5/5 python数据分析

安装完anaconda后，让pycharm使用anaconda的环境的方法
anaconda，pycharm，虚拟环境
镜像链接
清华开源

matplotlib

折线图：plot

设置图片大小需要在绘图之前
设置图片大小：plt.figure(figsize(长，宽),dpi=分辨率)
绘图：plt.plot(x,y)
x,y 为x轴与y轴数据
标识网格线：plt.grid()
保存：plt.savefig(“路径”)，图片格式可选择（.svg矢量图，.png，.jpg等）
展示：plt.show()
刻度：xticks()，yticks()   其中可以添加参数rotation选择角度，rotation=90即逆时针90度
 
matplotlib中的中文显示方法：

plt.rcParams["font.sans-serif"]=["SimHei"] 
plt.rcParams["axes.unicode_minus"]=False 

绘制多条线，并添加标注

通过多个plt.plot()来绘制多条曲线
在plt.plot()中添加label属性，展示图片前使用plt.legend()方法在图片中展示标注

y_1=[1,2,3,4]
y_2=[2,4,6,8]
x=[0,1,2,3]
plt.plot(x,y_1,label='1')
plt.plot(x,y_2,label='2')
plt.legend()
plt.show()

散点图：scatter

方法于折现图相同

条形图：bar

barh绘制横着的条形图
bar调整宽度的参数为width
barh调整宽度为height

直方图：hist（统计分布状态）

plt.hist(数组，分组数)
分组数求法：数据量在100以内长分为5~12组，否则分组数num_bins=（max-min）/组距d
d需要可以整除max-min，否则x轴刻度会错位
注：组距通常根据数组中数据的密集程度决定，若密集组距取小值，分散取大值。
x轴刻度为：xticks(range(min,max+d,d))
 
 
直方图一般统计原始数据的频数，对于处理过后的数据一般使用条形图

numpy

处理数值型数据

三级标题

四级标题

五级标题

六级标题