks()方法設置x軸或y軸的刻度線位置，使用set_xticklabels()或set_yticklabels()方法設置x軸或y軸的刻度標簽。使用pyplot模塊的xticks()或yticks()函數可以設置x軸或y軸的刻度線位置和刻度標簽。3.2.2設置刻度范圍和刻度標簽示例#設置x軸的刻度范圍和刻度標簽plt.xlim(x.min()*1.5,x.max()*1.5)plt.xticks([-np.pi,-np.pi/2,0,np.pi/2,np.pi],[r'$-\pi$',r'$-\pi/2$',r'$0$',r'$\pi/2$',r'$\pi$'])設置x軸的刻度范圍和刻度標簽假如你有一段閑暇時間，到影院觀影會是個不錯的選項。如今，看電影已經成為人們休閑娛樂的方式之一，它不僅是一種視覺享受，而且是一場精神盛宴，使人們放松身心。3.2.3實例1:2019年內地電影票房排行榜3.2.3實例1:2019年內地電影票房排行榜本實例要求根據下表的數據，將電影名稱列的數據作為y軸的刻度標簽，將總票房(億元)列的數據作為條形數據，使用barh()函數繪制下圖所示的條形圖，并設置坐標軸標簽和刻度標簽。3.2.3實例1:2019年內地電影票房排行榜由圖可知，電影《哪吒之魔童降世》的總票房最高，《流浪地球》的總票房排行第二，《復仇者聯盟4：終局之戰》的總票房排行第三。y軸的標簽X軸的標簽高度為0.5目錄頁3.5添加參考線和參考區域3.1認識圖表常用的輔助元素3.2設置坐標軸的標簽、刻度范圍和刻度標簽3.3添加標題和圖例3.4顯示網格3.6添加注釋文本3.3.1添加標題使用pyplot模塊的title()函數可以添加圖表標題。title(label,

fontdict=None,

loc=‘center’,

pad=None,

**kwargs)

label:表示標題的文本。fontdict:表示控制標題文本樣式的字典。loc:表示標題的對齊樣式。pad:表示標題與圖表頂部的距離，默認為None。語法Axes對象還可以使用set_title()方法為圖表添加標題。3.3.1添加標題示例#添加標題plt.title("正弦曲線和余弦曲線")

添加標題“正弦曲線和余弦曲線”什么是圖例？3.3.2添加圖例圖例是一個列舉的各組圖形數據標識方式的方框圖，它由圖例標識和圖例項兩部分構成，其中圖例標識是代表各組圖形的圖案；圖例項是與圖例標識對應的名稱。3.3.2添加圖例當在使用matplotlib繪制包含多組圖形的圖表時，我們可以在圖表中添加圖例，幫助用戶明確每組圖形代表的含義。3.3.2添加圖例使用pyplot模塊的legend()函數