亲宝软件园·资讯

展开

Python matplotlib 模块

盆友圈的小可爱 人气:0

复习回顾:

经过前面对 matplotlib 模块从底层架构、基本绘制步骤等学习,我们已经学习了折线图、柱状图的绘制方法。

matplotlib 模块基础:对matplotlib 模块常用方法进行学习

matplotlib 模块底层原理:学习matplotlib 模块脚本层、美工层及后端层

matplotlib 绘制折线图:总结折线图相关属性和方法

matplotlib 绘制柱状图:总结柱状图相关属性和方法

在分析数据的时候,我们会根据数据的特点来选择对应图表来展示,需要表示质量这一概念,需要用直方图。

1. 直方图概述

1.1什么是直方图?

1.2直方图使用场景

1.3直方图绘制步骤

1.4案例展示

本次案例我们来分析公司员工的身高分布情况

案例数据准备,使用numpy随机生成200个升高数据

import numpy as np

x_value = np.random.randint(140,180,200)

绘制直方图:

import matplotlib.pyplot as plt

plt.hist(x_value,bins=10)

plt.title("data analyze")
plt.xlabel("height")
plt.ylabel("rate")

plt.show()

2. 直方图属性

2.1设置颜色

颜色选择值:

2.2设置长条形数目

2.3设置透明度

2.4设置样式

属性值 说明
'bar' 柱状形数据并排,默认值
'barstacked' 柱状形数据重叠并排
'step' 柱状形颜色不填充
'stepfilled' 填充的线性

我们对第一节直方图添加柱状形不填充,边框颜色为红色

plt.hist(x_value,bins=10,edgecolor="r",histtype="step")


边框设置为红色,透明度为0.5

plt.hist(x_value,bins=10,edgecolor="r",histtype="bar",alpha=0.5)


3. 添加折线直方图

在直方图中,我们也可以加一个折线图,辅助我们查看数据变化情况

fig,ax = plt.subplots()

n,bins_num,pat = ax.hist(x_value,bins=10,alpha=0.75)

ax.plot(bins_num[:10],n,marker = 'o',color="yellowgreen",linestyle="--")

4. 堆叠直方图

我们有时候会对吧同样数据范围情况下,对比两组不同对象群体收集的数据差异

准备两组数据:

import numpy as np

x_value = np.random.randint(140,180,200)
x2_value = np.random.randint(140,180,200)
plt.hist([x_value,x2_value],bins=10,stacked=True)


5. 不等距直方图

我们上述绘制的直方图都是等距的,我们可以指定一组数据传入bins属性

bin_num = [140,155,160,170,175,180]
plt.hist([x_value,x2_value],bins=bin_num,alpha=0.75,stacked=True)


6. 多类直方图

我们在使用直方图查查看数据的频率时,有时候会查看多种类型数据出现的频率。

这时候我们可以以列表的形式传入多种数据给hist()方法的x数据

x_value = [np.random.randint(140,180,i) for i in [100,200,300]]

plt.hist(x_value,bins=10,edgecolor="r",histtype="bar",alpha=0.5,label=["A公司","B公司","C公司"])

总结:
我们对matplotlib模块中详细学习绘制各种直方图标相关属性和方法。在需要查看数据分布频率时,我们可以使用hist()方法绘制直方图,同时也可以添加折线来辅助查看

加载全部内容

相关教程
猜你喜欢
用户评论