分布数据图-R/python

最新推荐文章于 2024-02-23 11:41:10 发布
最新推荐文章于 2024-02-23 11:41:10 发布
阅读量603 收藏 5
点赞数
分类专栏： 科研绘图 文章标签： python r语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/songyi10/article/details/127695212
版权

数据的分布主要有以下几种表现形式：

  • 直方图
  • 密度图
  • 箱线图
  • 点图+箱线图
  • 塔夫特箱线图
  • 小提琴图
  • 金字塔图

数据前准备

  • R
library(tidyverse)
library(plotrix)

## 全局主题设置
options(scipen=999)  # 关掉像 1e+48 这样的科学符号
# 颜色设置（灰色系列）
cbp1 <- c("#999999", "#E69F00", "#56B4E9", "#009E73",
          "#F0E442", "#0072B2", "#D55E00", "#CC79A7")

# 颜色设置（黑色系列）
cbp2 <- c("#000000", "#E69F00", "#56B4E9", "#009E73",
          "#F0E442", "#0072B2", "#D55E00", "#CC79A7")


ggplot <- function(...) ggplot2::ggplot(...) + 
  scale_color_manual(values = cbp1) +
  scale_fill_manual(values = cbp1) + # 注意: 使用连续色阶时需要重写
  theme_bw()

data("midwest", package = "ggplot2") #加载数据集
  • python
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
import warnings
#warnings.filterwarnings(action='once')

# 主题设置
plt.style.use('seaborn-whitegrid')
sns.set_style("whitegrid")
#print(mpl.__version__)# 3.5.1
#print(sns.__version__)# 0.12.0

直方图

连续变量直方图

  • R
ggplot(mpg, aes(displ)) + scale_fill_brewer(palette = "Spectral")+
  geom_histogram(aes(fill=class), 
                   binwidth = .1, 
                   col="black", 
                   size=.1) +  # change binwidth
  labs(title="Histogram with Auto Binning", 
       subtitle="Engine Displacement across Vehicle Classes")

在这里插入图片描述

  • python-matplotlib
df = pd.read_csv("./data/mpg_ggplot.csv")

# Prepare data
x_var = 'displ'
groupby_var = 'class'
df_agg = df.loc[:, [x_var, groupby_var]].groupby(groupby_var)
vals = [df[x_var].values.tolist() for i, df in df_agg]

# Draw
plt.figure(figsize=(10, 6), dpi=80)
colors = [plt.cm.Set1(i / float(len(vals) - 1)) for i in range(len(vals))]
n, bins, patches = plt.hist(vals,
                            30,
                            stacked=True,
                            density=False,
                            color=colors[:len(vals)])

# Decoration
plt.legend({
    group: col
    for group, col in zip(
        np.unique(df[groupby_var]).tolist(), colors[:len(vals)])
},title="Class",loc="right",ncol=1,fontsize=12,columnspacing=0.2, handletextpad=0.5,
         bbox_to_anchor=(0, 0, 1.2, 1.1))
plt.title(f"Stacked Histogram of ${x_var}$ colored by ${groupby_var}$",
          fontsize=22)
plt.xlabel(x_var)
plt.ylabel("Frequency")
#plt.ylim(0, 25)
plt.xticks(ticks=bins[::3], labels=[round(b, 1) for b in bins[::3]])
plt.show()

在这里插入图片描述

  • python-seaborn
df = pd.read_csv("./data/mpg_ggplot.csv")


# Draw
plt.figure(figsize=(10, 6), dpi=80)
g = sns.histplot(
    x=df.displ,hue=df["class"],
    bins=20, ## 指定直方图个数，类似R的bin
    shrink = .7,## 指定直方图宽度，类似R的binwidth
    kde=False, ## 是否添加核密度曲线
    stat = "count", ## 统计数目类型，分为count观测数（默认），frequency频数，density密度，probablity概率
    multiple = "layer", ## 指定直方图表现形式，类似R的position参数，layer分层（默认），dodge并排，stack堆叠，fill填充
    #col = df.model, ## 分面参数
    )
sns.move_legend(g,loc="right",bbox_to_anchor=(0,0,1.2, 1),ncol=1)
g.set_title("Histogram with Auto Binning",fontsize=18)

在这里插入图片描述

分类变量直方图

  • R
ggplot(mpg, aes(manufacturer))+
  geom_bar(aes(fill=class), width = 0.5) + 
  theme(axis.text.x = element_text(angle=65, vjust=0.6)) + 
  labs(title="Histogram on Categorical Variable", 
       subtitle="Manufacturer across Vehicle Classes")

在这里插入图片描述

  • python-mat
df = pd.read_csv("./data/mpg_ggplot.csv")

# Prepare data
x_var = 'manufacturer'
groupby_var = 'class'
df_agg = df.loc[:, [x_var, groupby_var]].groupby(groupby_var)
vals = [df[x_var].values.tolist() for i, df in df_agg]

# Draw
plt.figure(figsize=(10, 6), dpi=80)
colors = [plt.cm.Set1(i / float(len(vals) - 1)) for i in range(len(vals))]
n, bins, patches = plt.hist(vals,
                            df[x_var].unique().__len__(),
                            stacked=True,
                            density=False,
                            color=colors[:len(vals)])

# Decoration
plt.legend({
    group: col
    for group, col in zip(
        np.unique(df[groupby_var]).tolist(), colors[:len(vals)])
},title="Class",loc="right",ncol=1,fontsize=12,columnspacing=0.2, handletextpad=0.5,
         bbox_to_anchor=(0, 0, 1.23, 1.05))
plt.title("Histogram on Categorical Variable",
          fontsize=22)
plt.xlabel(x_var)
plt.ylabel("Frequency")
plt.ylim(0, 40)
xloc = [(x+y)/2 for x,y in zip(bins[1:],bins[:-1])]
plt.xticks(ticks=xloc,
           labels=np.unique(df[x_var]).tolist(),
           rotation=90,
           horizontalalignment='left')

plt.show()

在这里插入图片描述

  • python-seaborn
df = pd.read_csv("./data/mpg_ggplot.csv")

# Draw
plt.figure(figsize=(10, 6), dpi=80)
g = sns.histplot(
    x=df.manufacturer,hue=df["class"],
    bins=20, ## 指定直方图个数，类似R的bin
    shrink = .7,## 指定直方图宽度，类似R的binwidth
    kde=False, ## 是否添加核密度曲线
    stat = "count", ## 统计数目类型，分为count观测数（默认），frequency频数，density密度，probablity概率
    multiple = "layer", ## 指定直方图表现形式，类似R的position参数，layer分层（默认），dodge并排，stack堆叠，fill填充
    #col = df.model, ## 分面参数
    )
sns.move_legend(g,loc="right",bbox_to_anchor=(0,0,1.2, 1),ncol=1)
g.set_title("Histogram with Auto Binning",fontsize=18)
g.set_xticklabels(labels=np.unique(df[x_var]).tolist(),
           rotation=90,
           horizontalalignment='center')
plt.show()

在这里插入图片描述

密度图

  • R
ggplot(mpg, aes(cty))+
  geom_density(aes(fill=factor(cyl)), alpha=0.8) + 
  labs(title="Density plot", 
       subtitle="City Mileage Grouped by Number of cylinders",
       caption="Source: mpg",
       x="City Mileage",
       fill="# Cylinders")

在这里插入图片描述

  • python
# Import Data
df = pd.read_csv("./data/mpg_ggplot.csv")

# Draw Plot
plt.figure(figsize=(10, 8), dpi=80)
count = [4,5,6,8]
color = ["#01a2d9","#dc2624","#C89F91","#649E7D"]
plattes = {count:color for count,color in zip(count,color)}

for i,c in plattes.items():
    sns.kdeplot(df.loc[df['cyl'] == i, "cty"],
            shade=True,
            color=c,
            label="Cyl=%d"%i,
            alpha=.7)

# Decoration
sns.set(style="whitegrid", font_scale=1.1)
plt.title('Density Plot of City Mileage by n_Cylinders', fontsize=18)
plt.legend(title="# Cylinders",loc="right",bbox_to_anchor=(0,0,1.15, 1),ncol=1)
plt.show()

在这里插入图片描述

箱线图

  • R
ggplot(mpg, aes(class, cty))+
  geom_boxplot(varwidth=F, fill="plum") +  # varwidth与组中观察数成正比
  geom_text(data=mpg %>% select(class,cty) %>%
              group_by(class) %>%
              summarise(count = n(),
                        loc = mean(cty)) %>%
              ungroup(),aes(x=class,y=loc+.5,label=paste0("# obs:",count)))+
  labs(title="Box plot", 
       subtitle="City Mileage grouped by Class of vehicle",
       caption="Source: mpg",
       x="Class of Vehicle",
       y="City Mileage")

在这里插入图片描述

  • python
# Import Data
df = pd.read_csv("./data/mpg_ggplot.csv")

# Draw Plot
plt.figure(figsize=(10, 6), dpi=80)
sns.boxplot(
    x='class',
    y='hwy',
    data=df,
    notch=False,
    color="plum",
)


# Add N Obs inside boxplot (optional)
def add_n_obs(df, group_col, y):
    medians_dict = {
        grp[0]: grp[1][y].median()
        for grp in df.groupby(group_col)
    }
    xticklabels = [x.get_text() for x in plt.gca().get_xticklabels()]
    n_obs = df.groupby(group_col)[y].size().values
    for (x, xticklabel), n_ob in zip(enumerate(xticklabels), n_obs):
        plt.text(x,
                 medians_dict[xticklabel] * 1.01,
                 "#obs : " + str(n_ob),
                 horizontalalignment='center',
                 fontdict={'size': 12},
                 color='black')


add_n_obs(df, group_col='class', y='hwy')

# Decoration
sns.set(style="whitegrid", font_scale=1.1)
plt.title('Box Plot of Highway Mileage by Vehicle Class', fontsize=16)
plt.ylim(10, 40)
plt.show()

在这里插入图片描述

点图+箱线图

  • R
ggplot(mpg, aes(manufacturer, cty))+
  geom_boxplot(aes(fill=factor(cyl))) + 
  geom_dotplot(binaxis='y', 
               stackdir='center', 
               dotsize = .3, 
               fill="red") +
  theme(axis.text.x = element_text(angle=65, vjust=0.6)) + 
  labs(title="Box plot + Dot plot", 
       subtitle="City Mileage vs Class: Each dot represents 1 row in source data",
       caption="Source: mpg",
       x="Class of Vehicle",
       y="City Mileage",
       fill="# Cylinders")

在这里插入图片描述

  • python
# Import Data
df = pd.read_csv("./data/mpg_ggplot.csv")

# Draw Plot
plt.figure(figsize=(13, 10), dpi=80)
sns.boxplot(
    x='class',
    y='hwy',
    data=df,
    hue='cyl',
    palette="Set1",
)

sns.stripplot(x='class',
              y='hwy',
              data=df,
              color='#dc2624',
              size=5,
              jitter=.1)

for i in range(len(df['class'].unique()) - 1):
    plt.vlines(i + .5, 10, 45, linestyles='solid', colors='gray', alpha=0.2)

# Decoration
plt.title('Box Plot of Highway Mileage by Vehicle Class', fontsize=18)
plt.legend(title="# Cylinders",loc="right",bbox_to_anchor=(0,0,1.13, 1),ncol=1)
print()
plt.xlim(min(plt.gca().get_xticks())-0.5,max(plt.gca().get_xticks())*1.1)
plt.show()

在这里插入图片描述

小提琴图

  • R
ggplot(mpg, aes(class, cty,fill=class))+
  geom_violin() +
  guides(fill="none")+
  labs(title="Violin plot", 
       subtitle="City Mileage vs Class of vehicle",
       caption="Source: mpg",
       x="Class of Vehicle",
       y="City Mileage")

在这里插入图片描述

  • python
# Import Data
df = pd.read_csv("./data/mpg_ggplot.csv")

# Draw Plot
plt.figure(figsize=(13, 10), dpi=80)
sns.violinplot(x='class',
               y='hwy',
               data=df,
               scale='width',
               palette='Set1',
               inner='quartile')

# Decoration
plt.title('Violin Plot of Highway Mileage by Vehicle Class', fontsize=18)
plt.show()

在这里插入图片描述

金字塔图

  • R
email_campaign_funnel <- read.csv("https://raw.githubusercontent.com/selva86/datasets/master/email_campaign_funnel.csv")

# X Axis Breaks and Labels 
brks <- seq(-15000000, 15000000, 5000000)
lbls = paste0(as.character(c(seq(15, 0, -5), seq(5, 15, 5))), "m")

# Plot
ggplot(email_campaign_funnel, aes(x = Stage, y = Users, fill = Gender)) +   # Fill column
  geom_bar(stat = "identity", width = .6) +   # draw the bars
  scale_y_continuous(breaks = brks,   # Breaks
                     labels = lbls) + # Labels
  coord_flip() +  # Flip axes
  labs(title="Email Campaign Funnel") +
  theme_tufte() +  # Tufte theme from ggfortify
  theme(plot.title = element_text(hjust = .5), 
        axis.ticks = element_blank()) +   # Centre plot title
  scale_fill_brewer(palette = "Dark2")  # Color palette

在这里插入图片描述

  • python
# Read data
df = pd.read_csv("./data/email_campaign_funnel.csv")

# Draw Plot
plt.figure(figsize=(12, 8), dpi=80)
group_col = 'Gender'
order_of_bars = df.Stage.unique()[::-1]
colors = [
    plt.cm.Set1(i / float(len(df[group_col].unique()) - 1))
    for i in range(len(df[group_col].unique()))
]


for c, group in zip(colors, df[group_col].unique()):
    sns.barplot(x='Users',
                y='Stage',
                data=df.loc[df[group_col] == group, :],
                order=order_of_bars,
                color=c,
                label=group)

# Decorations
plt.xlabel("$Users$")
plt.ylabel("Stage of Purchase")
plt.yticks(fontsize=12)
plt.title("Population Pyramid of the Marketing Funnel", fontsize=18)
plt.legend(title="Gender",loc="right",bbox_to_anchor=(0,0,1.2, 1),ncol=1)
plt.show()

在这里插入图片描述

峰峦图

  • R
#install.packages("ggridges")
library(ggridges)
data(mpg,package = "ggplot2")

ggplot(mpg,aes(fill=class))+
  geom_density_ridges(aes(x=cty,y=class))+
  theme_ridges() + 
  theme(legend.position = "none")

在这里插入图片描述

  • python
#pip install joypy #安装依赖包
#每组数据绘制核密度图，R中有ggridges
import joypy

# Import Data
mpg = pd.read_csv("./data/mpg_ggplot.csv")

# Draw Plot
plt.figure(figsize=(10, 6), dpi=80)
fig, axes = joypy.joyplot(mpg,
                          column='cty',
                          by="class",
                          ylim='own',
                          colormap=plt.cm.Set1,
                          figsize=(10, 6))

# Decoration
plt.title('Joy Plot of City and Highway Mileage by Class', fontsize=18)
plt.show()

在这里插入图片描述

参考资料

R语言绘图：https://mp.weixin.qq.com/s/zLIsgnfKgSFjL6jrboIgkg

python绘图：https://mp.weixin.qq.com/s/DY_K1CisYElFL7Tt0Si6hw

songyi10
关注
  • 0
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
chatgpt赋能python：Python画分布图教程：从基础到实践
a058046的博客
06-16 526
本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT，应该选择拥抱而不是抗拒，未来属于“会用”AI的人。🧡AI职场汇报智能办公文案写作效率提升教程 🧡专注于AI+职场+办公方向。下图是课程的整体大纲下图是AI职场汇报智能办公文案写作效率提升教程中用到的ai工具。
3分钟教程 | 一文教你轻松玩转分布类图形
A_1236的博客
07-17 540
​分布类图形是可视化分析中常用的一类图表，主要用来分析连续数据上数据分布的情况。分布类图形包括盒须图、散点图、热力图等，应用于不同的数据分析场景。 在实际数据分析的工作中，应该如何利用分布类图形，考察数据的分布特点呢？本文以一家连锁商超为例，为您介绍分布类图形的使用。 盒须图 盒须图是一种显示数据分布情况的统计图，从中可以观察到数据的分布是否密集、是否具有偏向性、是否存在异常值。盒须图包含六个重要...
数据分布图
07-17
动态分布图，按照饼状图分布图，可以根据数据按照百分比展示，可以自定义设置颜色
高德地图实现全国(世界，各国，省市区，支持多级钻透)数据分布图。
01-08
高德地图实现全国(省市区，支持穿透)数据分布图，支持世界国省市区的地图显示，支持上下级，多级钻透，自定义数据源，自定义鼠标tip html提示信息，样式，根据高德地图修改，世界（各国：暂时定为中国），全国，省市区分布图，支持穿透，由于第三方开源的省市区，分布图地区更新不及时，以将数据展示在地图上，单独封装一个一个html文件。已应用到正式环境，如有不清楚可以加本人交流qq380726211
Python数据可视化 | Pyecharts绘制江西省财政收入分布图
m0_59236127的博客
02-23 852
大量色调单一的数据表往往会给阅读者带来枯燥乏味的感觉，不利于相关数据项目的展示。而数据可视化具有易于理解、突出数据重点等显著优势，提高阅读速度的同时给读者留下更深刻的印象。那么如何将数据进行可视化处理呢？本文以江西省各地区财政收入为例，利用Python中的Pyecharts库通过绘制江西省地图的方式实现数据可视化。
ggplot2: 数据分布图
倪卫汀的博客
03-07 4608
ggplot2: 数据分布图 用 R 数据包 ggplot 来画数据分布图。 #启用 ggplot 包 library(ggplot2) library(gridExtra) #用以安排所画之图 # 先模拟一些数据 set.seed(50005) xvar &amp;amp;lt;- c(rnorm(1500, mean = -1.5), rnorm(1500, mean = 1.5)) yvar &amp;amp;lt;- ...
Python数据分布类型图（箱型图、直方图）
2202_75298563的博客
06-09 5235
资料的统计图，它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比 较。箱线图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；，所以在画图之前我先对所需数据进行处理，处理的方法有以下几种（list()函数、字符串转列表、tolist()等），我用的是tolist()函数。25%分位数（下四分位数）：序列中有25%的数据小于这个数。75%分位数（上四分位数）：序列中有75%的数据小于这个数。中位数（50%分位数）：序列中有50%的数据小于这个数。加入的数据必须是列表类型的。
python画数据分布图
liweiminlining的专栏
09-02 8468
快速统计数据区间分布情况
【Python数据科学快速入门系列 | 10】Matplotlib数据分布图表应用总结
机器未来的博客
10-24 6321
本篇文章总结常用的数据分布图表。数据分布图表强调数据集中的数值及其频率或分布规律。常见的有统计直方图、核密度曲线图、箱形图、小提琴图等。
第六章-Python数据可视化--2
QYgujingjing的专栏
11-02 724
第六章-Python数据可视化
Python数据可视化:幂律分布实例详解
01-20
所以，判定数据是否符合幂律分布，只需要对XY取双对数，判断能否用一个直线很好拟合就行。常见的直线拟合效果评估标准有拟合误差平方和、R平方。 3、代码实现 #!/usr/bin/env python # -*-coding:utf-8 -*- import ...
数据预处理全攻略：基于SQL、R与Python的实战源码
03-25
项目概述：《数据预处理全攻略：基于SQL、R与Python的实战源码》是一个综合性项目，主要以Python语言为核心，同时融入了R和SQL的实践应用。该项目包含了191个文件，涵盖了从入门到实战的数据预处理全流程。具体文件...
python实现读取类别频数数据画水平条形图案例
12-20
1、数据分组–>频数分布表 环境配置： import pandas as pd import numpy as np import matplotlib.pyplot as plt 按照你设定合适的间隔，把数据分为各个范围的组，然后统计出在这个范围内的频数有多少，我没有找到...
基于python开发的对红葡萄酒质量数据进行探索性分析+源代码+注释说明+数据集
01-15
至少3名葡萄酒专家对每种酒 进行了评分，分数在0（非常差）到10（非常好）之间 我们使用 R 并应用探索性数据分析技术，从而研究一个变量与多个变量的关系并探索选定数据集的分布、异常值和反常现象。 - 不懂运行，...
基于Python的依托豆瓣平台制作的一个数据分析系统.zip
最新发布
04-15
本作品使用Python的BeautifulSoup库爬取了电影、图书、音乐这三个方向的数据存入MongoDB的NoSQL数据库，使用Pyecharts库得到了诸如单部电影评分分布的一维数据图、评分与评论数关系的二维数据图甚至于多维数据图，并...
数据可视化系列指南之分布类图表大全
码为人生的博客
05-30 1958
分布类图表用于显示频率、数据分散在一个区间或分组的情况，使用图形的位置、大小、颜色的渐变程度来表现数据的分布，通常用于展示连续数据上数值的分布情况；对个人和企业来说是很有用的数据可视化工具，它可以辅助我们用清晰易懂的图表方式展示数据，从而更好地进行数据分析，快速做出正确的决策。同时，也要注意到此类图表的适用场景，避免在不适合的场景使用而带来错误的效果。
七种数据分布图
在人生的舞台上，从不给落伍者颁发奖牌！
01-07 5734
文章目录均匀分布伯努利分布（离散）二项分布（离散）多项式分布（离散）伽马分布（连续）高斯分布（连续）正态分布（连续） 均匀分布 如图： 代码如下： def uniform(x, a, b): y = [1 / (b - a) if a <= val and val <= b else 0 for val in x] return x, y, np...
chatgpt赋能python：Python分布图的介绍
shengcaiy123的博客
05-26 244
本文由chatgpt生成，文章没有在chatgpt生成的基础上进行任何的修改。以上只是chatgpt能力的冰山一角。作为通用的Aigc大模型，只是展现它原本的实力。对于颠覆工作方式的ChatGPT，应该选择拥抱而不是抗拒，未来属于“会用”AI的人。🧡AI职场汇报智能办公文案写作效率提升教程 🧡专注于AI+职场+办公方向。下图是课程的整体大纲下图是AI职场汇报智能办公文案写作效率提升教程中用到的ai工具。
描述数据分布特征的五种可视化图形
热门推荐
lsxxx2011的专栏
01-26 1万+
还没关注？快动动手指！01 数据分布图简介中医上讲看病四诊法为：望闻问切。而数据分析师分析数据的过程也有点相似，我们需要望：看看数据长什么样；闻：仔细分析数据是否合理；问...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值