python画简便的图-特征锦囊：常用的统计图在Python里怎么画?

今日锦囊

常用的统计图在Python里怎么画?

这里的话我们介绍几种很简单但也很实用的统计图绘制方法，分别有条形图、饼图、箱体图、直方图以及散点图，关于这几种图形的含义这边就不多做解释了。

今天用到两个数据集，数据集大家可以在公众号回复"特征工程"来获取，分别是Salary_Ranges_by_Job_Classification和GlobalLandTemperaturesByCity。

效果图：

代码集合# 导入一些常用包

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

%matplotlib inline

plt.style.use('fivethirtyeight')

#解决中文显示问题，Mac

%matplotlib inline

from matplotlib.font_manager import FontProperties

# 引入第 1 个数据集 Salary_Ranges_by_Job_Classification

salary_ranges = pd.read_csv('./data/Salary_Ranges_by_Job_Classification.csv')

# 引入第 2 个数据集 GlobalLandTemperaturesByCity

climate = pd.read_csv('./data/GlobalLandTemperaturesByCity.csv')

# 移除缺失值

climate.dropna(axis=0, inplace=True)

# 只看中国

# 日期转换, 将dt 转换为日期，取年份, 注意map的用法

climate['dt'] = pd.to_datetime(climate['dt'])

climate['year'] = climate['dt'].map(lambda value: value.year)

climate_sub_china = climate.loc[climate['Country'] == 'China']

climate_sub_china['Century'] = climate_sub_china['year'].map(lambda x:int(x/100 +1))

# 设置显示的尺寸

plt.rcParams['figure.figsize'] = (4.0, 4.0) # 设置figure_size尺寸

plt.rcParams['image.interpolation'] = 'nearest' # 设置 interpolation style

plt.rcParams['image.cmap'] = 'gray' # 设置 颜色 style

plt.rcParams['savefig.dpi'] = 100 #图片像素

plt.rcParams['figure.dpi'] = 100 #分辨率

plt.rcParams['font.family'] = ['Arial Unicode MS'] #正常显示中文

# 绘制条形图

salary_ranges['Grade'].value_counts().sort_values(ascending=False).head(10).plot(kind='bar')

# 绘制饼图

salary_ranges['Grade'].value_counts().sort_values(ascending=False).head(5).plot(kind='pie')

# 绘制箱体图

salary_ranges['Union Code'].value_counts().sort_values(ascending=False).head(5).plot(kind='box')

# 绘制直方图

climate['AverageTemperature'].hist()

# 绘制散点图

x = climate_sub_china['year']

y = climate_sub_china['AverageTemperature']

fig, ax = plt.subplots(figsize=(10,5))

ax.scatter(x, y)

plt.show()

今天的内容学会了吗，继续加油哈！?