Python制作统计图形

作者: admin 分类: python, 数据分析发布时间: 2014-07-19 17:37 ė 6没有评论

Python一般使用Matplotlib制作统计图形，用它自己的说法是‘让简单的事情简单，让复杂的事情变得可能’。（你说国外的“码农”咋这么会说，我就整不出来这工整的句子！）用它可以制作折线图，直方图，条形图，散点图，饼图，谱图等等你能想到的和想不到的统计图形，这些图形可以导出为多种具有出版质量的格式。此外，它和ipython结合使用，确实方便，谁用谁知道！

在Matplotlib里面经常使用到的是pylab和pyplot，它之间的区别在于pyplot是封装好的调用matplotlib底层制图库的接口，制图时用户不用关心底层的实现，而pylab则是为了使用者的方便，将numpy和pyplot的功能集中在了一个命名空间中。这么解释，可能还是不太清楚，因此在此次举个例子：

import pylab

import numpy as np

import matplotlib.pyplot as plt

pylab.randn(2,3)

array([[ 1.22356117, -0.62786477, -0.02927331],

[ 1.11739661, -1.64112491, 2.24982297]])

np.random.randn(2,3)

array([[-1.41691502, -1.43500335, -0.68452086],

[-0.53925581, -0.18478012, -0.0126745 ]])

pylab.hist([1,1,1,2,3,3])

plt.hist([1,1,1,2,3,3])

从上面的例子可以看在pylab中可以使用numpy中的一些方法，而在pyplot中不能使用numpy的方法；pylab和pyplot都可以制作统计图形。

接下来通过4个常用的统计图形–直方图，条形图，折线图和散点图来介绍首先matplot的使用。直方图和条形图主要刻画的是一维随机变量的分布，折线图和散点图主要刻画的是两个随机变量之间的相关性。首先要展示的是条形图：

N = 5

ind = np.arange(N)

width = 0.35

menMeans = (20, 35, 30, 35, 27)

menStd = (2, 3, 4, 1, 2)

womenMeans = (25, 32, 34, 20, 25)

womenStd = (3, 5, 2, 3, 3)

plt.bar(ind, menMeans, width, color='r', yerr=menStd)

plt.bar(ind+width, womenMeans, width, color='y', yerr=womenStd)

plt.title('Men-Women')

图中红色的矩形代表的是Men，黄色代表的是Women，矩形的高度代表的是改组数据的均值，矩形顶部蓝色短线代表标准差，短线自矩形的顶部分别向上和向下延伸标准差的长度。

接下来要展示的是直方图，

x1 = 10 + 5 * np.random.randn(10000)

x2 = 20 + 5 * np.random.randn(10000)

num_bins = 50

plt.hist(x1, num_bins, normed=1, facecolor='green', alpha=0.5)

plt.hist(x2, num_bins, normed=1, facecolor='blue', alpha=0.5)

plt.title('Histogram')

plt.show()

上面的代码得到的图形

如果是连续性型随机变量，其中的每个矩形的高度表示该对应随机变量的概率密度函数的值，如果是离散型随机变量，其中每个矩形的高度代表对应随机变量的概率。条形图在使用时要事先计算出数据的均值和方差，而使用直方图时，pyplot会自动统计数据的分布；条形图主要刻画数据的样本均值和方差，直方图主要刻画样本的总体分布。

接下来要展示的是折线图，代码如下：

import numpy as np

import matplotlib.pyplot as plt

x = np.linspace(0, 10, num=100)

y = np.sin(x)

plt.plot(x,y)

plt.show()

得到的正弦函数的图形如下：

上面的图可以看做是y=sin(x)在区间[0,10]上的函数图形，每一个x有且只有一个y的值相对应，如果有多个y的值，则应该使用散点图。

import numpy as np

import matplotlib.pyplot as plt

x = np.random.randn(1000)

y = np.random.randn(1000)

plt.scatter(x,y)

plt.title('Scatter')

plt.show()

得到散点图如下：

本文出自杂七杂八，转载时请注明出处及相应链接。

本文永久链接: https://www.dcharm.com/?p=15

本文出自杂七杂八，转载时请注明出处及相应链接。

本文永久链接: https://www.dcharm.com/?p=15

Python制作统计图形相关推荐

python使用界面-用python制作用户图形界面
PySimpleGui是一个Python的Gui库,比较接地气易上手.所以我就简单做了个计算插值多项式的程序试试手.第一次写UI代码,c++高手勿扰. 运行程序,首先输入插值节点的数量: 然后输入各个 ...
python制作统计图_刻意练习11：Python描述统计、简单统计图形
学习计划 MyPlan11 主题:Python描述统计.简单统计图形时间:8.5-8.11周内完成参考资料:新书<谁说菜鸟不会数据分析python篇> 各位星友们,在这个星球里每个人都 ...
gui设置可编辑文本框的回调函数_用Tkinter制作Python程序的图形用户界面(GUI)，打包后比Qt5减少60M(77.5%)(实例63)...
实例61使用PyQt5制作了图形用户界面(GUI).这个香是香,但是打包后的安装文件太大(约80M),感觉有些美中不足啊.由于这个GUI实在简单,从现实角度实在用不着高大上的PyQt5,所以改用Pyt ...
button点击后出现的边框_用Tkinter制作Python程序的图形用户界面(GUI)，打包后比Qt5减少60M(77.5%)(实例63)...
实例61使用PyQt5制作了图形用户界面(GUI).这个香是香,但是打包后的安装文件太大(约80M),感觉有些美中不足啊.由于这个GUI实在简单,从现实角度实在用不着高大上的PyQt5,所以改用Pyt ...
python软件设计数据分析统计服_学习笔记（一）-python制作数据分析工具
本文使用numpy.pandas.scipy等依赖包,利用python制作数据分析工具,了解数据的特征分布.缺失.异常情况,实现数据的预处理.常用的描述性统计指标主要包括基本均值.中位数.最大最小值. ...
python统计各分数段人数并可根据选择绘制不同的图形_统计图形自己就可搞定，一文学会用Python绘制经典饼图...
饼图,应该是大家比较熟悉的图形了吧,作为用来展示定性数据比例分布特征的经典统计图形,通过饼图,你可以很直观的看到各组数据的占比情况哦,上次已经和大家探讨了如何用Python来绘制经典的阶梯图,今天呢, ...
Python数据可视化（三）绘制统计图形大全
3.1 柱状图以 Python 代码的形式讲解柱状图的绘制原理,这里重点讲解 bar()函数的使用方法. 代码: import matplotlib as mpl import matplotlib ...
python图形设计编程_少儿编程分享：手把手教你用Python制作艺术图片
原标题:少儿编程分享:手把手教你用Python制作艺术图片在前面的几篇文章中,我们分享了一些用PyGame制作小游戏的教程.我们今天的分享使用的仍然是PyGame,只不过这次不是写游戏啦-我们要用P ...
中boxplot函数的参数设置_如何在Python中生成图形和图表
在本章中,我们将学习如何在Python中生成图形和图表,同时将使用函数和面向对象的方法来可视化数据. Python中常用的一些可视化数据包括以下几种. Matplotlib. Seaborn. ggp ...
python如何转换图形_python绘图转
Python有很多可视化工具,本篇只介绍Matplotlib. Matplotlib是一种2D的绘图库,它可以支持硬拷贝和跨系统的交互,它可以在Python脚本.IPython的交互环境下.Web应用 ...

Python制作统计图形

Python制作统计图形

Python制作统计图形相关推荐

最新文章

热门文章