(数据分析三板斧)第三斧Matplotlib-第三节:其他图形绘制

Posted 快乐江湖

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了(数据分析三板斧)第三斧Matplotlib-第三节:其他图形绘制相关的知识,希望对你有一定的参考价值。

文章目录

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)

以上是关于(数据分析三板斧)第三斧Matplotlib-第三节:其他图形绘制的主要内容,如果未能解决你的问题,请参考以下文章

(数据分析三板斧)第三斧Matplotlib-第二节:以绘制折线图为例讲解Matplotlib绘图

(数据分析三板斧)第一斧Numpy-第三节:索引和切片

(数据分析三板斧)第一斧Numpy-第三节:索引和切片再练习

《Python数据可视化之matplotlib实践》 源码 第三篇 演练 第八章

Python数据可视化之matplotlib实践 源码 第一篇 入门 第三章

Python数据可视化之matplotlib实践 源码 第一篇 入门 第三章