箱形图适用于哪种数据_数据分析最有用的25个 Matplotlib图（一）

作者 | zsx_yiyiyi

来源 | python大本营

25个Matplotlib图的汇编，在数据分析和可视化中最有用。此列表允许您使用Python的Matplotlib和Seaborn库选择要显示的可视化对象。今天给大家分享前面的13个，后续会持续更新。

1.关联

散点图

带边界的气泡图

带线性回归最佳拟合线的散点图

抖动图

计数图

边缘直方图

边缘箱形图

相关图

矩阵图

2.偏差

发散型条形图

发散型文本

发散型包点图

带标记的发散型棒棒糖图

面积图

3.排序

有序条形图

棒棒糖图

包点图

坡度图

哑铃图

4.分布

连续变量的直方图

类型变量的直方图

密度图

直方密度线图

Joy Plot

分布式包点图

包点+箱形图

Dot + Box Plot

小提琴图

人口金字塔

分类图

5.组成

华夫饼图

饼图

树形图

条形图

6.变化

时间序列图

带波峰波谷标记的时序图

自相关和部分自相关图

交叉相关图

时间序列分解图

多个时间序列

使用辅助Y轴来绘制不同范围的图形

带有误差带的时间序列

堆积面积图

未堆积的面积图

日历热力图

季节图

7.分组

树状图

簇状图

安德鲁斯曲线

平行坐标

# !pip install brewer2mplimport numpy as npimport pandas as pdimport matplotlib as mplimport matplotlib.pyplot as pltimport seaborn as snsimport warnings; warnings.filterwarnings(action='once')large = 22; med = 16; small = 12params = {'axes.titlesize': large, 'legend.fontsize': med, 'figure.figsize': (16, 10), 'axes.labelsize': med, 'axes.titlesize': med, 'xtick.labelsize': med, 'ytick.labelsize': med, 'figure.titlesize': large}plt.rcParams.update(params)plt.style.use('seaborn-whitegrid')sns.set_style("white")%matplotlib inline# Versionprint(mpl.__version__) #> 3.0.0print(sns.__version__) #> 0.9.0

相关性

相关图用于可视化两个或多个变量之间的关系。也就是说，一个变量相对于另一个变量如何变化。

1. 散点图

Scatteplot是用于研究两个变量之间关系的经典和基本图。如果数据中有多个组，则可能需要以不同颜色可视化每个组。在Matplotlib，你可以方便地使用。

# Import dataset midwest = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/midwest_filter.csv")# Prepare Data # Create as many colors as there are unique midwest['category']categories = np.unique(midwest['category'])colors = [plt.cm.tab10(i/float(len(categories)-1)) for i in range(len(categories))]# Draw Plot for Each Categoryplt.figure(figsize=(16, 10), dpi= 80, facecolor='w', edgecolor='k')for i, category in enumerate(categories): plt.scatter('area', 'poptotal',  data=midwest.loc[midwest.category==category, :],  s=20, c=colors[i], label=str(category))# Decorationsplt.gca().set(xlim=(0.0, 0.1), ylim=(0, 90000), xlabel='Area', ylabel='Population')plt.xticks(fontsize=12); plt.yticks(fontsize=12)plt.title("Scatterplot of Midwest Area vs Population