直方图plt.hist()
在开始之前我们先来了解一下直方图
—直方图是用面积表示各组频数的多少,矩形的高度表示每一组的频数或频率,宽度则表示各组的组距,因此其高度与宽度均有意义。要和条形图区别开来。
—条形图是用条形的长度表示各类别频数的多少,其宽度(表示类别)则是固定的;
我们还是利用实例来刨析相关知识点…
码上
import matplotlib.pyplot as plt
fig,ax=plt.subplots()
x=[2300,5000,6300,4500,3500,6100,8900]
y=[2000,3000,4000,5000,6000,7000,8000,9000]
ax.hist(x,y,rwidth=0.75)
plt.show()
这是有关某公司员工工资的分布直方图…
下来逐条代码分析;
import matplotlib.pyplot as plt
这是对需要用到的需要用到的第三方库进行导入,相信大家已经很熟悉。
fig,ax=plt.subplots()
这条代码我们只需要知道是产生一张二维的画布就ok了,有关图形的操作都是在ax这张画布上进行的。它的更多用法我将后续在其他文章中介绍…
x=[2300,5000,6300,4500,3500,6100,8900]
y=[2000,3000,4000,5000,6000,7000,8000,9000]
绘制直方图肯定需要数据,那么这两行就是对所需数据进行保存。
ax.hist(x,y,rwidth=0.75)
plt.show()
这是最重要的部分,我们将重点介绍。
下面是ax,hist()的所有参数:
matplotlib.pyplot.hist(
x, bins=10, range=None, normed=False,
weights=None, cumulative=False, bottom=None,
histtype=u'bar', align=u'mid', orientation=u'vertical',
rwidth=None, log=False, color=None, label=None, stacked=False,
hold=None, **kwargs)
x:每个盒子分布的数据,对应X轴;
bins:箱子的个数,也就是总共有几条条状图;
rwidth:条状图的宽;
color:条状图的颜色;
这些就是***常用的***一些参数
最后,再将图形引出界面就ok啦!!!
这是最终的效果图…
散点图plt.scatter()
码上…
import matplotlib.pyplot as plt
import numpy as np
fig,ax=plt.subplots()
x=np.random.rand(100)
y=np.random.rand(100)
ax.scatter(x,y,marker=8,color='red')
plt.show()
下面逐条分析:
import matplotlib.pyplot as plt
import numpy as np
导入有关包
fig,ax=plt.subplots()
该部分参照上文,自行理解;
x=np.random.rand(100)
y=np.random.rand(100)
这是对数据的处理,其中重要介绍一下np.random.rand(100)
它的作用是生成100个服从正态分布的随机数并作为需要显示的数据…
ax.scatter(x,y,marker=8,color='red')
这是显示散点图的重要代码…
x,y对应x和y坐标的数据,
marker控制显示的散点的形状;
color控制散点的颜色;
更多参数如下:
这是marker的参数:
下面是上面代码的最终效果图:
以上,都是最基本的运用,你还可以为做标注添加更多的样式如图标等。
希望以上分享对你有帮助,觉得好的话可以
点赞、收藏、加关注哦
,博主将持续更新!!!