python-绘图与可视化( 四 ) _生活百科

文章插图
import matplotlib.pyplot as pltnum_list = [1506,3500,3467,1366,200]pyplot.xlabel("Types of Students")pyplot.ylabel("Frequency")pyplot.title("Numbers of Books Students Read")plt.bar(range(len(num_list)), num_list,color="green")import seaborn as snssns.set_style("whitegrid")plt.show()

文章插图
②饼形图。饼形图是以扇形的面积来指代某种类型的频率，使用Matplotlib对图书借阅量这一定性变量绘制饼形图的代码如下：
import numpy as npimport matplotlib.mlab as mlabimport matplotlib.pyplot as pltlabels=['A','B','C','D','E']X=[257,145,32,134,252]fig = plt.figure()plt.pie(X,labels=labels,autopct='%1.1f%%') #画饼图（数据，数据对应的标签，百分数保留两位小数点）plt.title("Numbers of Books Student Read")plt.show()

文章插图
(2)定量分析直方图类似于柱状图，是用柱的高度来指代频数，不同的是其将定量数据划分为若干连续的区间，在这些连续的区间上绘制柱。①直方图。使用Matplotlib对身高这一定量变量绘制直方图的代码如下：
#绘制直方图def drawHist(heights): #创建直方图 #第一个参数为待绘制的定量数据，不同于定性数据，这里并没有实现进行频数统计 #第二个参数为划分的区间个数 pyplot.hist(heights,100) pyplot.xlabel('Heights') pyplot.ylabel('Frequency') pyplot.title('Height of Students') pyplot.show()drawHist(heights)

文章插图
累积曲线：使用Matplotlib对身高这一定量变量绘制累积曲线的代码如下：
#绘制累积曲线def drawCumulativaHist(heights): #创建累积曲线 #第一个参数为待绘制的定量数据 #第二个参数为划分的区间个数 #normal参数为是否无量纲化 #histtype参数为‘step’，绘制阶梯状的曲线 #cumulative参数为是否累积 pyplot.hist(heights,20,normed=True,histtype='step',cumulative=True) pyplot.xlabel('Heights') pyplot.ylabel('Frequency') pyplot.title('Heights of Students') pyplot.show()drawCumulativaHist(heights)

文章插图
（3）关系分析
散点图。在散点图中，分别以自变量和因变量作为横坐标。当自变量与因变量线性相关时，散点图中的点近似分布在一条直线上。我们以身高作为自变量，体重作为因变量，讨论身高对体重的影响。使用Matplotlib绘制散点图的代码如下：
#绘制散点图def drawScatter(heights,weights): #创建散点图 #第一个参数为点的横坐标 #第二个参数为点的纵坐标 pyplot.scatter(heights,weights) pyplot.xlabel('Heights') pyplot.ylabel('Weight') pyplot.title('Heights & Weight of Students') pyplot.show()drawScatter(heights,weights)

文章插图
(4)探索分析
箱型图。在不明确数据分析的目标时，我们对数据进行一些探索性的分析，可以知道数据的中心位置、发散程度及偏差程度。使用Matplotlib绘制关于身高的箱型图代码如下：
#绘制箱型图def drawBox(heights): #创建箱型图 #第一个参数为待绘制的定量数据 #第二个参数为数据的文字说明 pyplot.boxplot([heights],labels=['Heights']) pyplot.title('Heights of Students') pyplot.show()drawBox(heights)