matplotlib 实践(3) 绘制统计图形

2019-07-09 本文已影响0人银色尘埃010

第三章绘制统计图形

3.1 柱状图

柱状图是描述统计中使用频率非常高的一种统计图形。他有垂直和水平样式两种可视化效果。

3.1.1 应用场景

定性数据的可视化场景，或者是离散数据的分布展示

3.1.2 绘制原理

bar() 函数的使用  
参数介绍：

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]=False

x = [1,2,3,4,5]
y = [6,10,4,5,1]
#creat bar
plt.bar(x,y,align="center",tick_label=["A","B","C","D","E"],alpha=0.8,color='g')
plt.xlabel("Test difficult")
plt.ylabel("Examination number")

plt.grid(True,axis="y",ls=":",color="r",alpha=0.5)

plt.show()

output_2_0.png

3.2 条形图

将柱状图中的柱体形状由垂直变成水平，柱状图就变成了条形图，

x = [1,2,3,4,5]
y = [6,10,4,5,1]
#creat bar
plt.barh(x,y,align="center",tick_label=["A","B","C","D","E"],alpha=0.8,color='c')

plt.xlabel("Test difficult")
plt.ylabel("Examination number")
plt.grid(True,axis="x",ls=":",color="r",alpha=0.5)
plt.show()

output_4_0.png

3.3 堆积图

简单而言就是，将若干统计图形堆叠起来，自然是一种组合式图形。结合前面讲过的柱状图和条形图的绘制方法，具体讲解堆积柱状图和推挤条形图的实现方法

3.3.1 堆积柱状图

将bar() 中的参数bottom取值为y，y1=[2,6,3,8,5]代表另外一台试卷的份数，函数bar(x,y1,bottom=y,color="r")

# 代码实现
x = [1,2,3,4,5]
y = [6,10,4,5,1]
y1 = [2,6,3,8,5]
#creat bar
plt.bar(x,y,align="center",tick_label=["A","B","C","D","E"],alpha=0.8,color='g',label="class A")
plt.bar(x,y1,align="center",bottom=y,color="r",label="class B")
plt.xlabel("Test difficult")
plt.ylabel("Examination number")

plt.grid(True,axis="y",ls=":",color="r",alpha=0.5)
plt.legend()
plt.show()

![output_10_0.png](https://img.haomeiwen.com/i14782847/ba0fd88953e54eea.png?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)

3.3.2 堆积条形图

使用barh()，将参数left的取值设置为列表y

# 代码实现
x = [1,2,3,4,5]
y = [6,10,4,5,1]
y1 = [2,6,3,8,5]
#creat bar
plt.barh(x,y,align="center",tick_label=["A","B","C","D","E"],alpha=0.8,color='g',label="class A")
plt.barh(x,y1,align="center",left=y,color="r",label="class B")
plt.xlabel("Test difficult")
plt.ylabel("Examination number")

plt.grid(True,axis="x",ls=":",color="r",alpha=0.5)
plt.legend()
plt.show()

output_8_0.png

3.4 分块图

除了堆积图，需要通过借助分块图来对比数据的分布差异。  
分块图可以分为多数据并列柱状图和多数据平行柱状图。

3.4.1 多数据并列柱状图

# 代码实现
# x = [1,2,3,4,5]
x = np.arange(5)
y = [6,10,4,5,1]
y1 = [2,6,3,8,5]

bar_width = 0.35
tick_label=["A","B","C","D","E"]
#creat bar
plt.bar(x,y,bar_width,align="center",alpha=0.8,color='g',label="class A")
plt.bar(x+bar_width,y1,bar_width,align="center",color="r",label="class B")
plt.xlabel("Test difficult")
plt.ylabel("Examination number")

plt.grid(True,axis="y",ls=":",color="r",alpha=0.5)
plt.xticks(x+bar_width/2,tick_label)
plt.legend()
plt.show()

output_10_0.png

# 代码实现
# x = [1,2,3,4,5]
x = np.arange(5)
y = [6,10,4,5,1]
y1 = [2,6,3,8,5]

bar_width = 0.35
tick_label=["A","B","C","D","E"]
#creat bar
plt.barh(x,y,bar_width,align="center",alpha=0.8,color='g',label="class A")
plt.barh(x+bar_width,y1,bar_width,align="center",color="r",label="class B")
plt.xlabel("Test difficult")
plt.ylabel("Examination number")

plt.grid(True,axis="x",ls=":",color="r",alpha=0.5)
plt.yticks(x+bar_width/2,tick_label)
plt.legend()
plt.show()

output_11_0.png

3.5 参数探索

在柱体上绘制装饰线和装饰图，也就是说设置柱体的填充样式。使用关键字hatch ,取值可以有“/”“\\”,“|”“_”,随着符号的数量越多，柱体的几何图形密集程度越高。

x = [1,2,3,4,5]
y = [6,10,4,5,1]
#creat bar
plt.bar(x,y,hatch="/|\\\_",align="center",tick_label=["A","B","C","D","E"],alpha=0.8,color='g')
plt.xlabel("Test difficult")
plt.ylabel("Examination number")

plt.grid(True,axis="y",ls=":",color="r",alpha=0.5)

plt.show()

output_13_0.png

3.6 堆积折线图、间断条形图和阶梯图

这三种图形是在折线图、柱状图和条形图基础上衍生出来的统计图形。

3.6.1 用函数stackplot()绘制堆积折线图

通过绘制不同数据集的折线图而生成的。堆积折线图按照垂直方向上彼此堆积而又不相互覆盖的排列顺序，绘制若干条折线图而形成的组合图形。
通过使用  
plt.stackplot(x,y,y1,y2,labels=labels,colors=colors)

x = np.arange(1,6,1)
y=[0,4,3,5,6]
y1 = [1,3,4,2,7]
y2 = [3,4,1,6,5]
labels = ["g","r","b"]
colors = ['g','r','b']
plt.stackplot(x,y,y1,y2,labels=labels,colors=colors)
plt.legend(loc="upper left")
plt.show()

output_15_0.png

3.6.2 用函数broken_barh() 绘制间断条形图

主要用来可视化定性数据的相同指标在时间维度上的指标值，实现定性数据的相同指标的变化情况的有效直观比较。

plt.broken_barh([(30,100),(180,50),(260,70)],(20,8),facecolors="g")
plt.broken_barh([(60,90),(190,20),(230,30),(280,60)],(10,8),facecolors=("g","y","r","b"))
plt.xlim(0,360)
plt.ylim(5,35)
plt.xlabel("演出时间")
plt.xticks(np.arange(0,361,60))
plt.yticks([15,25],["歌剧院A","歌剧院B"])

plt.grid(True,lw = 1,color="r")

plt.show()

output_17_0.png

3.6.3 用step() 绘制阶梯图

阶梯图经常使用在时间序列数据的可视化任务中，凸显时序数据的波动周期和规律。   
在使用step() 绘图的时候，关注where参数的选择，有pre 和 post 可以选择，获得的图形的效果不同

x = np.linspace(1,10,10)
y = np.sin(x)
plt.step(x,y,color="r",where = "pre",lw =2)
plt.step(x,y,color = "g",where = "post",lw=2)
plt.xlim(0,11)
plt.xticks(np.arange(1,11,1))
plt.ylim(-1.2,1.2)
plt.show()

output_19_0.png

3.7 直方图

3.7.1 定量数据的分布展示

直方图主要应用在定量数据的可是化场景中，或者是用来进行连续数据的可视化展示。

3.7.2 直方图和柱状图的关系

直方图描述的是连续型数据的分布，柱状图描述的是离散型的分布。直方图描述定量数据，柱状图描述定性数据。
柱状图之间有间隙，但是直方图之间没有间隙。

scoresT = np.random.randint(0,100,100)
bins = range(0,101,10)
plt.hist(scoresT,bins,histtype="bar",rwidth=10)
plt.xlabel("测试成绩")
plt.ylabel("学生人数")
plt.show()

output_21_0.png

堆积直方图

scoresT1 = np.random.randint(0,100,1000)
scoresT2 = np.random.randint(0,100,1000)
x = [scoresT1,scoresT2]
colors = ["y","r"]
labels = ["班级A","班级B"]
bins = range(0,101,10)

plt.hist(x,bins,histtype="bar",rwidth=10,color=colors,
        stacked = True,label=labels)
# plt.hist(x,bins,histtype="bar",rwidth=10,color=colors,
#         stacked = False,label=labels)

plt.xlabel("测试成绩")
plt.ylabel("学生人数")
plt.show()

output_23_0.png

3.7.5 直方图的不同形状

堆积阶梯直方图

scoresT1 = np.random.randint(0,100,100)
scoresT2 = np.random.randint(0,100,100)
x = [scoresT1,scoresT2]
colors = ["y","r"]
labels = ["班级A","班级B"]
bins = range(0,101,10)

plt.hist(x,bins,histtype="stepfilled",rwidth=10,color=colors,
        stacked = True,label=labels)
# plt.hist(x,bins,histtype="bar",rwidth=10,color=colors,
#         stacked = False,label=labels)

plt.xlabel("测试成绩")
plt.ylabel("学生人数")
plt.show()

output_25_0.png

3.8 饼图 pie

3.8.1 定性数据的比例展示

主要应用在定性数据的可视化场景，或者是用来进行离散型数据的比例展示。

3.8.2 绘制原理

labels = ["A难度水平","B难度水平","C难度水平","D难度水平"]
colors = ["g","y","b","r"]
students = [0.35,0.15,0.20,0.30]
explode = (0.1,0.1,0.1,0.1)

plt.pie(students,explode=explode,
       labels=labels,
       autopct="%3.1f%%",
       startangle=45,
       shadow=True,
       colors=colors)
plt.show()

output_27_0.png

3.8.3 非分列式饼图

去掉参数explode即可

labels = ["A难度水平","B难度水平","C难度水平","D难度水平"]
colors = ["g","y","b","r"]
students = [0.35,0.15,0.20,0.30]
explode = (0.1,0.1,0.1,0.1)

plt.pie(students,
       labels=labels,
       autopct="%3.1f%%",
       startangle=45,
       shadow=True,
       colors=colors)
plt.show()

matplotlib 实践(3) 绘制统计图形

第三章绘制统计图形

3.1 柱状图

3.1.1 应用场景

3.1.2 绘制原理

3.2 条形图

3.3 堆积图

3.3.1 堆积柱状图

3.3.2 堆积条形图

3.4 分块图

3.4.1 多数据并列柱状图

3.5 参数探索

3.6 堆积折线图、间断条形图和阶梯图

3.6.1 用函数stackplot()绘制堆积折线图

3.6.2 用函数broken_barh() 绘制间断条形图

3.6.3 用step() 绘制阶梯图

3.7 直方图

3.7.1 定量数据的分布展示

3.7.2 直方图和柱状图的关系

堆积直方图

3.7.5 直方图的不同形状

3.8 饼图 pie

3.8.1 定性数据的比例展示

3.8.2 绘制原理

3.8.3 非分列式饼图

3.8.4 案例 —— 内嵌环形饼图

3.9 箱线图

3.10 误差棒图

References

猜你喜欢

热点阅读

matplotlib 实践(3) 绘制统计图形

第三章 绘制统计图形

3.1 柱状图

3.1.1 应用场景

3.1.2 绘制原理

3.2 条形图

3.3 堆积图

3.3.1 堆积柱状图

3.3.2 堆积条形图

3.4 分块图

3.4.1 多数据并列柱状图

3.5 参数探索

3.6 堆积折线图、间断条形图和阶梯图

3.6.1 用函数stackplot()绘制堆积折线图

3.6.2 用函数broken_barh() 绘制间断条形图

3.6.3 用step() 绘制阶梯图

3.7 直方图

3.7.1 定量数据的分布展示

3.7.2 直方图和柱状图的关系

堆积直方图

3.7.5 直方图的不同形状

3.8 饼图 pie

3.8.1 定性数据的比例展示

3.8.2 绘制原理

3.8.3 非分列式饼图

3.8.4 案例 —— 内嵌环形饼图

3.9 箱线图

3.10 误差棒图

References

猜你喜欢

热点阅读

第三章绘制统计图形