Matplotlib散点图条形图直方图-02

Posted 2020-11-14 lishuntao

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：

 1 import matplotlib.pyplot as plt
 2 
 3 
 4 plt.rc(‘font‘, family=‘SimHei‘, size=14)  ##显示中文
 5 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]
 6 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]
 7 #3月份10月份的x范围
 8 x_3 = range(1,len(a)+1)
 9 x_10 = range(50,80)
10 #画布大小 还有清晰度
11 plt.figure(figsize=(20,8),dpi=80)
12 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
13 plt.scatter(x_10,b,label="10月")#加上别名标签  scatter 发散 散列的意思
14 #横坐标的显示刻度
15 _x = list(x_3) + list(x_10)
16 x_label = ["3月{}日".format(i) for i in range(1,32)]
17 x_label += ["10月{}日".format(n-50) for n in range(50,80)]
18 plt.xticks(_x[::3],x_label[::3],rotation=45)
19 #横纵坐标的显示标签  以及标题
20 plt.xlabel("日期")
21 plt.ylabel("最高气温(℃)")
22 plt.title("3月份与10月份白天气温分布图")
23 #根据个人需求是否保存plt.savefig("文件路径和名字")
24 #添加图例
25 plt.legend(loc="upper left")
26 
27 #展示出来
28 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  1 import matplotlib.pyplot as plt
 2  2 
 3  3 plt.rc(‘font‘, family=‘SimHei‘, size=14)  #显示中文
 4  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",
 5 "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",
 6 "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",]
 7  5 
 8  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]
 9  7 plt.figure(figsize=(20,8),dpi=100)
10  8 plt.grid(alpha=0.4)
11  9 _x = range(len(a))
12 10 plt.xticks(_x,a,rotation=90)
13 11 
14 12 plt.xlabel("电影的名字")
15 13 plt.ylabel("票房（单位：亿）")
16 14 plt.title("电影票房直观图（2017）")
17 15 
18 16 #条形图展示
19 17 plt.bar(a,b,width=0.5,label="票房数量")
20 18 
21 19 plt.legend(loc="upper right")
22 20 
23 21 
24 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：

 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.yticks(_x,a)
11 
12 plt.ylabel("电影的名字")
13 plt.xlabel("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.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
18 
19 plt.legend(loc="upper right")
20 
21 
22 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

 1 import matplotlib.pyplot as plt
 2 
 3 #显示中文
 4 plt.rc(‘font‘, family=‘SimHei‘, size=14)
 5 #数据
 6 a= ["猩球崛起3:终极之战","敦刻尔克","蜘蛛侠:英雄归来","战狼2"]
 7 b_16= [15746,312,4497,319]
 8 b_15 = [12357,156,2045,168]
 9 b_14 = [2358,399,2358,362]
10 #画布
11 plt.figure(figsize=(20,8),dpi=100)
12 #标题标签 坐标轴标签
13 plt.title("三天各电影的票房数据情况")
14 plt.xlabel("电影名")
15 plt.ylabel("票房：单位（万）")
16 #画图注意宽度的采取  注意图形重盖
17 x_width = 0.15
18 x_14 = range(len(b_14))
19 x_15 = [i+x_width for i in x_14]
20 x_16 = [i+x_width for i in x_15]
21 #将电影名字还在三天的中间那条数据下面 这样更美观
22 plt.xticks(x_15,a)
23 #描绘出三天的数据
24 plt.bar(x_14,b_14,width=x_width,label="9月14号")
25 plt.bar(x_15,b_15,width=x_width,label="9月15号")
26 plt.bar(x_16,b_16,width=x_width,label="9月16号")
27 #图例位置
28 plt.legend(loc="upper right")
29 #展示在屏幕上
30 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/