Matplotlib数据可视化之直方图、散点图（plt.hist\plt.scatter）

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！！！