python频次统计图_各位大神,做数据分析,通常需要用哪些图表?

本文介绍了Python中用于数据分析的两种常见图表:散点图和频次直方图。通过实例展示了如何使用matplotlib库创建散点图,利用颜色、大小等多维度信息展示数据特性。此外,还讲解了频次直方图的绘制,包括如何自定义参数以个性化调整图表效果。最后,提到了误差线图的概念。
摘要由CSDN通过智能技术生成

我们介绍在数据分析中使用非常高频的几种图的形式。

首先说散点图,散点图和线形图最大的区别,顾名思义就是这种图形不再由线段进行连接,而是由一个一个独立的点、圆圈或者其他指定的形状构成:

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(0,10,100)

plt.scatter(x, np.sin(x), marker='o')

plt.grid()

plt.show()

使用plt.sactter相比plt.plot在创建散点图时的优势是具有更高的灵活性,他可以单独控制每一个散点的不同属性(颜色、大小等),这样就可以通过(坐标位置、颜色、大小)这些多维信息,来表征更多的数据特征,并进行更精细的控制。

我们来绘制这样一组散点图,每个点的位置坐标(x,y)是服从标准正态分布的随机值,点的颜色灰度值是位于(0,1)空间中的随机样本,点的大小是随机值得1000倍,单位是像素。这样通过位置、大小、颜色等多维信息,就能更丰富的表现出散点数据背后所蕴含的多重信息了。

import numpy as np

import matplotlib.pyplot as plt

rng = np.random.RandomState(0)

x = rng.randn(100)

y = rng.randn(100)

colors = rng.rand(100)

sizes = 1000 * rng.rand(100)

plt.scatter(x,y,c=c

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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