制作分布图类似密度图，在python中利用pandas来提取分布数据是比较方便的。主要用到pandas的cut和groupby等函数。

第一步，从数据库中提取数据

import pandas
from sqlalchemy import create_engine
host_mysql_test = '127.0.0.1'
port_mysql_test = 3306
user_mysql_test = 'admin'
pwd_mysql_test = '1234'
db_name_mysql_test = 'mydb'
engine_hq = create_engine('mysql+mysqldb://%s:%s@%s:%d/%s' % (user_mysql_test,pwd_mysql_test,host_mysql_test,port_mysql_test,'hq_db'), connect_args={'charset': 'utf8'})sql = "SELECT * FROM fund_data where quarter>=8 order by yanzhi desc"
df = pd.read_sql(sql, engine)
#将yanzhi数据转换为百分比
df['yanzhi'] = df['yanzhi'].apply(lambda x: x * 100)

第二步，面元划分

cut函数：

pandas.cut(x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False)

官方文档链接

主要参数为x和bins。
x为数据源，数组格式的都支持，list，numpy.narray, pandas.Series。
bins可以为int，也可以为序列。

bins = [0, 10, 20, 30, 40, 50, 60, 70, 80, 90, 100]
cats = pd.cut(df['yanzhi'], bins)

我们定义bins为一个序列，默认为左开右闭的区间：

In[]:print cats
Out[]:
0      (90, 100]
1      (90, 100]
2      (90, 100]
3       (80, 90]
4       (80, 90]...
970     (10, 20]
971     (10, 20]
972     (10, 20]
973     (10, 20]
974     (10, 20]
Name: yanzhi, dtype: category
Categories (10, object): [(0, 10], (10, 20], (20, 30], (30, 40], ..., (60, 70], (70, 80], (80, 90], (90, 100]]

第三步，groupby

对言值列按cats做groupby，然后调用get_stats统计函数，再用unstack函数将层次化的行索引“展开”为列。

def get_stats(group):return {'count': group.count()}grouped = df['yanzhi'].groupby(cats)
bin_counts = grouped.apply(get_stats).unstack()print bin_countscount
yanzhi
(0, 10]        0
(10, 20]       5
(20, 30]      22
(30, 40]      92
(40, 50]     258
(50, 60]     357
(60, 70]     178
(70, 80]      51
(80, 90]       9
(90, 100]      3

第四步，重命名索引，pandas绘图

bin_counts.index = ['0~10', '10~20', '20~30', '30~40', '40~50', '50~60', '60~70','70~80', '80~90', '90~100']
bin_counts.index.name = 'yanzhi'
bin_counts.plot(kind='bar', alpha=0.5, rot=0)

扩展：其它工具绘制

一，用G2绘制

G2在之前的文章中有介绍，文章《python结合G2绘制精美图形》。

1，生成json数据

datas = []
for ix, row in bin_counts.iterrows():# if row['机构数量'] > 0:sss = {'name': ix, 'count': row['count']}datas.append(sss)
encodejson = json.dumps(datas, ensure_ascii=False)
f = open('yanzhi.json', 'w')
f.write(encodejson)
f.close()

2，配置html文件

<!DOCTYPE html>
<html><head><meta charset="utf-8"><title>分布图</title><link rel="stylesheet" type="text/css" href="https://as.alipayobjects.com/g/datavis/g2-static/0.0.8/doc.css" /><!--如果不需要jquery ajax 则可以不引入--><script src="https://a.alipayobjects.com/jquery/jquery/1.11.1/jquery.js"></script><script src="https://a.alipayobjects.com/alipay-request/3.0.3/index.js"></script><!-- 引入 G2 脚本 --><script src="https://as.alipayobjects.com/g/datavis/g2/1.2.2/index.js"></script></head><body><div id="c1"></div><!-- G2 code start --><script>$.getJSON('yanzhi.json', function(data) {var Frame = G2.Frame;var frame = new Frame(data);frame = Frame.combinColumns(frame, ['count'],'count','type',['name', 'count']);var chart = new G2.Chart({id: 'c1',width: 600,height: 400});chart.source(frame, {'count': {alias: '数量', min: 0},'name': {alias: '言值分布', min: 0} });// 去除 X 轴标题
//      chart.axis('name', {
//        title: null
//      });chart.legend(false);// 不显示图例chart.intervalStack().position('name*count').color('type', ['#348cd1', '#43b5d8']); // 绘制层叠柱状图chart.line().position('name*count').color('#5ed470').size(2).shape('smooth'); // 绘制曲线图chart.point().position('name*count').color('#5ed470'); // 绘制点图chart.render();});</script><!-- G2 code end --></body>
</html>

3，显示结果

二、DataFrame密度图

一句话绘制出来，但具体的区间段难以区分出来。

df["yanzhi"].hist(bins=20, alpha=0.5)

三、bokeh绘图

bokeh是python的一个优秀的绘图工具包，与pandas结合的比较好。bokeh文档

from bokeh.charts import Histogram, output_file,showhist=Histogram(df, values='yanzhi',bins=30, title='分布图', legend='top_right')
output_file('hist.html', title='hist example')
show(hist)

作者原文链接：python制作分布图

python制作分布图相关推荐

python动态演示数据gdp_利用Python制作中国GDP分布图和动态演示
利用Python制作中国GDP分布图和动态演示数据读取 ## 导入相关模块import pandas as pdimport geopandas as gpdimport numpy as np i ...
利用Python制作中国GDP分布图和动态演示
利用Python制作中国GDP分布图和动态演示数据读取 ## 导入相关模块 import pandas as pd import geopandas as gpd import numpy as n ...
用python画小花_如何用python制作箱线图
hi,我小花花又来了箱线图,一种被广泛应用在数据可视化上的图表,它可以用来反映一组或多组连续型定量数据分布的中心位置和散布范围,因形状如箱子而得名.它最大的优点是可以不受异常值的影响,能够准确稳定地 ...
python制作爬虫爬取京东商品评论教程
python制作爬虫爬取京东商品评论教程作者:蓝鲸类型:转载本文是继前2篇Python爬虫系列文章的后续篇,给大家介绍的是如何使用Python爬取京东商品评论信息的方法,并根据数据绘制成各种统计 ...
怎么用python自制计算公式_手把手教你用python制作简易计算器，能够记录你使用的情况...
话不多说,首先先看效果图,它能够记录你在使用过程中的历史,方便你查看是否有错: 接下来就仔细分析一下是如何制作的: 简易计算器第一步:导入资源库在过程中使用到了tkinter这个资源库,win+R ...
用 Python 制作可视化报表，这也太快了！
作者 | 小F 来源 | 法纳斯特在数据展示中使用图表来分享自己的见解,是个非常常见的方法. 这也是Tableau.Power BI这类商业智能仪表盘持续流行的原因之一,这些工具为数据提供了精美的图 ...
Get了！用Python制作数据预测集成工具 | 附代码
作者 | 李秋键责编 | 晋兆雨大数据预测是大数据最核心的应用,是它将传统意义的预测拓展到"现测".大数据预测的优势体现在,它把一个非常困难的预测问题,转化为一个相对简单的描述 ...
碉堡的小程序：用 Python 制作演示迷宫算法的 gif 动画
微信改版,加星标不迷路! 碉堡的小程序:用 Python 制作演示迷宫算法的 gif 动画作者:neozhaoliang 本文要介绍的是我写的一个有趣的小程序,一个脱离了低级趣味的程序,一个有益于广 ...
Python制作当年第一款手机游戏-贪吃蛇游戏（练习）
前言: 文章利用Python pygame做一个贪吃蛇的小游戏而且讲清楚每一段代码是用来干嘛的. 据说是贪吃蛇游戏是1976年,Gremlin公司推出的经典街机游戏,那我们今天用Python制作的这个 ...

python制作分布图