学习目标

  • 目标
    • 掌握常见统计图及其意义

Matplotlib能够绘制折线图、散点图、柱状图、直方图、饼图。
我们需要知道不同的统计图的意义，以此来决定选择哪种统计图来呈现我们的数据。

1 常见图形种类及意义

  • 折线图：以折线的上升或下降来表示统计数量的增减变化的统计图

特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)
api：plt.plot(x, y)
折线图意义.png

  • 散点图：用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。

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)
api：plt.scatter(x, y)
散点图意义.png

  • 柱状图：排列在工作表的列或行中的数据可以绘制到柱状图中。

特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)
api：plt.bar(x, width, align=’center’, **kwargs)

  1. Parameters:    
  2. x : 需要传递的数据
  4. width : 柱状图的宽度
  6. align : 每个柱状图的位置对齐方式
  7.     {‘center’, ‘edge’}, optional, default: ‘center’
  9. **kwargs :
  10. color:选择柱状图的颜色

柱状图意义.png

  • 直方图：由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围，纵轴表示分布情况。

特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)
api：matplotlib.pyplot.hist(x, bins=None)

  1. Parameters:    
  2. x : 需要传递的数据
  3. bins : 组距

直方图意义.png

  • 饼图：用于表示不同分类的占比情况，通过弧度大小来对比各种分类。

特点：分类数据的占比情况(占比)
api：plt.pie(x, labels=,autopct=,colors)

  1. Parameters:  
  2. x:数量，自动算百分比
  3. labels:每部分名称
  4. autopct:占比显示指定%1.2f%%
  5. colors:每部分颜色

饼图意义.png

2 散点图绘制

需求：探究房屋面积和房屋价格的关系
房屋面积数据：

  1. x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
  2.        163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
  3.         21.61, 483.21, 245.25, 399.25, 343.35]

房屋价格数据：

  1. y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
  2.        140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
  3.         30.74, 400.02, 205.35, 330.64, 283.45]

散点图绘制.png
代码：

  1. # 0.准备数据
  2. x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
  3.        163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
  4.         21.61, 483.21, 245.25, 399.25, 343.35]
  5. y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
  6.        140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
  7.         30.74, 400.02, 205.35, 330.64, 283.45]
  9. # 1.创建画布
  10. plt.figure(figsize=(20, 8), dpi=100)
  12. # 2.绘制散点图
  13. plt.scatter(x, y)
  15. # 3.显示图像
  16. plt.show()

3 柱状图绘制

需求-对比每部电影的票房收入电影票房收入对比.png
电影数据如下图所示：电影票房数据.png

  • 准备数据

    1. ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴', '降魔传','追捕','七十七天','密战','狂兽','其它']
    2. [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]

  • 绘制柱状图

代码：

  1. # 0.准备数据
  2. # 电影名字
  3. movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
  4. # 横坐标
  5. x = range(len(movie_name))
  6. # 票房数据
  7. y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]
  9. # 1.创建画布
  10. plt.figure(figsize=(20, 8), dpi=100)
  12. # 2.绘制柱状图
  13. plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g','b'])
  15. # 2.1b修改x轴的刻度显示
  16. plt.xticks(x, movie_name)
  18. # 2.2 添加网格显示
  19. plt.grid(linestyle="--", alpha=0.5)
  21. # 2.3 添加标题
  22. plt.title("电影票房收入对比")
  24. # 3.显示图像
  25. plt.show()

参考链接：
https://matplotlib.org/index.html

4 小结

  • 折线图【知道】
    • 能够显示数据的变化趋势，反映事物的变化情况。(变化)
    • plt.plot()
  • 散点图【知道】
    • 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)
    • plt.scatter()
  • 柱状图【知道】
    • 绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)
    • plt.bar(x, width, align=”center”)
  • 直方图【知道】
    • 绘制连续性的数据展示一组或者多组数据的分布状况(统计)
    • plt.hist(x, bins)
  • 饼图【知道】
    • 用于表示不同分类的占比情况，通过弧度大小来对比各种分类
    • plt.pie(x, labels, autopct, colors)