对比常用统计图

折线图：

　　特点：能够显示数据的变化趋势，反映事物的变化情况。（变化）

直方图：

　　特点：绘制连续性的数据，展示一组或者多组数据的分布情况（统计）

条形图：

　　特点：绘制离散的数据，能够一眼看出各个数据的大小，比较数据之间的差距（统计）

散点图：

　　特点：判断变量之间是否存在数量关联趋势，展示离群点（分布规律）

绘制散点图（plt.scatter）

假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律?

a = [1,17,1611,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]

b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10.11,13,12,13,6]

　　　　　　　　　　数据来源: http://lishi.tianqi.com/ beijng/index.html

实现代码展示：

 import matplotlib.pyplot as plt

 plt.rc('font', family='SimHei', size=14)  ##显示中文

 a = [1,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]

 b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10.11,13,12,13,6]

 #3月份10月份的x范围

 x_3 = range(1,len(a)+1)

 x_10 = range(50,80)

 #画布大小 还有清晰度

 plt.figure(figsize=(20,8),dpi=80)

 plt.scatter(x_3,a,label="3月") #加上别名标签以及散点图使用scatter方法实现

 plt.scatter(x_10,b,label="10月")#加上别名标签  scatter 发散 散列的意思

 #横坐标的显示刻度

 _x = list(x_3) + list(x_10)

 x_label = ["3月{}日".format(i) for i in range(1,32)]

 x_label += ["10月{}日".format(n-50) for n in range(50,80)]

 plt.xticks(_x[::3],x_label[::3],rotation=45)

 #横纵坐标的显示标签  以及标题

 plt.xlabel("日期")

 plt.ylabel("最高气温(℃)")

 plt.title("3月份与10月份白天气温分布图")

 #根据个人需求是否保存plt.savefig("文件路径和名字")

 #添加图例

 plt.legend(loc="upper left")

 #展示出来

 plt.show()

（备注）散点图的更多应用场景

　　不同条件维度之间的内在关联

　　观察数据的离散聚合程度

绘制条形图（plt.bar，plt.barh）

  假设你获取到了2017年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据?
a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5:最后的骑土","摔跤吧！爸爸","加勒比海盗5:死无对证","金刚:骷髅岛","极限特工:终极回归",
"生化危机6:终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3:殊死-战","蜘蛛侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
单位:亿 数据来源: http://58921.com/ alltimne/2017

实现代码展示：
  1 import matplotlib.pyplot as plt

  2

  3 plt.rc('font', family='SimHei', size=14)  #显示中文

  4 a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5:最后的骑土",

 "摔跤吧！爸爸","加勒比海盗5:死无对证","金刚:骷髅岛","极限特工:终极回归","生化危机6:终章","乘风破浪","神偷奶爸3","智取威虎山",

 "大闹天竺","金刚狼3:殊死-战","蜘蛛侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]

  5

  6 b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]

  7 plt.figure(figsize=(20,8),dpi=100)

  8 plt.grid(alpha=0.4)

  9 _x = range(len(a))

 10 plt.xticks(_x,a,rotation=90)

 11

 12 plt.xlabel("电影的名字")

 13 plt.ylabel("票房（单位：亿）")

 14 plt.title("电影票房直观图（2017）")

 15

 16 #条形图展示

 17 plt.bar(a,b,width=0.5,label="票房数量")

 18

 19 plt.legend(loc="upper right")

 20

 21

 22 plt.show()

这样看起来是不是感觉总觉得怪怪的，那么接下来换一种思路展示：

　　　　　　　将电影名字变成y轴  票房x轴 那么来试试看：

代码展示：

 import matplotlib.pyplot as plt

 plt.rc('font', family='SimHei', size=14)  #显示中文

 a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5:最后的骑土","摔跤吧！爸爸","加勒比海盗5:死无对证","金刚:骷髅岛","极限特工:终极回归","生化危机6:终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3:殊死-战","蜘蛛侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]

 b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]

 plt.figure(figsize=(20,8),dpi=100)

 plt.grid(alpha=0.4)

 _x = range(len(a))

 plt.yticks(_x,a)

 plt.ylabel("电影的名字")

 plt.xlabel("票房（单位：亿）")

 plt.title("电影票房直观图（2017）")

 #条形图展示

 plt.barh(a,b,height=0.5,label="票房数量")#注意 传入参数位置不变 但参数的width变成了height这是需要注意的

 plt.legend(loc="upper right")

 plt.show()

这样大家是不是更加清晰，一目了然知道谁的票房最高，票房在那个范围内。（如歌不喜欢这个颜色，可以自己改动）

　　　　

　　注意 ：
　　　　　　传入参数位置不变 但参数的width变成了height这是需要注意的

　　　　　　　　在提醒一下 图例legend放位置需要传入loc=“upper left”等

问题：初级单条直方图会了，那么要描绘多条直方图怎么描绘？

　　绘制多条条形图

  假设你知道了列表a中电影分别在2017-09-14(b_14), 2017-09-15(b_15),2017-09-16(b_16)三天的票房,为了展示列表中电影本身的票房以及同其他电影的数据对比情况,应该如何更加直观的呈现该数据?

  a= ["猩球崛起3:终极之战","敦刻尔克","蜘蛛侠:英雄归来","战狼2"]b_16= [15746,312,4497,319]b_15 = [12357,156,2045,168]b_14 = [2358,399,2358,362]

  数据来源: http:/ /www.cbooo.cn/ movieday
 import matplotlib.pyplot as plt

 #显示中文

 plt.rc('font', family='SimHei', size=14)

 #数据

 a= ["猩球崛起3:终极之战","敦刻尔克","蜘蛛侠:英雄归来","战狼2"]

 b_16= [15746,312,4497,319]

 b_15 = [12357,156,2045,168]

 b_14 = [2358,399,2358,362]

 #画布

 plt.figure(figsize=(20,8),dpi=100)

 #标题标签 坐标轴标签

 plt.title("三天各电影的票房数据情况")

 plt.xlabel("电影名")

 plt.ylabel("票房：单位（万）")

 #画图注意宽度的采取  注意图形重盖

 x_width = 0.15

 x_14 = range(len(b_14))

 x_15 = [i+x_width for i in x_14]

 x_16 = [i+x_width for i in x_15]

 #将电影名字还在三天的中间那条数据下面 这样更美观

 plt.xticks(x_15,a)

 #描绘出三天的数据

 plt.bar(x_14,b_14,width=x_width,label="9月14号")

 plt.bar(x_15,b_15,width=x_width,label="9月15号")

 plt.bar(x_16,b_16,width=x_width,label="9月16号")

 #图例位置

 plt.legend(loc="upper right")

 #展示在屏幕上

 plt.show()

这样看起来是不是一目了然，直接知道每部电影在三天的票房情况，也可以预测以后的票房走势。

条形图的应用场景：（统计数量）

绘制直方图(hist())

  • 假设你获取了250部电影的时长(列表a中),希望统计出这些电影时长的分布状态(比如时长为100分钟到120分钟电影的数量，出现的频率)等信息,你应该如何呈现这些数据?

a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110,116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126,130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115,132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107,143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111,100, 154,136,100,118, 119, 133, 134, 106, 129, 126, 110, 111,109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114,125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92, 121, 112, 146, 97, 137,105, 98, 117, 112, 81, 97,139, 113,134, 106, 144, 110,137, 137, 111,104, 117,100, 111,101, 110,105, 129, 137, 112, 120, 113,133, 112, 83, 94, 146,133, 101,131, 116,111,84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]


直方图（频数直方图、频率直方图（参数加上normed=True or 1））

注意：直方图是对未进行统计的数据进行描绘

代码如下：

　　
import matplotlib.pyplot as plt

plt.rc("font",family="SimHei",size=14)

a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101,

   110,116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105,

   126,130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134,

   125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115,132, 145, 119, 121, 112, 139, 125, 138, 109,

   132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107,143, 115, 136, 118, 139, 123, 112, 118, 125, 109,

   119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110,

   111,100, 154,136,100,118, 119, 133, 134, 106, 129, 126, 110, 111,109, 141,120,

   117, 106, 149, 122, 122, 110, 118, 127, 121, 114,125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,

   121, 112, 146, 97, 137,105, 98, 117, 112, 81, 97,139, 113,134, 106, 144, 110,137, 137, 111,104, 117,100, 111,101, 110,105,

   129, 137, 112, 120, 113,133, 112, 83, 94, 146,133, 101,131, 116,111,84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]

"""统计直方图需要的数据是未进行统计整理过的，

需要原生态的数据，然后求所得数据的组数(num_bins)=(max(a)-min(a))//d(d是组距)

"""

#计算数组

d = 3

"""这个有问题 整除是整数就不会出现偏移

如果整除是小数，就会出现偏移"""

num_bins = (max(a)-min(a))//d

#设置图形大小

plt.figure(figsize=(20,8),dpi=80)

#设置直方图

plt.hist(a,num_bins,)#normed=True  这个参数添加就变成了频率分布直方图

#设置x轴的刻度

"""刻度的步调也就是相隔的长度一定要和组数相等 不然结果的图会出现偏移"""

plt.xticks(list(range(min(a),max(a)+d)[::3]))

plt.xlabel("电影时长")

plt.ylabel("每组时长的个数")

plt.title("250部电影时长统计直方图")

plt.grid(alpha=0.3)

plt.show()

那么问题来了

  • 在美国2004年人口普查发现有124 million的人在离家相对较远的地方工作。根据他们从家到上班地点所需要的时间，通过抽样统计(最后-列)出了下表的数据，这些数据能够绘制成直方图么?
  • interval = [0,5,10,15,20,25,30,35,40,45,60,90]
  • width = [5,5,5,5,5,5,5,5,5,15,30,60]
  • quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,57]

import matplotlib.pyplot as plt

plt.rc("font",family="SimHei",size=14)

interval = [0,5,10,15,20,25,30,35,40,45,60,90]

width = [5,5,5,5,5,5,5,5,5,15,30,60]

quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]

plt.figure(figsize=(20,8),dpi=100)

#标题 坐标轴标签

plt.xlabel("花费的时间")

plt.ylabel("每个时间段人数")

plt.title("124百万美国人从家到上班花费的时间统计图")

plt.bar(range(len(quantity)),quantity,width=1)

#减去0.5才可以从开始标记

_x = [i-0.5 for i in range(len(quantity)+1)]

#在加150目的是为了上面数据完整性

_x_label = interval+[150]

#牢记第一个参数 是关于x的刻度 第二个参数与第一个参数一一对应替换第一个参数

plt.xticks(_x,_x_label)

plt.show()

那些数据能够绘制直方图：

　　　　　　　　刚才绘制是统计过后的，为了达到目的效果，需要绘制条形图。

　　　　　　　　所以：一般来说使用plt.hist()方法是对那些还没有统计的数据也就是零散数据。 

 直方图的更多应用场景：
　　　　用户的年龄分布状态
　　　　一段时间内用户点击次数的分布状态
　　　　用户活跃时间分布状态（一天）

matplotlib常见问题总结

  • 1、应该选择那种图形来呈现数据
  • 2、matplotlib.pyplot.plot(x,y)
  • 3、matplotlib.pyplot.bar(x,y)(barh)
  • 4、plt.scatter(x,y)
  • 5、plt.hist(data,num_bins,normed)
  • 6、xticks和yticks的设置（刻度）
  • 7、label和title、grid的设置（标签，标题，网格）
  • 8、绘图大小和保存图片

matplotlib使用流程

  • 1、明确问题
  • 2、选择图形呈现方式
  • 3、准备数据
  • 4、绘图和图形完善

    matplotlib更多的图形样式

  • 官网：http://matplotlib.org/gallery/index.html
  • 百度：echart(前端js图形)
  • 更多绘图工具：plotly：可视化工具
    • 用法简单，照着文档写即可
    • 地址：htpps://plot.ly/python/

Matplotlib散点图、条形图、直方图-02的更多相关文章

  1. python matplotlib.pyplot 条形图详解

    python matplotlib.pyplot 条形图详解 一.创建直方图 可以用bar函数来创建直方图 然后用show函数显示直方图 比如: import matplotlib.pyplot as ...

  2. 利用pandas读取Excel表格，用matplotlib.pyplot绘制直方图、折线图、饼图

    利用pandas读取Excel表格,用matplotlib.pyplot绘制直方图.折线图.饼图 数据: 折线图代码: import  pandas  as pdimport  matplotlib. ...

  3. matplotlib如何绘制直方图、条形图和饼图

    1 绘制直方图: import matplotlib.pyplot as plt import numpy as np import matplotlib def hist1(): # 设置matpl ...

  4. matplotlib库之直方图

    例题:假设你获取了250部电影的时长(列表a中),希望统计出这些电影时长的分布状态(比如时长为100分钟到120分钟电影的数量,出现的频率)等信息,你应该如何呈现这些数据? 一些概念及问题: 把数据分 ...

  5. Python：matplotlib绘制条形图

    条形图,也称柱状图,看起来像直方图,但完是两码事.条形图根据不同的x值,为每个x指定一个高度y,画一个一定宽度的条形:而直方图是对数据集进行区间划分,为每个区间画条形.     将上面的代码稍微修改一 ...

  6. matplotlib 散点图scatter

    最近开始学习python编程,遇到scatter函数,感觉里面的参数不知道什么意思于是查资料,最后总结如下: 1.scatter函数原型 2.其中散点的形状参数marker如下: 3.其中颜色参数c如 ...

  7. Python 绘图与可视化 matplotlib 散点图、numpy模块的random（）

    效果: 代码: def scatter_curve(): # plt.subplot(1,1,1) n=1024 X=np.random.normal(0,1,n) Y=np.random.norma ...

  8. matplotlib散点图笔记

    定义: 由一组不连续的点完成的图形 散点图: 包含正相关性,负相关性和不相关性. 散点图生成函数: plt.scatter(x,y) 演示代码如下: import numpy as np import ...

  9. Python 绘图与可视化 matplotlib 动态条形图 bar

    bar的参考链接:https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.pyplot.bar.html 第一种办法 一种方法是每次都重新画,包括清除f ...

随机推荐

  1. 【Fishing Master HDU - 6709 】【贪心】

    题意分析 题意:题目给出n条鱼,以及捕一条鱼所用的时间k,并给出煮每一条鱼的时间,问抓完并煮完所有鱼的最短时间. 附题目链接 思路: 1.捕第一条鱼的时间是不可避免的,煮每条鱼的时间也是不可避免的,这 ...

  2. Docker跨服务器通信Overlay解决方案(下) Consul集群

    承接上文 本文基于上篇文章,详细的场景说明与分析在前篇随笔中业已记录,有兴趣可以移步 Docker跨服务器通信Overlay解决方案(上) Consul单实例 本文主旨 本文为Docker使用Cons ...

  3. 关于多线程中sleep、join、yield的区别

    好了.说了多线程,那就不得不说说多线程的sleep().join()和yield()三个方法的区别啦 1.sleep()方法 /** * Causes the currently executing ...

  4. ImageNet主要网络benchmark对比

    深度神经网络繁多,各自的性能指标怎样? 实际应用中,在速度.内存.准确率等各种约束下,应该尝试哪些模型作为backbone? 有paper对各个网络模型进行了对比分析,形成了一个看待所有主要模型的完整 ...

  5. Java 并发编程(一)：摩拳擦掌

    这篇文章的标题原本叫做——Java 并发编程(一):简介,作者名叫小二.但我在接到投稿时觉得这标题不够新颖,不够吸引读者的眼球,就在发文的时候强行修改了标题(也不咋滴). 小二是一名 Java 程序员 ...

  6. python2和python3的解释器安装

    python环境及安装 主板:人的骨架 用于扩展设备 CPU:人的大脑 用于计算和逻辑处理 硬板:肚子 存储数据(永久存储) C盘···· 内存:存储数据(临时储存) 没有保存会消失 电源:人的心脏 ...

  7. Unity Shader 卡通渲染 基于退化四边形的实时描边

    从csdn转移过来,顺便把写过的文章改写一下转过来. 一.边缘检测算法 3D模型描边有两种方式,一种是基于图像,即在所有3D模型渲染完成一张图片后,对这张图片进行边缘检测,最后得出描边效果.一种是基于 ...

  8. 带你了解什么是Push消息推送

    前言 只有光头才能变强. 文本已收录至我的GitHub仓库,欢迎Star:https://github.com/ZhongFuCheng3y/3y 如果有看我最近文章的同学可能就知道我在公司负责的是一 ...

  9. javascript 基础知识汇总（一）

    1.<script> 标签 1) 可以通过<script> 标签将javaScript 代码添加到页面中 (type 和language 属性不是必须的) 2)外部的脚本可以通 ...

  10. Redis主从复制的原理

    更多内容,欢迎关注微信公众号:全菜工程师小辉.公众号回复关键词,领取免费学习资料. 在Redis集群中,让若干个Redis服务器去复制另一个Redis服务器,我们定义被复制的服务器为主服务器(mast ...