（数据分析三板斧）第三斧Matplotlib-第三节：其他图形绘制

Posted 2022-05-11 快乐江湖

文章目录

• 一：散点图（scatter）
• 二：柱状图（bar）
• 三：直方图（hist）
• 四：饼图（pie）

Matplotlib可以绘制很多图形，具体可参加官网：点击跳转

日常学习、生活中，以下图形的使用频次较高

• 折线图（plot）：以折线的上升或下降来表示统计数量的增减变化；它能够显示数据的变化趋势，反应事物的变化情况
  

• 散点图（scatter）：用两组数据构成多个坐标点，考察坐标点的分布，判断两变量间是否存在某种关联或总结坐标点的分布模式；它可以判断变量之间是否存在数量关联趋势以及展示分布规律
  

• 柱状图（bar）：排列在工作表的列或行中的数据可以绘制在柱状图中；它绘制出的是离散的数据，能够一眼看出各个数据的大小，比较数据之间的差别
  

• 直方图（hist）：由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据范围，纵轴表示分布情况；它可以绘制连续性的数据展示一组或多组数据的分布状况
  

• 饼图（pie）：用于表示不同分类的占比情况，通过弧度大小来对比各种分类；可以表示分类数据的占比情况
  

---

一：散点图（scatter）

准备下列数据

x = np.random.uniform(50, 100, 50)
y = 1/x

代码如下

import matplotlib.pyplot as plt  # 导入
import random
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


#  数据
x = np.random.uniform(50, 100, 50)
y = 1/x

#  创建画布
plt.figure(figsize=(16, 5), dpi=100)

#  绘制图像
plt.scatter(x, y)

# 显示图像
plt.show()

---

对于图的修饰和折线图中所讲的没有区别

import matplotlib.pyplot as plt  # 导入
import random
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


#  数据
x1 = np.random.uniform(0, 2, 50)
y1 = np.random.uniform(1, 3, 50)
x2 = np.random.uniform(6, 8, 50)
y2 = np.random.uniform(6, 8, 50)


#  创建画布
plt.figure(figsize=(16, 5), dpi=100)

#  绘制图像
plt.scatter(x1, y1, color='blue', label='A')
plt.scatter(x2, y2, color='red', label='B')

# 修改刻度
plt.xticks(range(0, 10, 1))
plt.yticks(range(0, 10, 1))

# 显示图例
plt.legend(frameon=False)

# 显示网格
plt.grid(True, linestyle='--', alpha=0.3, color='black')

# 添加坐标轴描述信息
plt.xlabel("X")
plt.ylabel("Y")
plt.title("两组数据的散点图")

# 显示图像
plt.show()

二：柱状图（bar）

三：直方图（hist）

四：饼图（pie）