在平常的生活和工作中，折線圖和散點圖常用且實用，但是這並不能滿足我們的作圖需求。

因此我們有必要嘗試更多常見的統計圖形，比如條形圖、直方圖、餅圖等，我們的目標是掌握工作學習過程中使用最頻繁的圖形技能。

 

1. 柱狀圖（條形圖） —— bar() / barh()

柱狀圖又叫條形圖，用於繪製定性（分類）資料的分佈特徵，比如不同國家的GDP、不同年齡段的平均體重等。這次，我們以一組學生的身高來演示它的作圖方法。

 

 

 

 

 

引數：

align：對齊方式，即條形相對於刻度的位置

color：顏色

tick_label：刻度的標籤

hatch：填充

我們還可以使用barh畫水平（horizontal）方向的條形圖，它們兩個函式的引數基本一致，只是我們要將xlabel和ylabel的值對調一下（注意：x和y不需要對調）:

 

 

 

 

 

2. 直方圖 —— hist()

直方圖跟條形圖很像，但是直方圖是用於表現定量資料的分佈，比如說中國人口的年齡分佈情況、一所高中高三所有學生的高考成績的分佈情況等。跟bar()和barh()不同的是，hist()函式輸入的只有一組資料，在輸出的圖形中，橫座標對應著不同的分組，縱座標則對應著該組的計數。

 

 

 

 

引數：

bins：如果引數是一個整數，則相當於我們制定了分桶的數量，如果引數是一個列表，則相當於我們指定了每個分桶的邊界。

histtype：分桶樣式

rwidth：相對寬度，即每個柱子寬度相對於兩個刻度之間寬度的比例。

alpha：透明度

3. 餅圖 —— pie()

餅圖主要用於繪製不同型別的百分比，比如不同國家的人口占比、一個員工的薪資構成等。我們假設有ABCD四個公司，他們瓜分了一塊市場，我們用餅圖來將他們的市場佔有情況表現出來：

 

 

 

引數：

labels: 類別標籤/名稱

autopct：餅圖種比例數字的格式

startangle：起始角度，預設會逆時針從水平0度角開始排列

color：我們可以用一個列表指定不同分類的顏色ß

 

 

 

4. 極線圖 —— polar()

這一函式用於在極座標軸上繪製折線圖。

 

 

 

 

 

5. 散點圖 —— scatter()

我們在之前已經接觸過散點圖了，但是這次我們將展示更強大的散點圖。

 

 

 

我們指定了橫縱座標的資料、每個點的大小、每個點的顏色以及浮點數到顏色的對映表、標記的形狀以及透明度，看，通過這種方式，我們可以對多維資料進行視覺化。

 

 

 

6. 杆圖 —— stem()

劉大成先生在《Python資料視覺化之matplotlib實踐》一書中將其翻譯為棉棒圖，挺形象的，但是我還是強行使用了杆圖的名字，雖然這個名字簡直難聽到了天際……

杆圖用於繪製離散而有序的資料，在圖中，這些離散的點會分佈在一條基線的上下兩側，我們可以直觀地感受到它們的波動趨勢以及分佈情況。

 

 

 

引數：

linefmt：離散點到基線的垂線的樣式

markerfmt：離散點的樣式

basefmt：基線的樣式

這裡fmt是format的簡寫。

 

 

 

7. 箱線圖 —— boxplot()

箱線圖是非常經典、實用且常用的一種用於觀察連續資料分佈的圖形，它能清晰地展示出資料的上下四分位數、上下邊緣、中位數的位置，還能根據規則幫助我們確定一些異常值，是觀察資料分佈的一大利器。

 

 

 

 

 

8. 誤差棒圖 —— errorbar()

此函式用於繪製y軸方向或者x軸方向的誤差範圍：

 

 

 

這裡我們使用橫座標的平方作為y軸方向上的誤差，同時使用一個常數0.02作為x軸方向上的誤差。在fmt(format)引數下，我們使用’:og’將線條設定為虛線、將資料點設定為大圓點、將顏色設定為綠色。

 

 

 

好了，以上就是今天要分享的幾種常用的統計圖形，今天我們的目標就是掌握這些圖形對應的函式的基本呼叫，後邊我們再來詳細探索它們在實際的資料分析過程中的應用。

喜歡本文的小夥伴或者覺得本文對你有幫助可以點播關注或轉發喔。

最後：

小編推薦一個Python學習交流群，歡迎各位Python大佬、Python小白、想學Python的朋友加入，一起交流，分享與學習。群號959997225！！

本文來自網路，如有侵權，請聯絡小編刪除！