matplotlib常用统计图

绘制散点图

例：假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),
那么此时如何寻找出气温和随时间(天)变化的某种规律?

散点图与拆线图的区别是使用scatter方法

from matplotlib import pyplot as plt
from matplotlib import font_manager


my_font = font_manager.FontProperties(fname=r'C:\Windows\Fonts\STLITI.TTF')

y_3 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]

x_3 = range(1,32)
x_10 = range(51,82)

# 设置图形大小
plt.figure(figsize=(20,8),dpi=100)

# 使用scatter绘制散点图,和拆线图唯一的区别
plt.scatter(x_3,y_3,label='3月')
plt.scatter(x_10,y_10,label='10月')

# 调整X轴的刻度
_x = list(x_3) + list(x_10)
_xtick_labels = ['3月{}日'.format(i) for i in x_3]
_xtick_labels += ['10月{}日'.format(i-50) for i in x_10]
plt.xticks(_x[::3],_xtick_labels[::3],rotation=45,fontProperties=my_font)

# 添加图例
plt.legend(prop=my_font,loc='upper left')

# 添加描述信息
plt.xlabel('时间',fontproperties=my_font)
plt.ylabel('温度',fontProperties=my_font)
plt.title('3月10月气温分布图',fontProperties=my_font)

# 显示
plt.show()

散点图的应用场景

• 不同条件(维度)之间的内在关联关系
• 观察数据的离散聚合程度

绘制条形图

例：假设你获取到了2017年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据?

from matplotlib import pyplot as plt
from matplotlib import font_manager

my_font = font_manager.FontProperties(fname=r'C:\Windows\Fonts\FZYTK.TTF',size='large')


a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证",
     "金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺",
     "金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]

b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]

plt.figure(figsize=(20,8),dpi=80)
# plt.bar绘制横向的条形图
# width设置条形图宽度
# plt.bar(range(len(a)),b,width=0.3)

# plt.barh绘制纵向的条形图
# 这要设置height
plt.barh(range(len(a)),b,height=0.3,color='orange')

# 设置X,Y轴
# plt.xticks(range(len(a)),a,fontproperties=my_font,rotation=90)
plt.yticks(range(len(a)),a,fontproperties=my_font)
plt.xticks(range(0,int(max(b))+1))

# 绘制网格
plt.grid()

plt.show()

例：假设你知道了列表a中电影分别在2017-09-14(b_14), 2017-09-15(b_15),
2017-09-16(b_16)三天的票房,为了展示列表中电影本身的票房以及同其他电影的数据对比情况,
应该如何更加直观的呈现该数据?
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]

from matplotlib import pyplot as plt
from matplotlib import font_manager

my_font = font_manager.FontProperties(fname=r'C:\Windows\Fonts\FZYTK.TTF',size='small')

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]
# 设置X轴的位移
x_14 = list(range(len(a)))
x_15 = [i+0.2 for i in x_14]
x_16 = [i+0.2*2 for i in x_14]
# 设置图形大小
plt.figure(figsize=(20,8),dpi=80)
# 设置条形图
plt.bar(range(len(a)),b_14,width=0.2,label='9月14日')
plt.bar(x_15,b_15,width=0.2,label='9月15日')
plt.bar(x_16,b_16,width=0.2,label='9月16日')
# 设置图例
plt.legend(prop=my_font,loc='upper right')
# 设置X轴刻度
plt.xticks(x_15,a,fontproperties=my_font)
# 显示
plt.show()

条形图更多应用场景

• 数量统计
• 频率统计(市场饱和度)

绘制直方图

使用方法plt.hist()

假设你获取了250部电影的时长(列表a中),希望统计出这些电影时长的分布状态(比如时长为100分钟到120分钟电影的数量,出现的频率)等信息,
你应该如何呈现这些数据?

from matplotlib import pyplot as plt

a=[131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124,
   101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,
   86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105,
   137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105,
   115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110,
   102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131,
   127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133,
   134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140,
   103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139,
   113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,
   94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]


# 计算组距   组数=极差/组距
d_width = 3
num_bins = int(max(a)-min(a))//d_width

plt.figure(figsize=(20,8),dpi=80)
# 频数分布直方图
# 第二个参数是组数，
# normed=True 这个代表某个时间代出现的频率
plt.hist(a,num_bins)
# 设置X轴刻度
plt.xticks(range(min(a),max(a)+d_width,d_width))
# 显示网格
plt.grid()

plt.show()

例：在美国2004年人口普查发现有124 million的人在离家相对较远的地方工作。根据他们从家到上班地点所需要的时间,通过抽样统计(最后一列)出了下表的数据,这些数据能够绘制成直方图么?

是通过柱形图绘制的

from matplotlib import pyplot as plt

# 取间范围
interval = [0,5,10,15,20,25,30,35,40,45,60,90]
width = [5,5,5,5,5,5,5,5,5,15,30,60]
quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]

plt.figure(figsize=(20,8),dpi=80)

plt.bar(range(12),quantity,width=1)

# 设置X轴的刻度
_x = [i-0.5 for i in range(13)]
_xtick_labels = interval + [150]
plt.xticks(_x,_xtick_labels)

plt.grid()
plt.show()

matplotlib常见方法

1.应该选择那种图形来呈现数据
2.matplotlib.plot(x,y)
3.matplotlib.bar(x,y)
4.matplotlib.scatter(x,y)
5.matplotlib.hist(data,bins,normed)
6.xticks和yticks的设置
7.label和titile,grid的设置
8.绘图的大小和保存图片
matplotlib支持的图形是非常多的，如果有其他的需求，我们
可以查看一下url地址：https://matplotlib.org/gallery/index.html
ECHARTS URL: http://echarts.baidu.com/
PLOT