第五章. 可视化数据分析图表—常用图表的绘制2—直方图，饼形图

已于 2022-12-13 22:34:58 修改
阅读量927 收藏 7
点赞数
分类专栏： Python数据分析从入门到实践--明日科技 文章标签： 数据分析 python matplotlib
于 2022-12-05 15:24:39 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45116749/article/details/128182217
版权

第五章. 可视化数据分析图

5.3 常用图表的绘制2—直方图，饼形图

本节主要介绍常用图表的绘制，主要包括直方图，饼形图。

1.直方图（matplotlib.pyplot.hist）

直方图，又称质量分布图，一般用横轴表示数据类型，纵轴表示分布情况。直方图是数值数据分布的精确图形表示，是一个连续变量（定量变量）的概率分布估计。

1).语法：

matplotlib.pyplot.hist(x,bins=None,range=None,density=False,bottom=None,histtype='bar',align='mid',log=False, color=None,label=None,stacked=False,normed=None)

参数说明:
x：数据集，最终的直方图将对数据集进行统计
bins：统计数据间区分布情况
range：元组类型，显示的区间
density：是否显示频率统计结果，默认None，True：显示频率统计结果=区间数目/(总数*区间宽度)
histtype：可选参数：bar(默认值),barstacked,step( 使用梯形),stepfilled(对梯形内部进行填充)
align：控制柱状图的水平分布，可选参数：mid(默认值)，left，right
log：y坐标轴是否选择指数刻度
stacked：是否为堆积状图

2).示例：

import pandas as pd
import matplotlib.pyplot as plt

pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_excel('F:\\Note\\清单.xlsx', sheet_name='Sheet4')
print(df)

# 设置画布
fig = plt.figure(figsize=(6, 4), facecolor='y')

plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决中文乱码
plt.rcParams['axes.unicode_minus'] = False  # 解决负号不显示的问题

# X,Y轴刻度线的显示方向
plt.rcParams['xtick.direction'] = 'in'
plt.rcParams['ytick.direction'] = 'in'

# 画直方图
plt.hist(df['语文'], bins=range(0, 150, 25), facecolor='c', edgecolor='black', alpha=0.7)  # alpha:透明度

# 设置网格线
plt.grid(color='0.5', linestyle='--', linewidth=1)

# 设置x，y轴坐标
plt.xlabel('分数')
plt.ylabel('学生数量')

# 设置坐标轴刻度
plt.xticks(range(0, 150, 25))

# 设置标题和图例
plt.title('成绩统计表')

# 设置图标图例
plt.legend(['语文'],
           loc='upper right')  # 手动添加图例时，有时文本会显示不全，在文本后面加一个逗号(,)可解决，例如('图书采购价目',)

# 调整图表与画布边缘间距
plt.subplots_adjust(left=0.15, bottom=0.15, right=0.9, top=0.9)

# 坐标轴的刻度线向内显示还是向外显示
plt.tick_params(left=True, bottom=True, right=False, top=False)

# 显示图像
plt.show()

清单.xlsx表格中的数据
在这里插入图片描述

结果展示:
在这里插入图片描述

2.饼形图（matplotlib.pyplot.pie）

饼形图常用来显示各个部分在整体中所占的比例。

1).语法：

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, hold=None, data=None)

参数说明:
x：每一块饼形图的比例，如果sum(x)>1,会使用sum(x)进行归一化
explode：每一块饼形图离中心的距离
labels：每一块饼形图外侧显示的说明文字
colors：每个冰块的颜色。类数组结构。颜色会循环使用。默认值为None，使用当前色彩循环。
autopct：设置饼图百分比，可以使用格式化字符串或format函数，如‘%.2f’：保留小数点后两位
pctdistance：指定百分比的位置刻度，默认为0.6
shadow：饼图下是否有阴影。布尔值。默认值为False。
labeldistance：标记的绘制位置，相当于，相对于radius的比例，默认值：1.1，<1：绘制在饼图的内侧
startangle：饼块起始角度。浮点数。默认值为0，即从x轴开始。角度逆时针旋转。
radius：饼图半径。浮点数。默认值为1.
counterclock：角度是否逆时针旋转。布尔值。默认值为True。
wedgeprops：饼块属性，字典类型，字典传递给wedge对象用来画一个饼图，例如wedgeprops={‘linewidth’: 2}，设置线宽为2
textprops：设置标签和比例文字的格式，字典类型
center：饼图中心坐标。(float,float)浮点数二元组。默认值为(0,0)。
frame：是否绘制子图边框。布尔值。默认为False。
rotatelabels：True：旋转到每个标签到指定的角度，默认为False。

2).示例：

清单.xlsx表格中的数据
在这里插入图片描述

  • 示例1：基础饼形图
import pandas as pd
import matplotlib.pyplot as plt

pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_excel('F:\\Note\\清单.xlsx', sheet_name='Sheet1')
print(df)

# 设置画布
fig = plt.figure(figsize=(6, 4), facecolor='white')

plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决中文乱码
plt.rcParams['axes.unicode_minus'] = False  # 解决负号不显示的问题

labels = ['VDA听者文摘', '疯狂英语900句', '小狗钱钱', '汤姆·索亚历险记', '母亲']
# 基础饼形图
plt.pie(df['销量占比'], labels=df['收货地址(省)'], labeldistance=1.1, autopct='%.2f%%', startangle=90, radius=0.8,
        center=(0, 0), textprops={'fontsize': 9, 'color': 'k'}, pctdistance=0.6)

# 设置标题和图例
plt.title('销量')

结果展示:
在这里插入图片描述

  • 示例2：分裂饼形图
import pandas as pd
import matplotlib.pyplot as plt

pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_excel('F:\\Note\\清单.xlsx', sheet_name='Sheet1')
print(df)

# 设置画布
fig = plt.figure(figsize=(6, 4), facecolor='white')

plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决中文乱码
plt.rcParams['axes.unicode_minus'] = False  # 解决负号不显示的问题

labels = ['VDA听者文摘', '疯狂英语900句', '小狗钱钱', '汤姆·索亚历险记', '母亲']


# 分裂饼形图
explode = [0, 0, 0, 0, 0.1]
plt.pie(df['销量占比'], labels=df['收货地址(省)'], explode=explode, labeldistance=1.1, autopct='%.2f%%', startangle=90,
        radius=0.8, center=(0, 0), textprops={'fontsize': 9, 'color': 'k'}, pctdistance=0.6)

# 设置标题和图例
plt.title('销量')

结果展示:
在这里插入图片描述

  • 示例3：立体感带阴影的饼形图
import pandas as pd
import matplotlib.pyplot as plt

pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_excel('F:\\Note\\清单.xlsx', sheet_name='Sheet1')
print(df)

# 设置画布
fig = plt.figure(figsize=(6, 4), facecolor='white')

plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决中文乱码
plt.rcParams['axes.unicode_minus'] = False  # 解决负号不显示的问题

labels = ['VDA听者文摘', '疯狂英语900句', '小狗钱钱', '汤姆·索亚历险记', '母亲']

# 立体感带阴影的饼形图
explode = [0, 0, 0, 0, 0.1]
plt.pie(df['销量占比'], labels=df['收货地址(省)'], explode=explode, labeldistance=1.1, autopct='%.2f%%', startangle=90,shadow=True,
        radius=0.8, center=(0, 0), textprops={'fontsize': 9, 'color': 'k'}, pctdistance=0.6)

# 设置标题和图例
plt.title('销量')

结果展示:
在这里插入图片描述

  • 示例4：环形图
import pandas as pd
import matplotlib.pyplot as plt

pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_excel('F:\\Note\\清单.xlsx', sheet_name='Sheet1')
print(df)

# 设置画布
fig = plt.figure(figsize=(6, 4), facecolor='white')

plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决中文乱码
plt.rcParams['axes.unicode_minus'] = False  # 解决负号不显示的问题

labels = ['VDA听者文摘', '疯狂英语900句', '小狗钱钱', '汤姆·索亚历险记', '母亲']

# 环形图
plt.pie(df['销量占比'], labels=df['收货地址(省)'], labeldistance=1.1, autopct='%.2f%%', startangle=90,
        shadow=True,radius=0.8, wedgeprops={'width':0.2}, center=(0, 0), textprops={'fontsize': 9, 'color': 'k'}, pctdistance=0.6)

# 设置标题和图例
plt.title('销量')

结果展示:
在这里插入图片描述

  • 示例5：内嵌环形图
    绘制内嵌环形注意事项
    • 连续两次使用pie函数
    • 通过wedgeprops参数设置环形边界
    • 通过radius参数设置不同的半径

代码:

import pandas as pd
import matplotlib.pyplot as plt

pd.set_option('display.unicode.east_asian_width', True)
df = pd.read_excel('F:\\Note\\清单.xlsx', sheet_name='Sheet1')
print(df)

# 设置画布
fig = plt.figure(figsize=(6, 4), facecolor='white')

plt.rcParams['font.sans-serif'] = ['SimHei']  # 解决中文乱码
plt.rcParams['axes.unicode_minus'] = False  # 解决负号不显示的问题

labels = ['VDA听者文摘', '疯狂英语900句', '小狗钱钱', '汤姆·索亚历险记', '母亲']

# 内嵌环形图
# 内环
plt.pie(df['折扣率'],  labeldistance=1.1, autopct='%.2f%%', startangle=90,
        shadow=True, radius=0.6, wedgeprops={'width': 0.2}, center=(0, 0), textprops={'fontsize': 9, 'color': 'k'},
        pctdistance=0.6)

# 外环
plt.pie(df['销量占比'],labeldistance=1.1, autopct='%.2f%%', startangle=90,
        shadow=True, radius=0.8, wedgeprops={'width': 0.2}, center=(0, 0), textprops={'fontsize': 9, 'color': 'k'},
        pctdistance=0.8)

# 设置标题和图例
plt.title('销量')

# 设置图标图例
plt.legend(df['收货地址(省)'], title='省份',
           loc='upper right', frameon=False, bbox_to_anchor=(1.3, 1.1))  # 手动添加图例时，有时文本会显示不全，在文本后面加一个逗号(,)可解决，例如('图书采购价目',)

结果展示:
在这里插入图片描述

注意:代码中所涉及到的函数和参数,在图表的常用设置1 和 图表的常用设置2 有所介绍

归途^ω^
关注
  • 0
    点赞
  • 踩
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python数据可视化：Matplotlib、Seaborn、Plotly直方图绘制
qq_63087013的博客
01-27 1959
Matplotlib、Seaborn、Plotly是Python中三强数据可视化工具，各具特色。本文介绍它们在直方图绘制中的应用，帮助读者更好选择工具。Matplotlib灵活，Seaborn美观简化，Plotly交互性强。通过示例学习，读者可更自信应用这些工具，为数据提供生动形式，更好传达信息。希望本文指导读者在Python数据可视化中取得成功。
数据挖掘笔记之数据可视化（直方图）
qq_32733847的博客
07-28 2003
直方图 matplotlib plt.hist(x,bins,range,normed,weight,cumulative,bottom,histtype,align, orientation,rwidth,log,color,label,stacked) bins：条形个数 range：上下边界 normed：频数转为频率 cumulative：计数累计 bottom：基准线 histty...
数据可视化 第5章
chen_227的博客
06-28 274
第5章 添加图表视图 我们使用QChartView来把数据图表化 1.追加chart_widget.py，窗口左侧显示表格数据，右侧准备显示图表 from PySide2.QtGui import QPainter from PySide2.QtWidgets import (QWidget, QHeaderView, QHBoxLayout, QTableView, QSizePolicy) from PySide2.QtCharts import QtCharts from table_model i
【数据可视化】第五章—— 基于PyEcharts的数据可视化
无邪的博客
12-08 8348
pyecharts是一个用于生成 Echarts 图表的类库，是一款将Python与Echarts相结合的强大的数据可视化工具，使用pyecharts可以让开发者轻松的实现大数据的可视化。官网 https://pyecharts.org/#/zh-cn/introPyecharts是一个用于生成Echarts图表的库。代码相对简洁，可以生成Echarts风格的图表。◾丰富的可视化类型。
常用4种基础统计图表——饼图、条形图、直方图、折线图
weixin_37538370的博客
05-18 1万+
饼图（扇形图） 适用情况：对多组数据的基本比例进行比较，且每组差别较大时。展示的往往是类别型数据。 图表含义：每个扇形块表示每组频数，整个圆表示多组数据的频数总和。扇形占圆的百分比表示该组占总体的百分比。 频数：特定组统计对象的数目。 条形图 适用情况：需要精准体现多组数据的频数时，也可以进行一定程度的比较。展示的往往是类别型数据。 图表含义：每个长方形表示一个特定的类，长方形的宽都相等，长方形的长表示对应的数值，越长数值越大。 条形图根据方向不同可分为垂直条形图和水平条形图。 垂直条形图 横轴表示类，纵轴
直方图可视化
热门推荐
stybill的博客
03-23 4万+
Excel数据分析与图表可视化ppt课件.ppt
11-13
Excel 数据分析与图表可视化ppt课件 Excel 数据分析与图表可视化是 Excel 中的一种功能强大且实用功能，它可以帮助用户快速地对数据进行分析和可视化，得到有价值的结论和结果。下面将对 Excel 数据分析与图表可视...
30套Axure专业级数据可视化元件库（图表 / 地图 / 素材等）
07-06
全能的数据可视化元件库 支持 20+ 种图表 支持 80 多项个性化配置 支持 ECharts 1000+ 图表 支持 Highcharts 100+ 图表 超丰富：覆盖上千种图表、地图和可视化元件 超方便：跟 PPT 一样修改数据和样式，持 80+ ...
Excel数据分析与图表可视化ppt课件.pptx
11-15
Excel 数据分析与图表可视化 数据分析是指对数据进行收集、整理、分析和解释，以便从中提取有价值的信息和规律。Excel 是一种功能强大且广泛使用的电子表格软件，提供了多种数据分析和图表可视化功能。本资源主要...
数据可视化-Matplotlib绘制直方图
最新发布
04-22
5. 显示图表：最后，使用`plt.show()`显示直方图。 ```python plt.show() ``` 以上就是使用Matplotlib绘制基本直方图的流程。然而，直方图的样式和功能可以进行更深入的定制，例如改变颜色、添加图例、改变刻度、...
饼形图 折线图ppt商务数据图表.rar
09-07
饼形图和折线图是数据可视化中常用的两种图表类型，尤其在商务数据分析和报告中极为常见。这两种图表能够有效地帮助我们理解复杂的数据，并通过视觉表现来传达关键信息。 饼形图是一种展示部分与整体之间关系的图形...
python数据可视化学习1-画直方图
backer
09-24 1187
import numpy as np import matplotlib.pyplot as plt index = np.arange(4) sales_BJ =[52,55,63,53] sales_SH = [44,66,55,41] bar_width=0.3 plt.bar(index,sales_BJ,bar_width,color='b') //plt.bar(index+bar_...
直方图 帕累托图_【Excel数据可视化】-如何玩转直方图
weixin_39548438的博客
11-21 348
前面我们已经介绍了很多在数据可视化里面常用的图表，包括柱状图、线状图、面积图、饼图和散点图，这些图有的是用来展示发展变化趋势的，有的是用来展示占比的，还有的是用来做相关性分析的，不管他们的作用是什么，都还仅停留在对数据的简单呈现上，而我们今天要看的这种图表-直方图，则是对整个数据集的统计信息的呈现。当数据传递过来时，它会对数据进行分类，按类计算数据出现的频次，再以类别和频次为基准生成柱状图，这样生...
analysis专栏 02.数据可视化模块 07.绘制直方图
Web Python
04-02 195
# 07.绘制直方图 [toc]{type: "ol", level: [3,4,5]} ### 柱状图与直方图 - 柱状图 > 关注**具体的某个值**{style="color:goldenrod"} - 直方图 > 关注**数据分布状态**{style="color:green"} ### 直方图 #### 默认直方图 ```python import matplotlib.pyplot as plt import numpy as np # 频次直方图，均匀分布 # 正态分...
【Pandas数据处理100例】（五十一）：Pandas利用plot.hist()绘制DataFrame数据的直方图
CSDN 精品推荐
11-29 958
大家好，我是阿光。本专栏整理了《Pandas数据分析处理》，内包含了各种常见的数据处理，以及Pandas内置函数的使用方法，帮助我们快速便捷的处理表格数据。正在更新中~ ✨。
matplotlib(直方图，条形图，饼图，散点图)基础知识
Alicia_N的博客
06-25 1459
hist() bar() scatter() plot()
数据科学之数据可视化----Seaborn可视化绘制直方图
ppcxl的博客
02-16 527
使用seaborn绘制直方图
Python--Matplotlib库与数据可视化②--常见图形的绘制(柱状图，直方图，饼图，箱线图)
侯小啾技术博客
04-19 3110
1.柱状图(Bar charts) 柱状图主要用于表示定性数据的频数分布，能够直观地展现变量的分布情况。一般情况下，柱状图的X轴表示定性变量的各个取值，Y轴则表示各个取值的频数。 绘制柱状图前，可以先简要分析一下数据的最大值，最小值，中位数，平均数等信息，这些信息可以通过调用describe()函数获得。 Series1.describe() pyplot包中的bar()函数可以用于绘制柱状图： a = [0, 0, 0] for i in Close: if (i>2)&(i&l
Python实战：绘制直方图的示例代码，数据可视化获取样本分布特征
2301_80239908的博客
11-11 2773
对于大量样本来说，如果想快速获知其分布特征，最方便的可视化方案就是直方图，即统计落入不同区间中的样本个数。
matlab指数直方图的公式
06-01
Matlab中指数直方图的计算公式如下： 1. 对原始数据进行指数运算，将其转化为指数分布数据 exp_data = exp(raw_data); 2. 计算指数分布数据的直方图 [counts, centers] = hist(exp_data, num_bins); 3. 对直方图数据进行归一化处理 bin_width = centers(2) - centers(1); pdf = counts ./ (sum(counts) * bin_width); 其中，raw_data是原始数据，num_bins是直方图的箱数，counts是每个箱子中的数据数量，centers是每个箱子的中心位置，pdf是指数分布数据的概率密度。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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