统计图表 |
您所在的位置:网站首页 › 条形统计图与直方图 › 统计图表 |
条形图与直方图
1. 条形图1.1 常用参数1.2水平显示条形图1.3 对比条形图1.4 堆积条形图
2. 直方图2.1 常用参数2.2 seaborn中的直方图2.2.1 常用参数
1. 条形图
条形图一般用于分类型变量的展示或探索性分析,特点是横轴代表类别,纵轴(条形图的长度)代表频数或者频率,因此条形图的宽度是没有意义的。 import numpy as np import matplotlib.pyplot as plt # 使用jupyter notebook要加上下面的代码以正确显示图片, %matplotlib inline N = 5 y = [20, 10, 30, 15, 25] x = np.arange(N) plt.bar(x, y) plt.show()
将条形图设置为水平显示有两种方法,一种是将参数orientation设置为’horizontal’;另一种是直接使用plt.barh()函数: plt.bar(x=0,bottom=x, width=y,height=0.5, color='g', orientation='horizontal')
对比条形图常用于多总体的分类型数据比较,主要通过使用给类别加上条形图的宽度作为偏移量来实现的: D1 = [20, 30 , 15, 18] D2 = [15, 20 , 30, 25] index = np.arange(4) bar_width = 0.3 plt.bar(index, D1, width=bar_width, color='r') plt.bar(index+bar_width, D2, width=bar_width, color='g')
在画对比条形图时,我们再类别加上了条形的宽度来对达到并排显示条形的目的;类似地,给一个分类变量的值加上另一个分类变量对应的取值,就是实现堆积的效果: plt.bar(index, D1, width=bar_width, color='r') plt.bar(index, D2, width=bar_width, bottom=D1,color='g')直方图主要是用来观察连续型变量的分布,可以将直方图看作变量分布的一个估计。 在matplotlib中使用hist函数可以直接画出对应数据的直方图 import numpy as np import matplotlib.pyplot as plt %matplotlib inline # 生成随机样本 mu = 20 sigma = 5 x = mu + sigma * np.random.randn(2000) plt.hist(x)
seaborn基于 matplot, 导入 seaborn 会修改默认的 matplotlib 配色方案和绘图样式,这会提高图表的可读性和美观性: seaborn中通过distplot来画出变量的直方图: import seaborn as sns from scipy.stats import norm x = np.random.gamma(20, size=2000) plt.figure() sns.distplot(x)
|
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |