机器学习数据科学包（十三）——Matplotlib模块：散点图、线形图、柱状图、直方图、饼图、箱型图

​​​​

散点图

• 散点图显示两组数据的值，每个点的坐标位置由变量的值决定
• 由一组不连接的点完成，用于观察两种变量的相关性
• 例如身高-体重、温度-维度、等等

绘图语法

plt.scatter([1,2,3,4],[1,2,3,4])

不相关

正相关

负相关

样式选择

plt.scatter(x,y,s=点面积，c=颜色，alpha=透明度，marker=形状)

实例：判断股票市场前一天的涨幅对今天涨幅是否有影响

获取第二列开盘价与第五列收盘价。

画图结果说明前一天涨幅跟下一天涨幅没有明显关系

折线图

• 折线图是用直线段将各数据连接起来组成的图形
• 常用来观察数据随时间变化的趋势
• 例如股票价格、温度变化等等

绘图语法

plt.plot(x,y)

样式选择

• 线型linestyle
• 颜色 color
• 点形状 marker

实例：以日期为x轴画出股市开盘价折线图

将第一列识别成日期。

纵坐标不是日期，计算机自动将日期解析成一系列字符串，使用plot_date绘制带日期的

默认散点图

改变样式

条形图

• 以长方形的长度为变量的统计图表
• 用来比较多个项目分类的数据大小
• 通常利用于较小的数据集分析
• 例如不同季度的销量，不同国家的人口等

绘图语法

plt.bar(x,y,width=,color=,align='center|edge')  # 绘制条形图
plt.barh(x,y,width=,color=)  # 绘制水平条线图

直方图

• 由一系列高度不等的纵向条形组成，标书数据分布情况
• 例如某年级同学的身高分布情况
• 主要和条形图区别

绘图语法

plt.hist(x, 段数, density=False)   # 一个变量的直方图

plt.hist2d(x1, x2, 段数)  # 两个变量的直方图

饼状图

• 饼状图显示一个数据系列中各项的大小与各总项的比例
• 饼状图中的数据点显示为整个饼状图的百分比
• 如前十大品牌占市场份额图

绘图语法

plt.pie(数据列表,标签列表,autopct=False,explode=突出列表,shadow=False)

箱型图

• 箱型图又称为盒须图、盒式图或箱线图
• 是一种用作显示一组数据分散情况资料的统计图
• 异常值，上边缘，上四分位数，中位数，下四分位数，下边缘，异常值

绘图语法

plt.boxplot(x,whis=1.5,sym=None)

其中whis表示上边缘和下边缘的长度，sym为异常点的形状

 

负相关