python matplotlib 繪圖

# 引入模組

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

x = pd.period_range(pd.datetime.now(), periods=200, freq='d')

x = x.to_timestamp().to_pydatetime()

# 產生三組，每組 200 個隨機常態分布元素

y = np.random.randn(200, 3).cumsum(0)

plt.plot(x, y)

plt.show()

#==========

#==========

#線圖

x = np.array([1, 2, 3])

y1 = np.array([1, 2, 3])

y2 = np.array([10, 20, 30])

plt.figure(figsize=(8,4))

plt.plot(x,y1,label="line-1",color="red",linewidth=2)

# b--粗體虛線

plt.plot(x,y2,"b--",label="line-2")

plt.xlabel("x label")

plt.ylabel("y label")

plt.title("PyPlot First Example")

#plt.ylim(-1.2,1.2)

plt.legend()

plt.show()

#==========

#==========

# 長條圖

labels = ['Physics', 'Chemistry', 'Literature', 'Peace']

foo_data = [3, 6, 10, 4]

bar_width = 0.5

xlocations = np.array(range(len(foo_data))) + bar_width

plt.bar(xlocations, foo_data, width=bar_width)

plt.title('Stock Price')

plt.show()

# 直方圖

normal_samples = np.random.normal(size=100) # 生成 100 組標準常態分配（平均值為 0，標準差為 1 的常態分配）隨機變數

plt.hist(normal_samples)

plt.show()

#==========

#==========

# 散佈圖 + 迴歸

num_points = 100

gradient = 0.5

x = np.array(range(num_points))

y = np.random.randn(num_points) * 10 + x * gradient

fig, ax = plt.subplots(figsize=(8, 4))

ax.scatter(x, y)

m, c = np.polyfit(x, y, 1) # 使用 Numpy 的 polyfit，參數 1 代表一維，算出 fit 直線斜率

ax.plot(x, m * x + c) # 使用 y = m * x + c 斜率和常數匯出直線

fig.suptitle('Scatter with regression')

plt.show()

#==========

# 圓餅圖

labels = ['A','B','C','D','E']

data = np.random.randint(1, 11, 5) # 生成

x = np.arange(len(data))

plt.pie(data, labels=labels, autopct='%1.1f%%')

plt.show()

#==========

# 盒鬚圖

normal_examples = np.random.normal(size = 100) # 生成 100 組標準常態分配（平均值為 0，標準差為 1 的常態分配）隨機變數

plt.boxplot(normal_examples)

plt.show()

# 把圖儲存，要放在plt.show()之前

plt.savefig("C:/savefig/hist.png")