Python数据分析：统计函数绘制简单图形

本文的文字及图片来源于网络,仅供学习、交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理。

以下文章来源于机器学习算法与自然语言处理 ，作者冯夏冲

import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline
%config InlineBackend.figure_format = 'svg'
# https://blog.csdn.net/minixuezhen/article/details/81516949
plt.rcParams['font.sans-serif'] = ['Arial Unicode MS']
mpl.rcParams["axes.unicode_minus"]=False

PS：如有需要Python学习资料的小伙伴可以加下方的群去找免费管理员领取

 

可以免费领取源码、项目实战视频、PDF文件等

 

1 函数bar 用于绘制柱状图

# some simple data
x = [1,2,3,4,5,6,7,8]
y = [3,1,4,5,8,9,7,2]

# create bar
plt.bar(x,y,align='center',color="c",tick_label=["q","a","c","e","r","j","b","p"])

# label
plt.xlabel("箱子编号")
plt.ylabel("箱子重量（kg）")

plt.show()

 

2 函数barh 用于绘制条形图

# some simple data
x = [1,2,3,4,5,6,7,8]
y = [3,1,4,5,8,9,7,2]

# create bar
plt.barh(x,y,align='center',color="c",tick_label=["q","a","c","e","r","j","b","p"],hatch="/")

# label
plt.xlabel("箱子编号")
plt.ylabel("箱子重量（kg）")

plt.show()

 

3 函数hist 用于绘制直方图

直方图与柱状图的区别

# set test scores
boxWeight = np.random.randint(0,10,100)
x = boxWeight # 对该数据集进行统计

# plot histogram
bins = range(0,11,1) # 设置连续的边界值，即直方图的分布区间[0,1],[1,2]......
plt.hist(x, bins=bins, histtype="bar", rwidth=1, alpha=0.6)

# label
plt.xlabel("箱子重量（kg）")
plt.ylabel("销售数量（个）")

plt.show()

 

4 函数pie 用于绘制饼图

kinds = "简易箱","保温箱","行李箱","密封箱"
colors = "#e41a1c", "#377eb8", "#4daf4a", "#984ea3"
soldsNums = [0.05,0.45,0.15,0.35]
# pie chart
plt.pie(soldsNums,labels=kinds,autopct="%3.1f%%", startangle=60, colors=colors)
plt.title("不同类型个箱子的销售数量占比")
plt.show()

 

5 函数polor 用于绘制极线图

极线图是在极坐标系上绘出的一种图。在极坐标系中，要确定一个点，需要指明这个点距原点的角度和半径。将这些点连在一起，就构成了极线图。

barSlices = 12
theta = np.linspace(0.0, 2*np.pi, barSlices, endpoint=False)
r = 30*np.random.rand(barSlices)
# theta 角度 r 距离原点的距离 mfc点的颜色 ms点的大小
plt.polar(theta, r, color="chartreuse", linewidth=2, marker="*",mfc="b",ms=10)
plt.show()

 

6 函数scatter 用于绘制气泡图

二维数据借助气泡大小展示三维数据

a = np.random.randn(100)
b = np.random.randn(100)
# s 散点标记的大小 c 散点标记的颜色 cmap 讲浮点数映射为颜色的映射表
plt.scatter(a, b, s=np.power(10*a+20*b,2),c=np.random.rand(100),cmap=mpl.cm.RdYlBu,marker="o")
plt.show()

 

7 函数stem 用于绘制棉棒图

x = np.linspace(0.5, 2*np.pi,20)
y = np.random.randn(20)

# y棉棒长度 linefmt棉棒样式 markerfmt棉棒末端样式 basefmt基线样式
plt.stem(x,y,linefmt="-.",markerfmt="o",basefmt="-", use_line_collection=True)
plt.show()

 

8 函数boxplot 用于绘制箱线图

箱线图是一个能够通过5个数字来描述数据的分布的标准方式，这5个数字包括：最小值，第一分位，中位数，第三分位数，最大值，箱线图能够明确的展示离群点的信息。箱子的中间一条线，是数据的中位数，代表了样本数据的平均水平。箱子的上下限，分别是数据的上四分位数和下四分位数。这意味着箱子包含了50%的数据。

x = np.random.randn(1000)
plt.boxplot(x)

plt.xticks([1],["随机数生成器alphaRM"])
plt.ylabel("随机数值")
plt.title("随机数生成器抗干扰能力的稳定性")

plt.grid(axis="y",ls=":",lw=1,color="gray",alpha=0.4)
plt.show()

 

9 函数errorbar 用于绘制误差棒图

x= np.linspace(0.1,0.6,6)
y = np.exp(x)
# yerr y轴方向误差 xerr x轴方向误差
plt.errorbar(x, y, fmt="bo:", yerr=0.2, xerr=0.02)
plt.xlim(0,0.7)
plt.show()