目录
1、将柱子调整，每组柱子添加边框，并将柱子的颜色设置成为绿色：
解决：通过 plt.rcParams[ ] 方法修改 matplotlib 的配置文件,即 .rc 文件
3、在每组 bin 上添加数据，并将这个视图的 title 改为：“会员消费区间分布”
文章记录一次使用 Matplotlib 进行数据可视化操作过程，包括遇到的问题，汇总的代码在文章结尾
一、导包
将可能用到的包导入
import pandas as pd
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt二、读取数据
data= pd.read_excel(r'C:\Users\yysc\Desktop\tools\近一年会员消费金额.xlsx')
s1=data['消费金额']
print(data)
print(s1)data：
ID 消费金额
0 2303261145034650 150.2
1 112101100036969 1062.8
2 2305132129519544 146.3
3 2111271415175978 5.7
4 110100800021813 2036.6
... ... ...
288842 2205221256421604 26.1
288843 2112251336015595 176.4
288844 200020204 1455.5
288845 108100100112899 399.4
288846 100028938 522.5
s1：
[288847 rows x 2 columns]
0 150.2
1 1062.8
2 146.3
3 5.7
4 2036.6
...
288842 26.1
288843 176.4
288844 1455.5
288845 399.4
288846 522.5
Name: 消费金额, Length: 288847, dtype: float64
三、画图：
数据是连续型的数据，并没有被分组，我使用条形图，画出一个不同区间的频率直方图，s1的作用是所需要的取数据列
fig,ax=plt.subplots()
n, bins, patches = ax.hist(s1,50,density=True) # density=True纵坐标可以显示概率密度
# print(n,bins,patches)
plt.show()关于hist()：
在这里，只创建了一个Axes，即ax，对其使用 hist() 方法进行绘图，该方法只需要传入x，不用传入y
1、hist() 方法的主要参数：
- x:使用的数据序列。
- bins:可选，它包含整数，序列或字符串，是将横坐标分成了几个区间
- range:可选，是 bins 的上下限。
- density:可选，bool值，为TRUE时显示概率密度
- ...等其他参数可参考官方文档：matplotlib.pyplot.hist — Matplotlib 3.7.2 documentation
2、hist() 方法的返回值：
hist() 方法会有3个返回值
- n：bins的值，每个bin里面元素数量；
- bins：返回每个bin的区间范围；
- patches：如这里的<BarContainer object of 50 artists>
（最后一点不咋明白，但总之 patches 可以是 Container 和多边形列表两种，Container 大概意思就是是一个类，然后包含符合 Artists 范围内的一些概念，如在 bar plots中 的 bars；多边形列表就比如一个包括这个直方图的50个柱子的列表，如有误解望指教改正）
可参考官方文档以及：【matplotlib】可视化之路——Patch类详解_matplotlib patch_小猪猪家的大猪猪的博客-CSDN博客
四、结果：
五、错误检查：由于数据分布不均匀产生的图像显示问题
可以看出，结果很奇怪，先使用 ticklabel_format() 关闭科学计数法，再放大看看y轴的实际值：
ax.ticklabel_format(useOffset=False, style='plain') # 关闭科学计数法
n, bins, patches = ax.hist(s1,50) # 去掉density=TRUE，竖轴就是频数
plt.show()
这里显示，由0左右到20000这个区间的的数据有25万条以上，考虑是数据分布不均匀的问题，上面说到n可以返回每个 bin 里面元素的数量，输出一下：
print(n)
由上可知，在其他 bins 里面，存在1个或者2个数据，这与28万相比起来实在是太少了，所以在图像里面几乎显示不出来，看起来就只有一根柱子，放大多次之后可以看见其他区间其实还是有高度的：
在此将第一个区间之外的视作异常值，去掉，只筛选2000以内的数据
s1=data[data['消费金额']<=2000]['消费金额']再进行绘制：
（这下合理多了）
六、调整：
（一）调整组距：
在统计学里确定组距和组数的方法：
组数：用极差/组距，或参考 Sturges 公式：n=1+3.33lgN (N为样本量）
组距：组距 =（最大值-最小值）/组数
数值为负的可能是退单情况，我选择金额在 0-2000 之间的数据进行绘制，分为20组（这个数据就是根据经验公式计算出来的，过程中竟然惊讶地发现很多区间的端点刚好是整百！！！）
s1=data.loc[(data['消费金额']<=2000) & (data['消费金额']>0),['消费金额']]
# 对比：
# s1=data[data.loc[(data['消费金额']<=2000) & (data['消费金额']>0),['消费金额']]]
# 这种会报错，要求里面是表达式，而data.loc[(data['消费金额']<=2000) & (data['消费金额']>0),['消费金额']]输出的是个object
fig,ax=plt.subplots()
n, bins, patches = ax.hist(s1,20,density=True) # density=True纵坐标可以显示概率密度
ax.ticklabel_format(useOffset=False, style='plain')
print(n,bins)
plt.show()此时图像就基本完成了，
（二）自定义图像
因为 matplotlib 的功能实在过于强大，甚至可以自定义一套属于自己的绘图风格，所以在了解其一些基本概念后决定从实际需求出发来熟悉这个库
-
我想要达成的目标：
1、将柱子调整，每组柱子添加边框，并将柱子的颜色设置成为绿色：
edgecolor = "black"：在hist方法中设置 edgecolor 参数即可设置边框的颜色了
color="lime"：该参数控制直方图柱子的颜色，具体选择移步：Python Matplotlib绘图的color参数可选内容_matplotlib color_爱学习的小杠精的博客-CSDN博客（很不错，强推！）
n, bins, patches = ax.hist(s1,20,density=True, edgecolor = "black",color="lime") # density=True纵坐标可以显示概率密度
2、调整横坐标数据，添加标签
- 使用 plt.xticks(ticks, labels) 修改横坐标
主要参数：
ticks：标签显示的位置的列表，传入空列表将清空轴上标签
labels：所给出标签位置上标记的记号，可以是人名，月份等，必须有 ticks 参数才能传入该参数
plt.xticks(range(0,2001,100))效果如下：
- 使用 plt.xlable()/plt.ylable() 修改坐标轴名字：
plt.xlabel('消费金额')
plt.ylabel('占比')得到：
介似嘛，中文并没有显示出来？
问题：Matplotlib绘图无法显示中文字体
解决：通过 plt.rcParams[ ] 方法修改 matplotlib 的配置文件,即 .rc 文件
plt.rcParams['font.sans-serif'] = 'SimHei' # 使图形中的中文正常编码显示.rc 配置文件记录着绘图的风格，可以通过修改这自信文件形成一个属于自己的绘图风格，这里 rcParams 后必须跟 [ ] 不可以使用（）号（不是很理解，大概是因为这是配置文件里的一个类似固定属性的东西？）
3、在每组 bin 上添加数据，并将这个视图的 title 改为：“会员消费区间分布”
- 通过 text() 方法添加每组数据的标签：
plt.text(x, y, s, fontsize, verticalalignment,horizontalalignment,rotation , kwargs)
主要参数：
x,y：标签添加的位置，注释文本内容所在位置的横/纵坐标，默认是根据坐标轴的数据来度量的，是绝对值，也就是说图中点所在位置的对应的值
s：标签的符号，字符串格式，比如你想加个“我爱python”，更多的是你标注跟数据有关的主体。
fontsize：加标签字体大小，取整数。
verticalalignment：垂直对齐方式 ，可选 ‘center’ ，‘top’ ， ‘bottom’，‘baseline’ 等
horizontalalignment：水平对齐方式 ，可以填 ‘center’ ， ‘right’ ，‘left’ 等
rotation：标签的旋转角度，以逆时针计算，取整
family ：设置字体
style： 设置字体的风格
weight：设置字体的粗细
bbox：给字体添加框， 如 bbox=dict(facecolor=‘red’, alpha=0.5) 等。
string：注释文本内容
此处纵坐标 y 可以由 n 确定，横坐标 x 可以根据 bins 来确定，n 和 bins 都是数组，代表着什么前面已经了解过了，我现在只需要利用其下表，再写一个循环语句即可在每组 bins 上一个个标注数据了
print(type(bins),len(bins),bins[0],bins[20])
<class 'numpy.ndarray'> 21 6.66133814775094e-16 2000.0for a in range(len(bins)-1):
ax.text(bins[a],n[a]+0.0001,'{}%'.format(round(n[a]*10000,3)))注意：
range() 内的数字不要超过 bins 的长度，否则报错
纵坐标的设置要适当，若写为 n[a]+0.1 会距离柱子很远（因为纵坐标数值很小！），后面用格式化字符串传递我想要显示的内容
频率直方图中，纵轴表示频率除以组距的值（即单位距离的频率），每个矩形的高代表频率和组距的商，所以我们如果要显示其频率，则要乘以组间距100，按百分号显示，再乘以100。
关于这个统计小知识可以看看直方图的纵坐标为什么有时候是频率/组距？ - 知乎
- 通过 title() 方法添加每组数据的标签：
plt.title('会员消费区间分布')此时效果：
虽然不完美（可能纵坐标还需要再调整），但基本完成了，就先画到这里吧 ！！
七、代码
import pandas as pd
import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from matplotlib.ticker import FuncFormatter
plt.rcParams['font.sans-serif'] = 'SimHei' # 使图形中的中文正常编码显示
data= pd.read_excel(r'C:\Users\yysc\Desktop\tools\近一年会员消费金额.xlsx')
s1=data.loc[(data['消费金额']<=2000) & (data['消费金额']>0),['消费金额']]
fig,ax=plt.subplots()
n, bins, patches = ax.hist(s1,20, density=True,edgecolor = "black",color="lime")
# density=True纵坐标可以显示概率密度
plt.xticks(range(0,2001,100))
ax.ticklabel_format(useOffset=False, style='plain') # 关掉科学计数法
for a in range(len(bins)-1):
ax.text(bins[a],n[a]+0.0001,'{}%'.format(round(n[a]*10000,3)))
plt.xlabel('消费金额')
plt.ylabel('占比')
plt.title('会员消费区间分布')
plt.show()
2万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
