python偏差图

1、 导入库

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

2、 偏差图–hlines的应用

样式一：

对整张表进行排序，这样才能保证数据和标签一一对应：data.sort_values("车辆重量",inplace=True)
索引被打乱，索引重置：data.reset_index(drop=True,inplace=True)

plt.figure(figsize=(8,4))
data = pd.read_table(r'F:\Pycharmworkspace\data\汽车',sep=' ')

# 对整张表进行排序，这样才能保证数据和标签一一对应，inplace=false时只对车辆重量排序
data.sort_values("车辆重量",inplace=True)
# 索引重置:drop=true表示不再增加新的列来单独存放索引，inplace=True表示在原数据集上更改
data.reset_index(drop=True,inplace=True)

z = data.iloc[:,3]

plt.hlines(y=data.iloc[:,-1].values, xmin=0, xmax=z  #x从xmin到xmax
          ,linewidth=5  #线的宽度
          ,color=color  #颜色
          ,alpha=0.5  #色彩饱和度
          );  

样式二：

使数据标准化（服从正态分布）： 	(x-x.mean())/x.std()	

plt.figure(figsize=(8,4))
data = pd.read_table(r'F:\Pycharmworkspace\data\汽车',sep=' ')

# 对整张表进行排序，这样才能保证数据和标签一一对应，inplace=false时只对车辆重量排序
data.sort_values("车辆重量",inplace=True)

# 索引重置:drop=true表示不再增加新的列来单独存放索引，inplace=True表示在原数据集上更改
data.reset_index(drop=True,inplace=True)

x = data.iloc[:,3]

x=(x-x.mean())/x.std()		#数据标准化,均值为0，方差为1

# 列表推导式
color = ['green' if i>0 else 'red' for i in x[:]]

plt.hlines(y=data.iloc[:,-1].values, xmin=0, xmax=x  #x从xmin到xmax
          ,linewidth=5  #线的宽度
          ,color=color  #颜色
          ,alpha=0.5  #色彩饱和度
          );  

3、 偏差图–样式

1、 $$表示斜体
2、 在yticks中设置列索引及其列名称：plt.yticks(data.iloc[:,-1],df,fontsize=12) 
3、 在grid中设置图像网格线：plt.grid(linestyle='--',alpha=0.5);

# 重新设置列名
df=['A','B','C','D','E','F','G','H','I','J','K','L','M','N','O','P','Q']
plt.xlabel('$height$',fontsize=15)
plt.ylabel('$carname$',fontsize=15)  #$$表示斜体
plt.yticks(data.iloc[:,-1],df,fontsize=12)  #重新设置y轴名称及刻度
plt.title('车辆型号与车重',fontdict={'size':20})  #fontdict 字典形式的参数，可以放入size、color等
plt.grid(linestyle='--',alpha=0.5);  #配置网格线