对比常用统计图
折线图：
特点：能够显示数据的变化趋势，反映事物的变化情况。（变化）
直方图：
特点：绘制连续性的数据，展示一组或者多组数据的分布情况（统计）
条形图：
特点：绘制离散的数据，能够一眼看出各个数据的大小，比较数据之间的差距（统计）
散点图：
特点：判断变量之间是否存在数量关联趋势，展示离群点（分布规律）
绘制散点图（plt.scatter）
假设通过爬虫你获取到了北京2016年3,10月份每天白天的最高气温(分别位于列表a,b),那么此时如何寻找出气温和随时间(天)变化的某种规律?a = [1,17,1611,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10.11,13,12,13,6]
数据来源: http://lishi.tianqi.com/ beijng/index.html
实现代码展示：
1 import matplotlib.pyplot as plt 2 3 4 plt.rc('font', family='SimHei', size=14) ##显示中文 5 a = [1,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23] 6 b = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10.11,13,12,13,6] 7 #3月份10月份的x范围 8 x_3 = range(1,len(a)+1) 9 x_10 = range(50,80) 10 #画布大小 还有清晰度 11 plt.figure(figsize=(20,8),dpi=80) 12 plt.scatter(x_3,a,label="3月") #加上别名标签以及散点图使用scatter方法实现 13 plt.scatter(x_10,b,label="10月")#加上别名标签 scatter 发散 散列的意思 14 #横坐标的显示刻度 15 _x = list(x_3) + list(x_10) 16 x_label = ["3月{}日".format(i) for i in range(1,32)] 17 x_label += ["10月{}日".format(n-50) for n in range(50,80)] 18 plt.xticks(_x[::3],x_label[::3],rotation=45) 19 #横纵坐标的显示标签 以及标题 20 plt.xlabel("日期") 21 plt.ylabel("最高气温(℃)") 22 plt.title("3月份与10月份白天气温分布图") 23 #根据个人需求是否保存plt.savefig("文件路径和名字") 24 #添加图例 25 plt.legend(loc="upper left") 26 27 #展示出来 28 plt.show()
（备注）散点图的更多应用场景
不同条件维度之间的内在关联
观察数据的离散聚合程度
绘制条形图（plt.bar，plt.barh）
假设你获取到了2017年内地电影票房前20的电影(列表a)和电影票房数据(列表b),那么如何更加直观的展示该数据?a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5:最后的骑土","摔跤吧！爸爸","加勒比海盗5:死无对证","金刚:骷髅岛","极限特工:终极回归",
"生化危机6:终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3:殊死-战","蜘蛛侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]
b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]
单位:亿 数据来源: http://58921.com/ alltimne/2017
实现代码展示：1 1 import matplotlib.pyplot as plt 2 2 3 3 plt.rc('font', family='SimHei', size=14) #显示中文 4 4 a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5:最后的骑土", 5 "摔跤吧！爸爸","加勒比海盗5:死无对证","金刚:骷髅岛","极限特工:终极回归","生化危机6:终章","乘风破浪","神偷奶爸3","智取威虎山", 6 "大闹天竺","金刚狼3:殊死-战","蜘蛛侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",] 7 5 8 6 b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23] 9 7 plt.figure(figsize=(20,8),dpi=100) 10 8 plt.grid(alpha=0.4) 11 9 _x = range(len(a)) 12 10 plt.xticks(_x,a,rotation=90) 13 11 14 12 plt.xlabel("电影的名字") 15 13 plt.ylabel("票房（单位：亿）") 16 14 plt.title("电影票房直观图（2017）") 17 15 18 16 #条形图展示 19 17 plt.bar(a,b,width=0.5,label="票房数量") 20 18 21 19 plt.legend(loc="upper right") 22 20 23 21 24 22 plt.show()
这样看起来是不是感觉总觉得怪怪的，那么接下来换一种思路展示：
将电影名字变成y轴 票房x轴 那么来试试看：
代码展示：
1 import matplotlib.pyplot as plt 2 3 plt.rc('font', family='SimHei', size=14) #显示中文 4 a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5:最后的骑土","摔跤吧！爸爸","加勒比海盗5:死无对证","金刚:骷髅岛","极限特工:终极回归","生化危机6:终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3:殊死-战","蜘蛛侠:英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",] 5 6 b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23] 7 plt.figure(figsize=(20,8),dpi=100) 8 plt.grid(alpha=0.4) 9 _x = range(len(a)) 10 plt.yticks(_x,a) 11 12 plt.ylabel("电影的名字") 13 plt.xlabel("票房（单位：亿）") 14 plt.title("电影票房直观图（2017）") 15 16 #条形图展示 17 plt.barh(a,b,height=0.5,label="票房数量")#注意 传入参数位置不变 但参数的width变成了height这是需要注意的 18 19 plt.legend(loc="upper right") 20 21 22 plt.show()
这样大家是不是更加清晰，一目了然知道谁的票房最高，票房在那个范围内。（如歌不喜欢这个颜色，可以自己改动）
注意 ：
传入参数位置不变 但参数的width变成了height这是需要注意的
在提醒一下 图例legend放位置需要传入loc=“upper left”等
问题：初级单条直方图会了，那么要描绘多条直方图怎么描绘？
绘制多条条形图
假设你知道了列表a中电影分别在2017-09-14(b_14), 2017-09-15(b_15),2017-09-16(b_16)三天的票房,为了展示列表中电影本身的票房以及同其他电影的数据对比情况,应该如何更加直观的呈现该数据?
a= ["猩球崛起3:终极之战","敦刻尔克","蜘蛛侠:英雄归来","战狼2"]b_16= [15746,312,4497,319]b_15 = [12357,156,2045,168]b_14 = [2358,399,2358,362]
数据来源: http:/ /www.cbooo.cn/ movieday1 import matplotlib.pyplot as plt 2 3 #显示中文 4 plt.rc('font', family='SimHei', size=14) 5 #数据 6 a= ["猩球崛起3:终极之战","敦刻尔克","蜘蛛侠:英雄归来","战狼2"] 7 b_16= [15746,312,4497,319] 8 b_15 = [12357,156,2045,168] 9 b_14 = [2358,399,2358,362] 10 #画布 11 plt.figure(figsize=(20,8),dpi=100) 12 #标题标签 坐标轴标签 13 plt.title("三天各电影的票房数据情况") 14 plt.xlabel("电影名") 15 plt.ylabel("票房：单位（万）") 16 #画图注意宽度的采取 注意图形重盖 17 x_width = 0.15 18 x_14 = range(len(b_14)) 19 x_15 = [i+x_width for i in x_14] 20 x_16 = [i+x_width for i in x_15] 21 #将电影名字还在三天的中间那条数据下面 这样更美观 22 plt.xticks(x_15,a) 23 #描绘出三天的数据 24 plt.bar(x_14,b_14,width=x_width,label="9月14号") 25 plt.bar(x_15,b_15,width=x_width,label="9月15号") 26 plt.bar(x_16,b_16,width=x_width,label="9月16号") 27 #图例位置 28 plt.legend(loc="upper right") 29 #展示在屏幕上 30 plt.show()
这样看起来是不是一目了然，直接知道每部电影在三天的票房情况，也可以预测以后的票房走势。
条形图的应用场景：（统计数量）
绘制直方图(hist())
- 假设你获取了250部电影的时长(列表a中),希望统计出这些电影时长的分布状态(比如时长为100分钟到120分钟电影的数量，出现的频率)等信息,你应该如何呈现这些数据?
a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110,116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126,130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115,132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107,143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111,100, 154,136,100,118, 119, 133, 134, 106, 129, 126, 110, 111,109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114,125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92, 121, 112, 146, 97, 137,105, 98, 117, 112, 81, 97,139, 113,134, 106, 144, 110,137, 137, 111,104, 117,100, 111,101, 110,105, 129, 137, 112, 120, 113,133, 112, 83, 94, 146,133, 101,131, 116,111,84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
直方图（频数直方图、频率直方图（参数加上normed=True or 1））
注意：直方图是对未进行统计的数据进行描绘
代码如下：
import matplotlib.pyplot as plt plt.rc("font",family="SimHei",size=14) a=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110,116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126,130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115,132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107,143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111,100, 154,136,100,118, 119, 133, 134, 106, 129, 126, 110, 111,109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114,125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92, 121, 112, 146, 97, 137,105, 98, 117, 112, 81, 97,139, 113,134, 106, 144, 110,137, 137, 111,104, 117,100, 111,101, 110,105, 129, 137, 112, 120, 113,133, 112, 83, 94, 146,133, 101,131, 116,111,84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150] """统计直方图需要的数据是未进行统计整理过的， 需要原生态的数据，然后求所得数据的组数(num_bins)=(max(a)-min(a))//d(d是组距) """ #计算数组 d = 3 """这个有问题 整除是整数就不会出现偏移 如果整除是小数，就会出现偏移""" num_bins = (max(a)-min(a))//d #设置图形大小 plt.figure(figsize=(20,8),dpi=80) #设置直方图 plt.hist(a,num_bins,)#normed=True 这个参数添加就变成了频率分布直方图 #设置x轴的刻度 """刻度的步调也就是相隔的长度一定要和组数相等 不然结果的图会出现偏移""" plt.xticks(list(range(min(a),max(a)+d)[::3])) plt.xlabel("电影时长") plt.ylabel("每组时长的个数") plt.title("250部电影时长统计直方图") plt.grid(alpha=0.3) plt.show()
那么问题来了
- 在美国2004年人口普查发现有124 million的人在离家相对较远的地方工作。根据他们从家到上班地点所需要的时间，通过抽样统计(最后-列)出了下表的数据，这些数据能够绘制成直方图么?
- interval = [0,5,10,15,20,25,30,35,40,45,60,90]
- width = [5,5,5,5,5,5,5,5,5,15,30,60]
- quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,57]
import matplotlib.pyplot as plt plt.rc("font",family="SimHei",size=14) interval = [0,5,10,15,20,25,30,35,40,45,60,90] width = [5,5,5,5,5,5,5,5,5,15,30,60] quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47] plt.figure(figsize=(20,8),dpi=100) #标题 坐标轴标签 plt.xlabel("花费的时间") plt.ylabel("每个时间段人数") plt.title("124百万美国人从家到上班花费的时间统计图") plt.bar(range(len(quantity)),quantity,width=1) #减去0.5才可以从开始标记 _x = [i-0.5 for i in range(len(quantity)+1)] #在加150目的是为了上面数据完整性 _x_label = interval+[150] #牢记第一个参数 是关于x的刻度 第二个参数与第一个参数一一对应替换第一个参数 plt.xticks(_x,_x_label) plt.show()
那些数据能够绘制直方图：
刚才绘制是统计过后的，为了达到目的效果，需要绘制条形图。
所以：一般来说使用plt.hist()方法是对那些还没有统计的数据也就是零散数据。
matplotlib常见问题总结
- 1、应该选择那种图形来呈现数据
- 2、matplotlib.pyplot.plot(x,y)
- 3、matplotlib.pyplot.bar(x,y)(barh)
- 4、plt.scatter(x,y)
- 5、plt.hist(data,num_bins,normed)
- 6、xticks和yticks的设置（刻度）
- 7、label和title、grid的设置（标签，标题，网格）
- 8、绘图大小和保存图片
matplotlib使用流程
- 1、明确问题
- 2、选择图形呈现方式
- 3、准备数据
- 4、绘图和图形完善
matplotlib更多的图形样式
- 官网：http://matplotlib.org/gallery/index.html
- 百度：echart(前端js图形)
- 更多绘图工具：plotly：可视化工具
- 用法简单，照着文档写即可
- 地址：htpps://plot.ly/python/