19.散點(diǎn)圖（Scatter plots）
19.1.連接散點(diǎn)圖 (Connected scatter plot)
19.2.氣泡圖（Bubble chart）
19.3.不同顏色的散點(diǎn)圖
20.直方圖（Histograms）

19.散點(diǎn)圖（Scatter plots）

當(dāng)想顯示兩個(gè)變量之間的關(guān)系時(shí)，使用散點(diǎn)圖。 散點(diǎn)圖有時(shí)稱(chēng)為相關(guān)圖，因?yàn)樗鼈冿@示了兩個(gè)變量之間的關(guān)系。

import numpy as np import matplotlib.pyplot as pltplt.scatter(x=range(77, 770, 10),y=np.random.randn(70)*55+range(77, 770, 10),s=200, alpha=0.6) plt.tick_params(labelsize=12) plt.xlabel('Surface(m2)', size=12) plt.ylabel('Turnover (K dollars)', size=12) plt.xlim(left=0) plt.ylim(bottom=0)plt.show()

此圖描述了商店面積與其營(yíng)業(yè)額之間的正相關(guān)關(guān)系。

import numpy as np import matplotlib.pyplot as pltplt.scatter(x=range(20, 80, 1), y=np.abs(np.random.randn(60)*40),s=200,alpha=0.6) plt.xlabel('Age', size=12) plt.ylabel('Average purchase cost per week(dollars)', size=12)plt.show()

此圖表明客戶的年齡與其每周購(gòu)買(mǎi)費(fèi)用之間沒(méi)有關(guān)心。

19.1.連接散點(diǎn)圖 (Connected scatter plot)

連接的散點(diǎn)圖是散點(diǎn)圖和折線圖之間的混合，它使用線段來(lái)連接連續(xù)的散點(diǎn)圖點(diǎn)，例如以說(shuō)明隨時(shí)間變化的軌跡。

連接的散點(diǎn)圖可視化了散點(diǎn)圖中的兩個(gè)相關(guān)時(shí)間序列，并將這些點(diǎn)與時(shí)間順序上的線連接起來(lái)。

import numpy as np import matplotlib.pyplot as pltturnover = [30, 38, 26, 20, 21, 15, 8, 5, 3, 9, 25, 27] plt.plot(np.arange(12), turnover, marker='o')plt.show()

假設(shè)上面的圖描述了一年內(nèi)銷(xiāo)售營(yíng)業(yè)額。 根據(jù)該圖，我們可以發(fā)現(xiàn)銷(xiāo)售在冬天達(dá)到頂峰，然后從春季到夏季下降。

19.2.氣泡圖（Bubble chart）

氣泡圖是一種顯示三個(gè)維度的數(shù)據(jù)的圖。一個(gè)附加變量的值通過(guò)點(diǎn)的大小表示。

import numpy as np import matplotlib.pyplot as pltnbclients = range(10, 494, 7) plt.scatter(x=range(77, 770, 10),y=np.random.randn(70)*55+range(77, 770, 10),s=nbclients, alpha=0.6)plt.show()

19.3.不同顏色的散點(diǎn)圖

由matplotlib創(chuàng)建的散點(diǎn)圖無(wú)法根據(jù)類(lèi)別變量的值指定顏色。 因此，我們必須重疊不同顏色的圖。

import numpy as np import matplotlib.pyplot as pltplt.scatter(x=range(40, 70, 1),y=np.abs(np.random.randn(30)*20),s=200,#c = 'blue',alpha=0.6,label='40-69') plt.scatter(x=range(20, 40, 1),y=np.abs(np.random.randn(20)*40),s=200,#c = 'red',alpha=0.6,label='20-39') plt.legend() # 每次都要執(zhí)行 plt.show()

這個(gè)2色散點(diǎn)圖清楚地顯示了年輕人與中年人或老年人之間的每周購(gòu)買(mǎi)花費(fèi)的差異：年輕人的平均每周購(gòu)買(mǎi)量是中年人或老年人的兩倍。

20.直方圖（Histograms）

直方圖是一種統(tǒng)計(jì)報(bào)告圖，是一些數(shù)值數(shù)據(jù)的頻率分布的圖形表示。由一系列高度不等的縱向條紋或線段表示數(shù)據(jù)分布的情況。 一般用橫軸表示數(shù)據(jù)類(lèi)型，縱軸表示分布情況。

直方圖是數(shù)值數(shù)據(jù)分布的圖形表示，是一個(gè)連續(xù)變量的概率分布的估計(jì)。

為了構(gòu)建直方圖，第一步是將值的范圍分段，即將整個(gè)值的范圍分成一系列間隔，然后計(jì)算每個(gè)間隔中有多少值。 這些值通常被指定為連續(xù)的，不重疊的變量間隔。 間隔必須相鄰，并且通常是相等的大小。

如果構(gòu)造直方圖，首先將可能的x值范圍分配到通常相等大小和相鄰的區(qū)間。
pyplot.hist函數(shù)定義文檔：plot.hist函數(shù)定義文檔plot.hist（https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.hist.html）

現(xiàn)在我們創(chuàng)建一個(gè)隨機(jī)數(shù)的直方圖：

import matplotlib.pyplot as plt import numpy as np gaussian_numbers = np.random.normal(size=10000) print(gaussian_numbers) ''' 輸出結(jié)果： [-2.88618646 -0.15302214 -0.35230715 ... -0.42074156 0.41650123 0.56230326] '''plt.hist(gaussian_numbers) plt.title("Gaussian Histogram") plt.xlabel("Value") plt.ylabel("Frequency") plt.show()

返回值：
?n The values of the histogram bins.
?bins
The edges of the bins. Length nbins + 1 (nbins left edges and right edge of last bin).
?patches
Silent list of individual patches used to create the histogram or list of such list if multiple input datasets.

import matplotlib.pyplot as plt import numpy as np gaussian_numbers = np.random.normal(size=10000) print(gaussian_numbers) ''' 輸出結(jié)果： [-2.88618646 -0.15302214 -0.35230715 ... -0.42074156 0.41650123 0.56230326] '''n, bins, patches = plt.hist(gaussian_numbers) print("n: ", n, sum(n)) print("bins: ", bins) for i in range(len(bins)-1):print(bins[i+1] -bins[i]) print("patches: ", patches) print(patches[1]) """ 輸出結(jié)果： n: [ 25. 182. 940. 2230. 2951. 2268. 1066. 300. 34. 4.] 10000.0 bins: [-3.44422377 -2.68683456 -1.92944534 -1.17205613 -0.41466692 0.34272231.10011151 1.85750072 2.61488994 3.37227915 4.12966836] 0.7573892130572868 0.757389213057287 0.757389213057287 0.7573892130572868 0.7573892130572868 0.7573892130572872 0.7573892130572863 0.7573892130572872 0.7573892130572872 0.7573892130572859 patches: <BarContainer object of 10 artists> Rectangle(xy=(-2.68683, 0), width=0.757389, height=182, angle=0) """plt.title("Gaussian Histogram") plt.xlabel("Value") plt.ylabel("Frequency") plt.show()

參數(shù)說(shuō)明：
?data:必選參數(shù)，繪圖數(shù)據(jù)
?bins:直方圖的長(zhǎng)條形數(shù)目，可選項(xiàng)，默認(rèn)為10
?normed:是否將得到的直方圖向量歸一化，可選項(xiàng)，默認(rèn)為0，代表不歸一化，顯示頻數(shù)。normed=1，表示歸一化，顯示頻率。
?facecolor:長(zhǎng)條形的顏色
?edgecolor:長(zhǎng)條形邊框的顏色
?alpha:透明度

讓我們?cè)黾觔in的數(shù)量。 如果有10,000個(gè)隨機(jī)值，將關(guān)鍵字參數(shù)bins設(shè)置為100：

plt.hist(gaussian_numbers, bins=100) plt.show()

hist的另一個(gè)重要關(guān)鍵字參數(shù)是density。 density是可選的，默認(rèn)值為False。 如果將其設(shè)置為T(mén)rue，則返回元組的第一個(gè)元素將被歸一化以形成概率密度的計(jì)數(shù)值， 即直方圖下的面積（或積分）總和為1。

plt.hist(gaussian_numbers, bins=100, density=True) plt.show()

hist可設(shè)置edgecolor和color。

plt.hist(gaussian_numbers, bins=100, density=True, edgecolor="#6A9662",color="#DDFFDD") plt.show()

通過(guò)設(shè)置參數(shù)cumulative，我們也可以將其繪制為累積分布函數(shù)。

n, bins, patches = plt.hist(gaussian_numbers,bins=100,density=True,edgecolor="#BB5566",color="#DDFFDD",cumulative=True) plt.show()

總結(jié)

以上是生活随笔為你收集整理的19、20_散点图、连接散点图、气泡图、不同颜色的散点图、直方图的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。