数据科学-Matplotlib（直方条形和散点作业）

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]

# -*-coding:utf-8-*-
from matplotlib import pyplot as plt
from matplotlib import  font_manager
import warnings
warnings.filterwarnings("ignore")
plt.figure(figsize=(20,8),dpi=80)
plt.rcParams['font.sans-serif'] = ['SimHei'] # 步骤一（替换sans-serif字体）用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False   # 步骤二（解决坐标轴负数的负号显示问题）
x_3=range(1,32)
x_10=range(41,72)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]plt.scatter(x_3,y_3)
plt.scatter(x_10,y_10)_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)  for i in x_3]
plt.xticks(_x[::3],_xtick_labels[::3],rotation=45,fontsize=10)#添加描述信息
plt.xlabel("时间")
plt.ylabel("温度")
plt.title("3月和10月气温变化",fontsize=15)
plt.scatter(x_3,y_3,label="3月份")
plt.scatter(x_10,y_10,label="10月份")
plt.legend(loc='best',fontsize=30) #设置图例样式
# plt.savefig("./sig_size3.png")
plt.show()

绘制散点图

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] 单位:亿

数据来源: http://58921.com/alltime/2017

# -*-coding:utf-8-*-
from matplotlib import pyplot as plt
from matplotlib import  font_manager
plt.figure(figsize=(20,15),dpi=80)
my_font=font_manager.FontProperties(fname="C:/WINDOWS/FONTS/SIMSUN.TTC")x = ["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",]
y=[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]#绘制条形图plt.bar，宽度用wight绘制横着的条形图用plt.barh，高度有height
plt.barh(range(len(x)),y,height=0.5,color='orange')
plt.yticks(range(len(x)),x,fontproperties=my_font,fontsize=10)
plt.grid(alpha=0.2)plt.savefig("./sig_bar.png")
plt.show()

绘制直方图

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/movieday

# -*-coding:utf-8-*-
from matplotlib import  pyplot as plt
from matplotlib import  font_manager
plt.figure(figsize=(20,8))
my_font=font_manager.FontProperties(fname="C:/WINDOWS/FONTS/SIMSUN.TTC")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]#x轴往右移
bar_width=0.2
x_14=range(len(a))
x_15=[i+bar_width for i in x_14]
x_16=[i+bar_width*2 for i in x_14]plt.bar(x_14,b_14,width=bar_width,color='orange',label='9月14日')
plt.bar(x_15,b_15,width=bar_width,color='g',label='9月15日')
plt.bar(x_16,b_16,width=bar_width,color='b',label='9月16日')#设置x轴刻度
plt.xticks(x_15,a,fontproperties=my_font,fontsize=20)#添加图例
plt.legend(prop=my_font)#美化
plt.xlabel("电影",fontproperties=my_font,fontsize=15)
plt.ylabel("票房（单位：万元）",fontproperties=my_font,fontsize=15)
plt.title("9月14 15 16三天电影的票房",fontproperties=my_font,fontsize=30)plt.savefig("./bar1.png")

绘制条形图

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]

# -*-coding:utf-8-*-
from matplotlib import pyplot as plt
from matplotlib import font_manager
plt.figure(figsize=(20,8))
plt.rcParams['font.sans-serif'] = ['SimHei'] # 步骤一（替换sans-serif字体）用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False   # 步骤二（解决坐标轴负数的负号显示问题）
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]
#计算组数
d=3 #组距
num_bins=(max(a)-min(a))//dplt.hist(a,num_bins)
#plt.hist(a,num_bins,density=True)  可以计算频率
#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d))#美化
plt.xlabel("电影时长",fontsize=10)
plt.ylabel("电影个数",fontsize=10)
plt.title("电影时长分布图",fontsize=20)plt.grid(True,linestyle='-.',alpha=0.5)
plt.savefig("./hist1.png")

绘制直方图

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(最后一列)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 = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]

数据来源:https://en.wikipedia.org/wiki/Histogram

普查报告地址:https://www.census.gov/prod/2004pubs/c2kbr-33.pdf

所以:一般来说能够使用plt.hist方法的的是那些没有统计过的数据

# -*-coding:utf-8-*-
from matplotlib import pyplot as plt
from matplotlib import font_manager
plt.figure(figsize=(20,8))
plt.rcParams['font.sans-serif'] = ['SimHei'] # 步骤一（替换sans-serif字体）用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False   # 步骤二（解决坐标轴负数的负号显示问题）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.bar(range(len(interval)),quantity,width=1)#设置x轴的刻度
_x=[i-0.5 for i in range(13)]
_xtick_labels=interval+[150]
plt.xticks(_x,_xtick_labels)#美化
plt.xlabel("距离",fontsize=10)
plt.ylabel("统计人数",fontsize=10)
plt.title("上班所需时间统计表",fontsize=20)
plt.grid(True,linestyle='-.',alpha=0.5)
plt.savefig("./bar3.png")

绘制条形图

数据科学-Matplotlib（直方条形和散点作业）相关推荐

Python的数据科学函数包(三)——matplotlib(plt)
Matplotlib是Python最著名的2D绘图库 c opencv要比PIL, plt的速度更快一些 matplotlib中一张图的具体构造如果将Matplotlib绘图和我们平常画画相类比,可 ...
garch预测 python_数据科学方面的Python库，实用！
作者:Python开发与大数据人工智能原文:公众号 Python开发与大数据人工智能 Python是一种很棒的编程语言.事实上,它还是世界上发展最快的编程语言之一.它一次又一次证明了它在数据科学职位中 ...
数据科学 IPython 笔记本 8.15 Matplotlib 中的三维绘图
8.15 Matplotlib 中的三维绘图原文:Three-Dimensional Plotting in Matplotlib 译者:飞龙协议:CC BY-NC-SA 4.0 本节是<P ...
Python 数据科学入门教程：Matplotlib
Matplotlib 入门教程来源:Introduction to Matplotlib and basic line 译者:飞龙协议:CC BY-NC-SA 4.0 在线阅读 PDF格式 EPU ...
Python数据科学学习笔记之——Matplotlib数据可视化
Matplotlib 数据可视化 1.Matplotlib 常用技巧 1.1.导入 Matplotlib import matplotlib as mpl import matplotlib.pypl ...
数据科学指南#基础篇 Matplotlib 入门
今天分享一个数据可视化的库:https://matplotlib.org/ Matplotlib是什么? matplotlib 是一个数据可视化的 Python 库.它提供了 plot(二维关系图)和 ...
HuaPu在学：机器学习——数据科学库【matplotlib】
数据科学库[matplotlib] 文章目录数据科学库[matplotlib] 前言一.数据分析介绍及环境安装 1.为什么要数据分析??? 2.环境安装二.matplotlib 1.为什么学习m ...
数据科学的积累：海平面下的冰山 | 清华信息技术研究院郑方
清华大学语音和语言技术中心主任郑方郑方,清华大学语音和语言技术中心主任.研究员,博士生导师,清华大学信息技术研究院副院长,博士.从1988年开始,从事语音和语言处理方面研究,在国内外知名刊物和学术会 ...
数据科学 IPython 笔记本 8.14 自定义 Matplotlib：配置和样式表
8.14 自定义 Matplotlib:配置和样式表原文:Customizing Matplotlib: Configurations and Stylesheets 译者:飞龙协议:CC BY- ...
数据科学 IPython 笔记本 8.3 Matplotlib 可视化
8.3 Matplotlib 可视化原文:Visualization with Matplotlib 译者:飞龙协议:CC BY-NC-SA 4.0 本节是<Python 数据科学手册> ...

数据科学-Matplotlib（直方条形和散点作业）

数据科学-Matplotlib（直方条形和散点作业）相关推荐

最新文章

热门文章