六大数据统计图——Python的数据可视化

一直以来，数据可视化就是一个处于不断演变之中的概念，其边界在不断地扩大；因而，最好是对其加以宽泛的定义。数据可视化指的是技术上较为高级的技术方法，而这些技术方法允许利用图形、图像处理、计算机视觉以及用户界面，通过表达、建模以及对立体、表面、属性以及动画的显示，对数据加以可视化解释。与立体建模之类的特殊技术方法相比，数据可视化所涵盖的技术方法要广泛得多。

1.环境

系统：windows10

python版本：python3.6.1

使用的库：matplotlib，numpy

2.numpy库产生随机数几种方法

import numpy as np numpy.random rand(d0, d1, ..., dn)

In [2]: x=np.random.rand(2,5)

In [3]: x
Out[3]:
array([[ 0.84286554,  0.50007593,  0.66500549,  0.97387807,  0.03993009],
       [ 0.46391661,  0.50717355,  0.21527461,  0.92692517,  0.2567891 ]])

randn(d0, d1, ..., dn)查询结果为标准正态分布

In [4]: x=np.random.randn(2,5)

In [5]: x
Out[5]:
array([[-0.77195196,  0.26651203, -0.35045793, -0.0210377 ,  0.89749635],
       [-0.20229338,  1.44852833, -0.10858996, -1.65034606, -0.39793635]])

生成low到high之间（半开区间 [low, high)），size个数据

In [6]: x=np.random.randint(1,8,4)

In [7]: x
Out[7]: array([4, 4, 2, 7])

生成low到high之间（闭区间 [low, high)），size个数据

In [10]: x=np.random.random_integers(2,10,5)

In [11]: x
Out[11]: array([7, 4, 5, 4, 2])

3.散点图

x x轴 y y轴 s 圆点面积 c 颜色 marker 圆点形状 alpha 圆点透明度                #其他图也类似这种配置

N=50

# height=np.random.randint(150,180,20)

# weight=np.random.randint(80,150,20)

x=np.random.randn(N)

y=np.random.randn(N)

plt.scatter(x,y,s=50,c='r',marker='o',alpha=0.5)

plt.show()

4.折线图

x=np.linspace(-10000,10000,100) #将-10到10等区间分成100份

y=x**2+x**3+x**7

plt.plot(x,y)

plt.show()

折线图使用plot函数

5.条形图

N=5

y=[20,10,30,25,15]

y1=np.random.randint(10,50,5)

x=np.random.randint(10,1000,N)

index=np.arange(N)

plt.bar(left=index,height=y,color='red',width=0.3)

plt.bar(left=index+0.3,height=y1,color='black',width=0.3)

plt.show()

orientation设置横向条形图

N=5

y=[20,10,30,25,15]

y1=np.random.randint(10,50,5)

x=np.random.randint(10,1000,N)

index=np.arange(N)

# plt.bar(left=index,height=y,color='red',width=0.3)

# plt.bar(left=index+0.3,height=y1,color='black',width=0.3)

#plt.barh() 加了h就是横向的条形图，不用设置orientation

plt.bar(left=0,bottom=index,width=y,color='red',height=0.5,orientation='horizontal')

plt.show()

6.直方图

m1=100

sigma=20

x=m1+sigma*np.random.randn(2000)

plt.hist(x,bins=50,color="green",normed=True)

plt.show()

# #双变量的直方图 # #颜色越深频率越高 # #研究双变量的联合分布

#双变量的直方图

#颜色越深频率越高

#研究双变量的联合分布

x=np.random.rand(1000)+2

y=np.random.rand(1000)+3

plt.hist2d(x,y,bins=40)

plt.show()

7.饼状图

#设置x,y轴比例为1：1，从而达到一个正的圆

#labels标签参数,x是对应的数据列表,autopct显示每一个区域占的比例,explode突出显示某一块,shadow阴影

labes=['A','B','C','D']

fracs=[15,30,45,10]

explode=[0,0.1,0.05,0]

#设置x,y轴比例为1：1，从而达到一个正的圆

plt.axes(aspect=1)

#labels标签参数,x是对应的数据列表,autopct显示每一个区域占的比例,explode突出显示某一块,shadow阴影

plt.pie(x=fracs,labels=labes,autopct="%.0f%%",explode=explode,shadow=True)

plt.show()

8.箱型图

import matplotlib.pyplot as plt

import numpy as np

data=np.random.normal(loc=0,scale=1,size=1000)

#sym 点的形状，whis虚线的长度

plt.boxplot(data,sym="o",whis=1.5)

plt.show()

#sym 点的形状，whis虚线的长度

相关知识

六大数据统计图——Python的数据可视化
基于Python实现交互式数据可视化的工具(用于Web)
使用Altair实现Python交互式数据可视化
Python 教程：浏览并可视化数据
【数据可视化中的艺术】：将玫瑰花的美丽转化为数据之美，Python数据图形的精妙运用
利用Python进行数据可视化常见的9种方法！超实用！
从零开始：Python与Jupyter Notebook中的数据可视化之旅
Python在线零售数据关联规则挖掘Apriori算法数据可视化
【python】Python上海二手房数据分析可视化（数据集+源码+报告）【独一无二】
数据可视化总结

网址: 六大数据统计图——Python的数据可视化 https://www.huajiangbk.com/newsview2212019.html