散点图绘制+纵向条形图+横向条形图+多组条形图绘制+直方图（原始数据和非原始数据的处理）
2024-04-26 03:21:08
目录
一、散点图
1、代码实现
1、代码实现
（1）纵向条形图
（2）横向条形图
2、应用场景
三、直方图
1、代码实现
（1）原始数据处理
（2）经过处理的数据——需要通过条形图来实现
2、应用场景
一、散点图
1、代码实现
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 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
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]
重点：设置了x_3和x_10，是为了将两组数据区分开来
#在同一个图像里表示出3月和10月的气温变化散点图from matplotlib import pyplot as plt
from matplotlib import font_managermy_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\HGXC_CNKI.TTF")y_3 = [11, 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]
y_10 = [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]x_3 = range(1, 32)
x_10 = range(51, 82)plt.figure(figsize=(20, 8), dpi=80)
plt.scatter(x_3, y_3, label="3月气温变化")
plt.scatter(x_10, y_10, label="10月气温变化")#设置坐标轴刻度
_x = list(x_3) + list(x_10)
_xtick_labels = ["3月{}日".format(i) for i in x_3]
_xtick_labels += ["10月{}日".format(i-50) for i in x_10]plt.xticks(_x[::3], _xtick_labels[::3], rotation=45, fontproperties=my_font)
plt.xlabel("时间", fontproperties=my_font)
plt.ylabel("气温 单位（摄氏度）", fontproperties=my_font)
plt.legend(prop=my_font, loc="upper left")plt.show()
2、应用场景 •不同条件(维度)之间的内在关联关系 •观察数据的离散聚合程度
二、条形图
1、代码实现
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?
（1）纵向条形图
from matplotlib import pyplot as plt
from matplotlib import font_managermy_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\STZHONGS.TTF")a = ["战狼2", "速度与激情8", "功夫瑜伽", "西游伏妖篇", "变形金刚5：最后的骑士", "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：殊死一战", "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]plt.bar(range(len(a)), b)#设置横坐标
plt.xticks(range(len(a)), a, fontproperties=my_font, rotation=90)plt.show()#由于x轴的刻度标注特别长，横向直方图更好看一点
（2）横向条形图
注意，在横向条形图里，barh（）函数的第一个参数是纵坐标，第二个参数是横坐标，其实就是bar（）函数里的x坐标和y坐标，顺序不需要调整，但是bar的第三个参数是width，对应到barh函数的height
'''
from matplotlib import pyplot as plt
from matplotlib import font_managermy_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\STZHONGS.TTF")a = ["战狼2", "速度与激情8", "功夫瑜伽", "西游伏妖篇", "变形金刚5：最后的骑士", "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：殊死一战", "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]plt.barh(range(len(a)), b, width=0.3)#设置横坐标
plt.yticks(range(len(a)), a, fontproperties=my_font)
plt.xlabel("票房", fontproperties=my_font)
plt.ylabel("电影名称", fontproperties=my_font)plt.show()Traceback (most recent call last):File "D:/developer_tools/python/机器学习库/横向直方图.py", line 16, in <module>plt.barh(range(len(a)), b, width=0.3)
TypeError: barh() got multiple values for argument 'width'出现这个问题之后可以找一下barh源码
def barh(y, width, height=0.8, left=None, *, align='center', **kwargs):return gca().barh(y, width, height=height, left=left, align=align, **kwargs)前两个是y轴和x轴的坐标，第三个是直方图的线条粗细
'''from matplotlib import pyplot as plt
from matplotlib import font_managermy_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\STZHONGS.TTF")a = ["战狼2", "速度与激情8", "功夫瑜伽", "西游伏妖篇", "变形金刚5：最后的骑士", "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：殊死一战", "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]plt.figure(figsize=(20, 8), dpi=80)
plt.barh(range(len(a)), b, height=0.3, color="#87CEEB")#设置横坐标
plt.yticks(range(len(a)), a, fontproperties=my_font)
plt.xlabel("票房", fontproperties=my_font)
plt.ylabel("电影名称", fontproperties=my_font)plt.grid(alpha=0.4)
plt.show()
（3）多种类条形图
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\STZHONGS.TTF")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]bar_width = 0.2 #在直方图里面，快度最好是0.1或者0.2，0.4就会重叠了
x_14 = list(range(len(a)))
x_15 = [i+0.2 for i in x_14]
x_16 = [i+0.2*2 for i in x_14]#设置图形大小
plt.figure(figsize=(20, 8), dpi=80)plt.bar(range(len(a)), b_14, width=bar_width)
plt.bar(x_15, b_15, width=bar_width)
plt.bar(x_16, b_16, width=bar_width)#设置x轴的刻度
plt.xticks(x_15, a, fontproperties=my_font) #因为x_15在中间，所以用x_15来更中文字符串对应plt.show()
2、应用场景
• 数量统计
• 频率统计 ( 市场饱和度 )
三、直方图
1、代码实现
（1）原始数据处理
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?
注意：直方图中的hist函数第一个参数需要传入原始数据，没有经过处理的原始数据！
from matplotlib import pyplot as plt
from matplotlib import font_managermy_font = font_manager.FontProperties(fname=r"C:\Windows\Fonts\STZHONGS.TTF")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]#设置合适的组距
#print(max(a), min(a), max(a)-min(a))
#156 78 78 那么接下来要设置一个把78整除的数值，由于电影时长分布也比较密集，当我们相看处主要时长时，组距可以设置紧密一点，例如d=3
#如果组数不能整除最大值和最小值的差，方格图的间距就不能很好得与图形间距相对应
d = 3
num_bins = (max(a) - min(a))//3 #这里必须是取模，不然会报错
print(num_bins)#绘制直方图时，需要用到hist函数，需要传入被分析的数据和组数
plt.figure(figsize=(20, 10), dpi=80)
plt.hist(a, num_bins, density=1)
#如果希望纵坐标表示的频率，则需要加density=True或者是density=1
plt.xticks(range(min(a), max(a)+d, d))plt.grid(alpha=0.4)plt.show()
（2）经过处理的数据——需要通过条形图来实现
#通常情况下，我们绘制直线图的时候，需要的是原始数据，而非进行过统计分析的数据，如果是非原始的数据，只能通过折线图来绘制直方图
from matplotlib import pyplot as plt
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, 10), dpi=80)plt.bar(range(12), quantity, width=1)
#默认的width=0.8 绘制出来的图像有空隙，为了补足空隙，我们将快宽度加宽#设置x轴刻度，需要右移0.5，左加右减
_x = [i-0.5 for i in range(12)]
_xtick_label = interval
plt.xticks(_x, interval)
plt.grid(alpha=0.4)
plt.show()
2、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
• 用户活跃时间的分布状态
散点图绘制+纵向条形图+横向条形图+多组条形图绘制+直方图（原始数据和非原始数据的处理）相关推荐
- python横向柱状图-python绘制横向水平柱状条形图Bar
python绘制横向水平柱状条形图Bar import matplotlib import random import matplotlib.pyplot as plt # 中文乱码和坐标轴负号处理. ...
- python如何绘制条形图_python Matplotlib 系列教程(三)——绘制直方图和条形图
在本章节我们将学习如何绘制条形图和直方图 条形图与直方图的区别: 首先,条形图是用条形的长度表示各类别频数的多少,其宽度(表示类别)则是固定的: 直方图是用面积表示各组频数的多少,矩形的高度表示每一组 ...
- Matlab纵向比和横向比,宽度是横向还是纵向-纵向比和横向比-纵向是横向还是竖向...
仅靠文字,西湖说不清楚. 还是上图吧. 如下图所示: 其中的x为横向宽度.y为纵向深度. 多层横向全宽挖掘法为什幺要留施工便道 施工便道是用于将来基础施工时方便机械设备,人员进入场地的.如果没有便道将 ...
- flinto动效软件基础-【1】 轻松在flinto里实现纵向和横向滑动效果
效果如图: 文件准备: 在sketch里把一个页面分头部.内容区(分纵向和横向两块).底部标签栏四个部分.分别放置在画板中.如图: 1. 打开 ...
- seaborn可视化条形图并按照升序排序条形图进行可视化：Sort Bars in Barplot in Ascending Order in Python
seaborn可视化条形图并按照升序排序条形图进行可视化:Sort Bars in Barplot in Ascending Order in Python 目录
- R语言使用ggplot2可视化堆叠条形图，并在堆叠条形图上显示数据值实战
R语言使用ggplot2可视化堆叠条形图,并在堆叠条形图上显示数据值实战 目录 R语言使用gg
- mysql 横向排列,mysql横向转纵向、纵向转横向排列的方法
初始化数据 DROP TABLE IF EXISTS `test_01`; CREATE TABLE `test_01` ( `id` int(0) NOT NULL, `user` varchar( ...
- php数组竖转横,数组纵向转横向怎么实现
数组纵向转横向如何实现啊 array( 6=>array(5=>'黑xx', 42=>'XXL'), 7=>array(5=>'黑xx', 40=>'XL'), 8 ...
- 动态内表(纵向变横向)
"纵向变横向 DATA: js TYPE c LENGTH 2 . DATA: gsday TYPE string . DATA: sp_cc TYPE char5. SORT ...
最新文章
- 题目1164：旋转矩阵
- 基于新唐M0的XXTEA加密解密算法源码
- VTK：几何对象之Sphere
- iOS开发简单高效的数据存储
- Java千百问_04异常处理（007）_常见的java异常有哪些(非运行时)
- Pygal简单使用——模拟掷骰子
- All Friends 极大团
- 14c语言合并两个字符串,C语言编程实现，将给定字符串中连续出现3次的小写字母替换为改小写字母在字母表中的下一个字母...
- android实现Materia Design风格APP（四）：ViewPager同时显示3个item及设置切换动画
- 计算机工控机配置,研华工控机最新配置IPC-610
- 压力传感器的误差补偿
- 如何把一台电脑变成服务器
- 经济学基础（本）【1】
- python钉钉扫码登录程序_钉钉扫码登录网站(两种方式实现)
- 系统，工具，源码，语言组成的数字世界-2021-
- 排列组合 【插空法】【捆绑法】【容斥原理】
- python会搞坏电脑吗_VPython会破坏所有tkinter窗口
- 12.10，进不去图形界面了，求大家帮忙解决
- usb接上计算机没反应怎么办,usb硬盘插上电脑没反应怎么办,小编教你怎么解决...
- 拼多多上市背后：假货问题到底该不该由拼多多一家承担？