【数据分析】统计图表
2024-05-25 17:55:42
常见统计图的对比
- 折线图：展示数据的变化情况
- 散点图：两个属性上的数据的相关情况，展示离群点
- 直方图：统计连续的数据
- 条形图：统计离散的数据
条形图
#绘制横着的条形图
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="/System/Library/Fonts/Hiragino Sans GB.ttc")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]#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
#绘制条形图
plt.barh(range(len(a)),b,height=0.3,color="orange")
#设置字符串到x轴
plt.yticks(range(len(a)),a,fontproperties=my_font)plt.grid(alpha=0.3)
# plt.savefig("./movie.png")plt.show()
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="/System/Library/Fonts/Hiragino Sans GB.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]bar_width = 0.2x_14 = list(range(len(a)))
x_15 = [i+bar_width for i in x_14]
x_16 = [i+bar_width*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,label="9月14日")
plt.bar(x_15,b_15,width=bar_width,label="9月15日")
plt.bar(x_16,b_16,width=bar_width,label="9月16日")#设置图例
plt.legend(prop=my_font)#设置x轴的刻度
plt.xticks(x_15,a,fontproperties=my_font)plt.show()
直方图
from matplotlib import pyplot as plt
from matplotlib import font_managera=[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))//d
print(max(a),min(a),max(a)-min(a))
print(num_bins)#设置图形的大小
plt.figure(figsize=(20,8),dpi=80)
plt.hist(a,num_bins,normed=True)#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d))plt.grid()plt.show()
【数据分析】统计图表相关推荐
- 移动端数据可视化数据分析统计图表 Axure 原型
本套移动端数据可视化数据分析统计图表 Axure 原型/组件库/元件库集合包含了常用的可视化图表包括中国地图.世界地图.柱状图.条形图.折线图.面积图.饼图.环形图.雷达图.瀑布图.直方图.阶梯图.散 ...
- 数据分析报告中如何选择合适的统计图表
由于不同的数据分析工具收集到的数据千差万别,基于这些数据生成展示的统计图表也不尽相同:而且数据分析师制作各种报告时,也常常纠结于如何选择合适的图表表达数据诉求,因此我们有必要去理解一些常用数据分析统计 ...
- 数据分析 | 如何对年终销售数据进行可视化分析快速搞定统计图表
数据分析 | 如何对年终销售数据进行可视化分析,快速搞定统计图表 以下文章由:聂永真可视化设计实验室 整理. 等信息 年终将近,又到拿数据来做总结汇报时.作为销售部的管理者或是销售人员,你还在拿着一张 ...
- python数据分析及可视化（二）离散程度、标准化值、分布形态、描述性统计图表
描述性统计 平均指标 调和平均数 算术平均数的变种,本质跟算术平均数是一致的. 定义:变量值倒数的算术平均值的倒数.表示的符号:HHH 调和平均数(根据未分组数据计算的):H=n1x1+1x2+... ...
- 独家 | 2021，什么数据分析技能最重要？
作者:Emmett Boudreau 翻译:朱启轩 校对:和中华 本文约2800字,建议阅读8分钟. 本文主要介绍数据科学的发展趋势以及当今工作岗位所需要的数据分析技能. Image by auth ...
- python与excel做数据可视化-python做可视化数据分析，究竟怎么样？
Python做可视化数据分析也是可以的,只是对比起来专业的可视化工具有些得不应手,做出来的图可能不太美观.Python用来处理数据,用来分析绝对可以.我觉得想要可视化可以使用专门的可视化工具. 不过, ...
- 智游推送教你如何使用统计图表辅助运营
2019独角兽企业重金招聘Python工程师标准>>> 数据是能帮助开发者进一步了解产品.了解用户最直观的方式,也是最能真实反映APP运营状况的,当然也是推送服务中必不可少的.但新的 ...
- 快速入门 Python 数据分析实用指南
Python 现如今已成为数据分析和数据科学使用上的标准语言和标准平台之一.那么作为一个新手小白,该如何快速入门 Python 数据分析呢? 下面根据数据分析的一般工作流程,梳理了相关知识技能以及学习 ...
- GIAC | 大数据分析系统在游戏领域的迭代与实践
导语:6月23日,腾讯游戏数据分析系统负责人周东祥在 "GIAC全球互联网架构大会" 的分享了主题为<大数据分析系统在游戏领域的迭代与实践>的内容,具体的分享视频和PP ...
最新文章
- 腾讯老照片修复算法开源，细节到头发丝，3种预训练模型可下载 | GitHub热榜
- 争取做一个良性循环的程序员
- Ubuntu16.04下使用ufw保护docker容器
- 【风险管理】（第一篇）风险管理核心指标
- 一般项目中是如何调bug的 ------- 手把手带你体验整个流程
- python安装matlabb库_Python调用MATLAB的方法（mlab接口库）（未总结）-Go语言中文社区...
- PDOStatement::bindParam的一个陷阱
- 在linux平台搭建mongodb环境
- 程序员想早点下班被经理拒绝，一气之下要辞职，经理慌了
- ucdavis计算机科学专业,UCDavis的CS「加州大学戴维斯分校计算机科学专业」
- drools 将添加switch支持
- 线程池（领导者-追随者，生产者-消费者等）小结
- SuperIndicator开源库源码分析
- CSS标签选择器→教你如何使用
- passenger+nginx框架部署
- AI作诗：诗三百·人工智能诗歌写作平台
- Docker 存储卷
- 图像 引言 深度学习_深度学习算法对磁共振图像序列的识别
- 考核指标在管理中心的重要性
- mfc实验报告心得体会_mfc实验报告