7招用Python画出酷酷的|散点直方图

浏览: 1404

这是菜鸟学Python的第103篇原创文章

阅读本文大概需要3分钟

    数据可视化前面已经写了2篇(小白开始学Python最著名的绘图库,最适合小白学的花色玩Python折线图|画个天气预报),今天我们接着来讲比较常见的散点图和直方图.这两种图用法上各有千秋,散点图更适合离散的数据可视化,通过圆圈的大小和疏密来呈现,而直方图是万金油,几乎所有的可视化工具都支持这两种图形,好下面我们就来看看如何画出酷酷的图吧

要点:

多彩散点图

气泡散点图

双层直方图

叠加直方图

五彩直方图

水平直方图

倒影直方图

1,散点图

1.五彩的散点图

散点图在Matplotlib中,是用调用scatter函数来绘制的

image.png

  • x轴就用最简单的一个[1,21]的序列,y轴用[1,21]的平方

  • 我们设计一个7色的颜色库,存入列表,

  • 然后产生一个随机颜色的列表

  • 用plt.figure()绘制画布

  • 然后把x,y序列放入plt.scatter()函数中,c为填入随机颜色表

image.png

2.大小不一的泡泡图

上面的图好像不是很过瘾,我们能不能画出大小不一的散点呢,就像泡泡一样,答案是可以的,matplotlib还是很强大滴

image.png

  • 首先,x,y轴用numpy产生一些随机的0-1之间的80个样本值

  • 然后,生成80个圆圈,大小不一

  • 最后,把x,y序列放入plt.scatter()函数中,c为填入随机颜色表,大小为80个随机的圆圈值,把透明度设为0.5

  • image.png2,直方图

  • 1.双层直方图直方图在Matplotlib中,是用调用bar函数来绘制的

  • image.png

  • 我们希望画出对比的直方图,用两组数据

    • xvals1,y1 和xvals2,y2 ,只不过xvals2的坐标比xvals1的坐标稍微偏移0.3

    • x轴的序列为[1,9],y的序列为[1,9]

    • x2轴的序列为[1,9]偏移0.3,y的序列为[1,9]的平方

    • 用plt.bar()分别画出2组直方图

    image.png

  • 2.带底部的直方图

  • image.png

    跟上面的类似,但是有一个地方注意,就是第二组直方图的时候 ,bottom为第一组直方图的纵坐标的数据,相当于踩在第一组的数据的头上来画的plt.bar(pos,quadratic_data,width=0.3,bottom=linear_data,color='r')

    image.png

    3.五彩的直方图

    能不能把每一个直方图的颜色都不一样,这样可以区分对待,可以的

    image.png

    我们只需要把plt.bar()的返回对象取出来,它返回的是一组bar的集合,然后分别设置颜色,其实matplotlib是面对对象的,你只要理解了它的套路就知道该怎么设置

    image.png

    4.水平的直方图

    那么直方图都是垂直的,有没有什么办法可以画水平的横向直方图呢,当然可以只需要稍微改动一个字母就可以了

    image.png

    把plt.bar()改成plt.barh()就变成了横向的直方图了,简单不,上面有一个是底部的直方图用到了bottom关键字,聪明的同学应该想到横向的类比一下,用left关键字就可以了

    image.png

    5.水中倒影的直方图

     下面这个更酷,我们画出两组直方图,然后y轴取反,就像水中倒影一下

    image.png

    • 随机一组10个[0,1]直接均匀分布的样本值

    • 最关键的就是第一组的bar的y轴是正值,第二组的bar的y轴是负值

    • 然后用不同的颜色画出来

    • 最后把每一个直方图上标记注释数字

    • image.png

    • 结论:


      好,数据可视化神器matplotlib之折散点和直方图篇,就讲到这里,是不是觉得还蛮简单的,其实matplotlib是非常强大的,可以画出很多种漂亮的图形,小伙伴们动起手来,试一下,若有什么问题,欢迎大家留言,一起讨论,后面会介绍一些懒人专用的画图神器,敬请期待


    推荐 0
    本文由 菜鸟学Python 创作,采用 知识共享署名-相同方式共享 3.0 中国大陆许可协议 进行许可。
    转载、引用前需联系作者,并署名作者且注明文章出处。
    本站文章版权归原作者及原出处所有 。内容为作者个人观点, 并不代表本站赞同其观点和对其真实性负责。本站是一个个人学习交流的平台,并不用于任何商业目的,如果有任何问题,请及时联系我们,我们将根据著作权人的要求,立即更正或者删除有关内容。本站拥有对此声明的最终解释权。

    0 个评论

    要回复文章请先登录注册