1500字范文 > Matplotlib散点图条形图直方图-02

Matplotlib散点图条形图直方图-02

时间：2023-08-21 20:07:19

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: / 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: / alltimne/

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（）")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（）")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-09-14(b_14), -09-15(b_15),-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:/ // movieday

1 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 = 0.1518 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 pltplt.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 pltplt.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。

直方图的更多应用场景：用户的年龄分布状态一段时间内用户点击次数的分布状态用户活跃时间分布状态（一天）

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