1. 绘制散点图
plt.scatter()
- 散点图可以观察不同条件(维度)之间的内在关联联系
- 可以观察数据的离散程度
- 具体操作与绘制散点图一致
2. 绘制条形图
主要用来统计离散数据
plt.bar(x,y,width=,color=)
普通条形图操作与散点图基本一致,不再赘述
##绘制横着的条形图的方法:
plt.barh(x,y,height=,color=)
条形图绘制练习:
- 横向条形图
import matplotlib.pyplot as plt
from matplotlib import font_manager
##中文字体设置
my_font = font_manager.FontProperties(fname='C:/WINDOWS/fonts/msyhbd.ttc')
a = ["猩球崛起3:终极之战","敦刻尔克","蜘蛛侠:英雄归来","战狼2"]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]
##三天内,每天都有四部电影
y_14 = [0,1,2,3]
y_15 = [4,5,6,7]
y_16 = [8,9,10,11]
plt.figure(figsize=(20,8),dpi=80)
##绘制横板条形图
plt.barh(y_14,b_14,height=0.3,color='red',label="2017-09-14")
plt.barh(y_15,b_15,height=0.3,color='blue',label="2017-09-15")
plt.barh(y_16,b_16,height=0.3,color='green',label="2017-09-16")
## y轴范围
y = y_14 + y_15 + y_16
## y轴标签对应
_ytick_label = a + a + a
plt.yticks(y,_ytick_label,fontproperties=my_font)
##设置图例
plt.legend()
##设置网格
plt.grid(alpha=0.4)
plt.show()
- 纵向条形图
import matplotlib.pyplot as plt
from matplotlib import font_manager
##中文字体设置
my_font = font_manager.FontProperties(fname='C:/WINDOWS/fonts/msyhbd.ttc')
a = ["猩球崛起3:终极之战","敦刻尔克","蜘蛛侠:英雄归来","战狼2"]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]
##通过平移操作把三个图画在一起
bar_width = 0.2
x_14 = list(range(len(a)))
x_15 = [i+ bar_width for i in x_14]
x_16 = [i+ bar_width for i in x_15]
plt.figure(figsize=(20,8),dpi=80)
plt.bar(x_14,b_14,color='red',label="2017-09-14",width=bar_width)
plt.bar(x_15,b_15,color='blue',label="2017-09-15",width=bar_width)
plt.bar(x_16,b_16,color='green',label="2017-09-16",width=bar_width)
plt.xticks(x_15,a,fontproperties=my_font)
plt.legend()
plt.grid(alpha=0.4)
plt.savefig("F:/拜师培训/基础操作/电影.png")
3. 绘制直方图
用于统计数量或频率
plt.hist(a,num_bins)
- 频数分布直方图
直方图可以用来对数据进行统计,根据所分为的区间数量的不同,可以统计在等距区间上每个区间所占比例的大小。
根据组距和数组中最大值与最小值的差来确定具体分为多少组数,组数=(最大值-最小值)//组距。尽可能把组距设置成能被整除的数字。
- 频率分布直方图
绘制数据出现的频率:把density参数设为True
plt.hist(a,num_bins,density=True)
哪些数据可以绘制直方图?
统计后的数据不能用来绘制直方图,直方图传入的是原始的数据,对于已有的统计结果直接画条形图即可。一般来说可以用hist绘制的是未处理的数据。
百度Echarts有相关图例可以参考。
plotly:可视化工具中的GitHub