Matplotlib学习教程(三)

约定不等于承诺〃 2021-09-25 01:56 397阅读 0赞

## 学习目标 ##

*  目标
    
     *  掌握常见统计图及其意义
     *  绘制散点图和柱状图
 *  应用
    
     *  探究不同变量之间的关系

--------------------

Matplotlib能够绘制**折线图、散点图、柱状图、直方图、饼图。**

我们需要知道不同的统计图的意义，以此来决定选择哪种统计图来呈现我们的数据。

## 1 常见图形种类及意义 ##

*  **折线图**：以折线的上升或下降来表示统计数量的增减变化的统计图
    
    **特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)**
    
    api：plt.plot(x, y)
 *   
    
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B6cTkxNTk4MTA0OA_size_16_color_FFFFFF_t_70][]
    
     
 *  **散点图：**用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。
    
    **特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)**
    
    api：plt.scatter(x, y)
 *  ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B6cTkxNTk4MTA0OA_size_16_color_FFFFFF_t_70 1][]
 *  **柱状图：**排列在工作表的列或行中的数据可以绘制到柱状图中。
    
    **特点：绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)**
    
    api：plt.bar(x, width, align='center', \*\*kwargs)
    
        Parameters:    
        x : sequence of scalars.
        
        width : scalar or array-like, optional
        柱状图的宽度
        
        align : {‘center’, ‘edge’}, optional, default: ‘center’
        Alignment of the bars to the x coordinates:
        ‘center’: Center the base on the x positions.
        ‘edge’: Align the left edges of the bars with the x positions.
        每个柱状图的位置对齐方式
        
        **kwargs :
        color:选择柱状图的颜色
    
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B6cTkxNTk4MTA0OA_size_16_color_FFFFFF_t_70 2][]
 *  **直方图：**由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据范围，纵轴表示分布情况。
    
    **特点：绘制连续性的数据展示一组或者多组数据的分布状况(统计)**
    
    api：matplotlib.pyplot.hist(x, bins=None)
    
        Parameters:    
        x : (n,) array or sequence of (n,) arrays
        
        bins : integer or sequence or ‘auto’, optional
        组距
    
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B6cTkxNTk4MTA0OA_size_16_color_FFFFFF_t_70 3][]
 *  **饼图：**用于表示不同分类的占比情况，通过弧度大小来对比各种分类。
    
    **特点：分类数据的占比情况(占比)**
    
    api：plt.pie(x, labels=,autopct=,colors)
    
        x:数量，自动算百分比
        labels:每部分名称
        autopct:占比显示指定%1.2f%%
        colors:每部分颜色
    
    ![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B6cTkxNTk4MTA0OA_size_16_color_FFFFFF_t_70 4][]

## 2 散点图绘制 ##

需求：探究房屋面积和房屋价格的关系

房屋面积数据：

x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
           163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
            21.61, 483.21, 245.25, 399.25, 343.35]

房屋价格数据：

y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
           140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
            30.74, 400.02, 205.35, 330.64, 283.45]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B6cTkxNTk4MTA0OA_size_16_color_FFFFFF_t_70 5][]

代码：

# 0.准备数据
    x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
           163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
            21.61, 483.21, 245.25, 399.25, 343.35]
    y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
           140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
            30.74, 400.02, 205.35, 330.64, 283.45]
    
    # 1.创建画布
    plt.figure(figsize=(20, 8), dpi=100)
    
    # 2.绘制散点图
    plt.scatter(x, y)
    
    # 3.显示图像
    plt.show()

## 3 柱状图绘制 ##

**需求-对比每部电影的票房收入**

电影数据如下图所示：

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B6cTkxNTk4MTA0OA_size_16_color_FFFFFF_t_70 6][]

**1 准备数据**

['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴', '降魔传','追捕','七十七天','密战','狂兽','其它']
    [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]

**2 绘制**

*  matplotlib.pyplot.bar(x, width, align='center', \*\*kwargs)

绘制柱状图

代码：

# 0.准备数据
    # 电影名字
    movie_name = ['雷神3：诸神黄昏','正义联盟','东方快车谋杀案','寻梦环游记','全球风暴','降魔传','追捕','七十七天','密战','狂兽','其它']
    # 横坐标
    x = range(len(movie_name))
    # 票房数据
    y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]
    
    # 1.创建画布
    plt.figure(figsize=(20, 8), dpi=100)
    
    # 2.绘制柱状图
    plt.bar(x, y, width=0.5, color=['b','r','g','y','c','m','y','k','c','g','b'])
    
    # 2.1b修改x轴的刻度显示
    plt.xticks(x, movie_name)
    
    # 2.2 添加网格显示
    plt.grid(linestyle="--", alpha=0.5)
    
    # 2.3 添加标题
    plt.title("电影票房收入对比")
    
    # 3.显示图像
    plt.show()

**参考链接：**

[https://matplotlib.org/index.html][https_matplotlib.org_index.html]

## 4 小结 ##

*  折线图【知道】
    
     *  能够显示数据的变化趋势，反映事物的变化情况。(变化)
     *  plt.plot()
 *  散点图【知道】
    
     *  判断变量之间是否存在数量关联趋势,展示离群点(分布规律)
     *  plt.scatter()
 *  柱状图【知道】
    
     *  绘制连离散的数据,能够一眼看出各个数据的大小,比较数据之间的差别。(统计/对比)
     *  plt.bar(x, width, align="center")
 *  直方图【知道】
    
     *  绘制连续性的数据展示一组或者多组数据的分布状况(统计)
     *  plt.hist(x, bins)
 *  饼图【知道】
    
     *  用于表示不同分类的占比情况，通过弧度大小来对比各种分类
     *  plt.pie(x, labels, autopct, colors)

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B6cTkxNTk4MTA0OA_size_16_color_FFFFFF_t_70]: /images/20210923/e40a9494a90b4bab8022006ccbb9bc58.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B6cTkxNTk4MTA0OA_size_16_color_FFFFFF_t_70 1]: /images/20210923/3690d44794d34ab2b794729e49d55c82.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B6cTkxNTk4MTA0OA_size_16_color_FFFFFF_t_70 2]: /images/20210923/f6173caaafa64b0ea107f5a6728c6d75.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B6cTkxNTk4MTA0OA_size_16_color_FFFFFF_t_70 3]: /images/20210923/8661f4486716479f837c133f76bbe55c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B6cTkxNTk4MTA0OA_size_16_color_FFFFFF_t_70 4]: /images/20210923/14bfd0fc67ed45fbaff088d68530f6d4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B6cTkxNTk4MTA0OA_size_16_color_FFFFFF_t_70 5]: /images/20210923/bb5063cd3c5347d184da3d1f74cb9a33.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3B6cTkxNTk4MTA0OA_size_16_color_FFFFFF_t_70 6]: /images/20210923/ac58345e117346f08a345a8d8f7b24e4.png
[https_matplotlib.org_index.html]: https://matplotlib.org/index.html