目录标题
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)
- 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)，探究不同变量之间的内在关系
- 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)
- 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)
- 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)
常见方法
- 改变图像风格
# 导入库
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
plt.style.use('seaborn') # 改变图像风格
plt.rcParams['font.family'] = ['Arial Unicode MS', 'Microsoft Yahei', 'SimHei', 'sans-serif'] # 解决中文乱码
plt.rcParams['axes.unicode_minus'] = False # simhei黑体字 负号乱码 解决
散点图(scatter)
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：
# 导入模块
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # Matplotlib中设置字体-黑体，解决Matplotlib中文乱码问题 plt.rcParams['axes.unicode_minus'] = False # 解决Matplotlib坐标轴负号'-'显示为方块的问题
# 1 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]
# 2 创建画布
plt.figure(figsize=(20,8),dpi=100)
# 3 绘制
plt.scatter(x,y)
# 4 显示
plt.show()
柱状图(bar)
柱状图绘制
需求1-对比每部电影的票房收入
数据如下：
基本代码如下
# 需求1-对比每部电影的票房收入
# 导入模块
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # Matplotlib中设置字体-黑体，解决Matplotlib中文乱码问题 plt.rcParams['axes.unicode_minus'] = False # 解决Matplotlib坐标轴负号'-'显示为方块的问题
# 1 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轴坐标）
x = range(len(movie_name))
# 总坐标（Y轴坐标）
y = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]
# 2 创建画布
plt.figure(figsize=(20,8),dpi=100)
# 3 绘制
plt.bar(x,y,width=0.5,color=['b','r','g','y','c','m','y','k','c','g','b'])
# 4 辅助显示
# 修改刻度显示
plt.xticks(x,movie_name)
# 增加网格显示
plt.grid(linestyle='--',alpha=0.5)
# 增加标题
plt.title('电影票房收入对比')
# 显示
plt.show()
需求2-如何对比电影票房收入才更能加有说服力？
比较相同天数的票房
有时候为了公平起见，我们需要对比不同电影首日和首周的票房
# 需求2-如何对比电影票房收入才更能加有说服力？对比不同电影首日和首周的票房
# 导入模块
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # Matplotlib中设置字体-黑体，解决Matplotlib中文乱码问题 plt.rcParams['axes.unicode_minus'] = False # 解决Matplotlib坐标轴负号'-'显示为方块的问题
# 1 准备数据
# 电影名字
movie_name = ['雷神3：诸神黄昏','正义联盟','寻梦环游记']
# 横坐标（X轴坐标）
x = range(len(movie_name))
# 总坐标（Y轴坐标）
# 新增：添加首日首周两部分的柱状图
# ============================
first_day = [10587.6,10062.5,1275.7]
first_weekend=[36224.9,34479.6,11830]
# 2 创建画布
plt.figure(figsize=(20,8),dpi=100)
# 3 绘制
plt.bar(x,first_day,width=0.2,label='首日票房')
# 新增：x轴中文坐标位置调整
# ==========================
plt.bar([i+0.2 for i in x],first_weekend,width=0.2,label='首周票房')
# 4 辅助显示
# 修改刻度显示
plt.xticks([i+0.1 for i in x],movie_name)
# 增加网格显示
plt.grid(linestyle='--',alpha=0.5)
# 增加标题
plt.title('电影票房收入对比')
# 显示
plt.show()
直方图(histogram)
直方图，形状类似柱状图却有着与柱状图完全不同的含义。直方图牵涉统计学的概念，首先要对数据进行分组，然后统计每个分组内数据元的数量。 在坐标系中，横轴标出每个组的端点，纵轴表示频数，每个矩形的高代表对应的频数，称这样的统计图为频数分布直方图。
扫描二维码关注公众号，回复：
13344690 查看本文章
直方图(histogram)和柱状图(bar)区别
- 柱形图：展示数据的大小（数据比较小）
直方图：展示的是数据的分布状况（大量的数据） - 直方图x轴为定量的数据，柱形图X轴为分离的数据。
- 直方图X轴的变量是一个个连续的区间，
柱形图X轴 的变量就是一个个分类数据 - 直方图柱子不可移动
柱形图柱子相反 - 直方图柱子之间没有间隔， 柱形图相反
- 宽度 直方图不一样， 柱形图一样
- 组数：在统计数据时，我们把数据按照不同的范围分成几个组，分成的组的个数称为组数
- 组距：每一组两个端点的差
总结
- 柱状图是以矩形的长度表示每一组的频数或数量，其宽度(表示类别)则是固定的，利于较小的数据
集分析。 - 直方图是以矩形的长度表示每一组的频数或数量，宽度则表示各组的组距，因此其高度与宽度均有意义，利于展示大量数据集的统计结果。
- 由于分组数据具有连续性，直方图的各矩形通常是连续排列，而柱状图则是分开排列。
直方图绘制
- hist(values,bins)
- values 数值
- bins 分组间隔
# 需求：电影时长分布状况
# 导入模块
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # Matplotlib中设置字体-黑体，解决Matplotlib中文乱码问题 plt.rcParams['axes.unicode_minus'] = False # 解决Matplotlib坐标轴负号'-'显示为方块的问题
# 1 准备数据
time = [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]
# 2 创建画布
plt.figure(figsize=(20,8),dpi=100)
# 3 绘制
# 设置组距
distance = 2
# 计算组数
group_num = int((max(time)-min(time))/ distance)
# 绘制直方图
plt.hist(time,bins=group_num)
# 4 辅助显示
# 修改x轴刻度显示
plt.xticks(range(min(time),max(time))[::2])
# 添加网格显示
plt.grid(linestyle='--',alpha=0.5)
# 添加x, y轴描述信息
plt.xlabel('电影时长大小')
plt.ylabel('电影的数据集')
# 5 显示图像
plt.show()
饼图(pie)
饼图介绍
饼图广泛得应用在各个领域，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。饼图通过将一个圆饼按照分类的占比划分成多个区块，整个圆饼代表数据的总量，每个区块（圆弧）表示该分类占总体的比例大小，所有区块（圆弧）的加和等于 100%。
饼图绘制
需求：显示不同的电影的排片占比
饼图api介绍
- 注意显示的百分比的位数
- 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%%（1控制数字显示偏移，2控制小数点后几位）
- colors:每部分颜色
- explode=(0,0.1) 图块的相对偏移量
- startangle=90 逆时针旋转90度
代码
# 饼图
# 需求：显示不同的电影的排片占比
# 导入模块
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # Matplotlib中设置字体-黑体，解决Matplotlib中文乱码问题 plt.rcParams['axes.unicode_minus'] = False # 解决Matplotlib坐标轴负号'-'显示为方块的问题
# 1 准备数据
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']
place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]
# 2 创建画布
plt.figure(figsize=(20,8),dpi=100)
# 3 绘制
plt.pie(place_count,labels=movie_name,autopct='%1.2f%%',colors=['b','r','g','y','c','m','y','k','c','g','y'])
# 4 辅助显示
plt.legend()
# 5 显示
plt.show()
添加axis
为了让显示的饼图保持圆形，需要添加axis保证长宽一样
plt.axis('equal')
代码2（explode,startangle）
# 可视化
pic.plot.pie(figsize=(8,8),labels=pic.index,explode=(0,0.1),startangle=90,autopct='%1.1f%%')
完整代码
# 饼图
# 需求：显示不同的电影的排片占比
# 添加axis
# 导入模块
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] # Matplotlib中设置字体-黑体，解决Matplotlib中文乱码问题 plt.rcParams['axes.unicode_minus'] = False # 解决Matplotlib坐标轴负号'-'显示为方块的问题
# 1 准备数据
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']
place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]
# 2 创建画布
plt.figure(figsize=(20,8),dpi=100)
# 3 绘制
plt.pie(place_count,labels=movie_name,autopct='%1.2f%%',colors=['b','r','g','y','c','m','y','k','c','g','y'])
# 4 辅助显示
plt.legend()
# 新添加：添加axis
# =====================
plt.axis('equal')
# 5 显示
plt.show()
