python数据图形_Python数据可视化：绘制各种图形

1.环境

系统：windows10

python版本：python3.6.1

使用的库：matplotlib，numpy

2.numpy库产生随机数几种方法

import numpy as np

numpy.random

rand(d0, d1, …, dn)

In [2]: x=np.random.rand(2,5)

In [3]: x

Out[3]:

array([[ 0.84286554,  0.50007593,  0.66500549,  0.97387807,  0.03993009],

[ 0.46391661,  0.50717355,  0.21527461,  0.92692517,  0.2567891 ]])

randn(d0, d1, …, dn)查询结果为标准正态分布

In [4]: x=np.random.randn(2,5)

In [5]: x

Out[5]:

array([[-0.77195196,  0.26651203, -0.35045793, -0.0210377 ,  0.89749635],

[-0.20229338,  1.44852833, -0.10858996, -1.65034606, -0.39793635]])

randint(low,high,size)

生成low到high之间(半开区间 [low, high))，size个数据

In [6]: x=np.random.randint(1,8,4)

In [7]: x

Out[7]: array([4, 4, 2, 7])

random_integers(low,high,size)

生成low到high之间(闭区间 [low, high))，size个数据

In [10]: x=np.random.random_integers(2,10,5)

In [11]: x

Out[11]: array([7, 4, 5, 4, 2])

3.散点图

x x轴 y y轴 s   圆点面积 c   颜色 marker  圆点形状 alpha   圆点透明度                #其他图也类似这种配置

N=50

#height=np.random.randint(150,180,20)

#weight=np.random.randint(80,150,20)

x=np.random.randn(N) y=np.random.randn(N) plt.scatter(x,y,s=50,c=’r’,marker=’o’,alpha=0.5) plt.show()

4.折线图

x=np.linspace(-10000,10000,100) #将-10到10等区间分成100份

y=x**2+x**3+x**7

plt.plot(x,y) plt.show()

折线图使用plot函数

5.条形图

N=5y=[20,10,30,25,15] y1=np.random.randint(10,50,5) x=np.random.randint(10,1000,N) index=np.arange(N) plt.bar(left=index,height=y,color=’red’,width=0.3) plt.bar(left=index+0.3,height=y1,color=’black’,width=0.3) plt.show()

orientation设置横向条形图

N=5y=[20,10,30,25,15] y1=np.random.randint(10,50,5) x=np.random.randint(10,1000,N) index=np.arange(N)# plt.bar(left=index,height=y,color=’red’,width=0.3)

# plt.bar(left=index+0.3,height=y1,color=’black’,width=0.3)#plt.barh()

# 加了h就是横向的条形图，

#不用设置orientationplt.bar(left=0,bottom=index,width=y,color=’red’,height=0.5,orientation=’horizontal’) plt.show()

6.直方图

m1=100 sigma=20 x=m1+sigma*np.random.randn(2000) plt.hist(x,bins=50,color=”green”,normed=True) plt.show()

# #双变量的直方图

# #颜色越深频率越高

# #研究双变量的联合分布

#双变量的直方图

#颜色越深频率越高

#研究双变量的联合分布

x=np.random.rand(1000)+2

y=np.random.rand(1000)+3

plt.hist2d(x,y,bins=40)

plt.show()

7.饼状图

#设置x,y轴比例为1：1，从而达到一个正的圆

#labels标签参数,x是对应的数据列表,autopct显示每一个区域占的比例,explode突出显示某一块,shadow阴影

labes=[‘A’,’B’,’C’,’D’]

fracs=[15,30,45,10] explode=[0,0.1,0.05,0]#设置x,y轴比例为1：1，从而达到一个正的圆

plt.axes(aspect=1)#labels标签参数,x是对应的数据列表,autopct显示每一个区域占的比例,explode突出显示某一块,shadow阴影

plt.pie(x=fracs,labels=labes,autopct=”%.0f%%”,explode=explode,shadow=True)

plt.show()

8.箱型图

import matplotlib.pyplot as plt

import numpy as np

data=np.random.normal(loc=0,scale=1,size=1000)

#sym 点的形状，whis虚线的长度

plt.boxplot(data,sym=”o”,whis=1.5)

plt.show()