四个绘图函数理解 条形图python：plt.bar（） 直方图：plt.hist（） 饼图：plt.pie（） 折线图：plt.plot（）

### 条形图 条形图用于展示分类数据，其长度成比例于各个类别的数值大小。以下是使用 `plt.bar` 函数绘制条形图的方法： ```python import matplotlib.pyplot as plt categories = ['A', 'B', 'C', 'D'] values = [3, 7, 2, 5] plt.figure(figsize=(8, 6)) plt.bar(categories, values, color=['blue', 'green', 'red', 'purple']) plt.xlabel('类别') plt.ylabel('数量') plt.title('条形图示例') plt.show() ``` 此代码片段展示了如何利用不同颜色表示各类别并设置图表标签和标题[^1]。 ### 直方图 直方图用来表现连续变量分布的情况，它将整个值域分割为若干区间，在每个区间上画一根矩形来代表落在该区间的样本数目。下面是采用 `plt.hist` 方法制作直方图的例子： ```python import numpy as np import matplotlib.pyplot as plt data = np.random.randn(1000) plt.figure(figsize=(8, 6)) n, bins, patches = plt.hist(data, bins=20, edgecolor='black') plt.xlabel('值') plt.ylabel('频数') plt.title('直方图示例') plt.show() ``` 这里设置了 bin 数量以及边框的颜色，并同样配置了坐标轴名称与图表标题[^2]。 ### 饼图 饼图适用于显示各部分占总体的比例关系。下面是如何运用 `plt.pie` 创建一个简单的饼图实例： ```python import matplotlib.pyplot as plt labels = ["Frogs", "Hogs", "Dogs", "Logs"] sizes = [15, 30, 45, 10] explode = (0, 0.1, 0, 0) plt.figure(figsize=(8, 6)) plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%', shadow=True, startangle=90) plt.axis('equal') plt.title('饼图示例') plt.show() ``` 这段代码实现了带有突出效果的部分扇区，并调整起始角度使得图形更加美观。 ### 折线图 最后介绍的是最基础也是最常见的折线图，它可以很好地反映随时间或其他有序因素变化的趋势。这里是通过 `plt.plot` 构建基本折线图的方式： ```python import matplotlib.pyplot as plt x_values = range(1, 11) y_values = [x**2 for x in x_values] plt.figure(figsize=(8, 6)) plt.plot(x_values, y_values, marker='o', linestyle='-') plt.xlabel('X 轴') plt.ylabel('Y 轴') plt.title('简单折线图') plt.grid(True) plt.show() ``` 上述例子中还加入了网格线以便更清晰地观察趋势走向[^3]。