Python 數(shù)據(jù)可視化：數(shù)據(jù)分布統(tǒng)計(jì)圖和熱圖

本課將繼續(xù)介紹 Seaborn 中的統(tǒng)計(jì)圖。一定要牢記，Seaborn 是對(duì) Matplotlib 的高級(jí)封裝，它優(yōu)化了很多古老的做圖過(guò)程，因此才會(huì)看到一個(gè)函數(shù)解決問(wèn)題的局面。

創(chuàng)新互聯(lián)是一家企業(yè)級(jí)云計(jì)算解決方案提供商,超15年IDC數(shù)據(jù)中心運(yùn)營(yíng)經(jīng)驗(yàn)。主營(yíng)GPU顯卡服務(wù)器，站群服務(wù)器，托管服務(wù)器，海外高防服務(wù)器，機(jī)柜大帶寬、租用·托管，動(dòng)態(tài)撥號(hào)VPS，海外云手機(jī)，海外云服務(wù)器，海外服務(wù)器租用托管等。

在統(tǒng)計(jì)學(xué)中，研究數(shù)據(jù)的分布情況，也是一個(gè)重要的工作，比如某些數(shù)據(jù)是否為正態(tài)分布——某些機(jī)器學(xué)習(xí)模型很在意數(shù)據(jù)的分布情況。

在 Matplotlib 中，可以通過(guò)繪制直方圖將數(shù)據(jù)的分布情況可視化。在 Seaborn 中，也提供了繪制直方圖的函數(shù)。

輸出結(jié)果：

sns.distplot 函數(shù)即實(shí)現(xiàn)了直方圖，還順帶把曲線畫(huà)出來(lái)了——曲線其實(shí)代表了 KDE。

除了 sns.distplot 之外，在 Seaborn 中還有另外一個(gè)常用的繪制數(shù)據(jù)分布的函數(shù) sns.kdeplot，它們的使用方法類(lèi)似。

首先看這樣一個(gè)示例。

輸出結(jié)果：

① 的作用是設(shè)置所得圖示的背景顏色，這樣做的目的是讓下面的 ② 繪制的圖像顯示更清晰，如果不設(shè)置 ①，在顯示的圖示中看到的就是白底圖像，有的部分看不出來(lái)。

② 最終得到的是坐標(biāo)網(wǎng)格，而且在圖中分為三部分，如下圖所示。

相對(duì)于以往的坐標(biāo)網(wǎng)格，多出了 B 和 C 兩個(gè)部分。也就是說(shuō)，不僅可以在 A 部分繪制某種統(tǒng)計(jì)圖，在 B 和 C 部分也可以繪制。

繼續(xù)操作：

輸出結(jié)果：

語(yǔ)句 ③ 實(shí)現(xiàn)了在坐標(biāo)網(wǎng)格中繪制統(tǒng)計(jì)圖的效果，jp.plot 方法以?xún)蓚€(gè)繪圖函數(shù)為參數(shù)，分別在 A 部分繪制了回歸統(tǒng)計(jì)圖，在 B 和 C 部分繪制了直方圖，而且直方圖分別表示了對(duì)應(yīng)坐標(biāo)軸數(shù)據(jù)的分布，即：

我們把有語(yǔ)句 ② 和 ③ 共同實(shí)現(xiàn)的統(tǒng)計(jì)圖，稱(chēng)為聯(lián)合統(tǒng)計(jì)圖。除了用 ② ③ 兩句可以繪制這種圖之外，還有一個(gè)函數(shù)也能夠“兩步并作一步”，具體如下：

輸出結(jié)果：

Python 數(shù)據(jù)可視化：繪制箱線圖、餅圖和直方圖

上一課介紹了柱形圖和條形圖，本課將介紹另外幾種統(tǒng)計(jì)圖表。

Box Plot 有多種翻譯，盒須圖、盒式圖、盒狀圖或箱線圖、箱形圖等，不管什么名稱(chēng)，它的基本結(jié)構(gòu)是這樣的：

這種圖是由美國(guó)著名統(tǒng)計(jì)學(xué)家約翰·圖基（John Tukey）于 1977 年發(fā)明的，它能顯示出一組數(shù)據(jù)的上限、下限、中位數(shù)及上下四分位數(shù)。

為了更深入理解箱線圖的含義，假設(shè)有這樣一組數(shù)據(jù)：[1, 3, 5, 8, 10,11, 16, 98 ]，共有 8 個(gè)數(shù)字。

首先要計(jì)算箱線圖中的“四分位數(shù)”，注意不是 4 個(gè)數(shù)：

對(duì)于已經(jīng)排序的數(shù)據(jù) [1, 3, 5, 8, 10,11, 16, 98 ]，下四分位數(shù)（Q1）的位置是數(shù)列中從小到大第 2.25 個(gè)數(shù)，當(dāng)然是不存在這個(gè)數(shù)字的——如果是第 2 個(gè)或者第 3 個(gè)，則存在。但是，可以用下面的原則，計(jì)算出此位置的數(shù)值。

四分位數(shù)等于與該位置兩側(cè)的兩個(gè)整數(shù)的加權(quán)平均數(shù)，此權(quán)重取決于相對(duì)兩側(cè)整數(shù)的距離遠(yuǎn)近，距離越近，權(quán)重越大，距離越遠(yuǎn)，權(quán)重越小，權(quán)數(shù)之和等于 1。

根據(jù)這個(gè)原則，可以分別計(jì)算本例中數(shù)列的 3 個(gè)四分位數(shù)。

在此計(jì)算基礎(chǔ)上，還可以進(jìn)一步計(jì)算四分位間距和上限、下限的數(shù)值。

先看一個(gè)簡(jiǎn)單示例，了解基本的流程。

輸出結(jié)果：

這里繪制了兩張箱線圖，一張沒(méi)有顯示平均值，另外一張顯示了平均值，所使用的方法就是 boxplot，其完整參數(shù)列表為：

參數(shù)很多，不要擔(dān)心記憶問(wèn)題，更別擔(dān)心理解問(wèn)題。首先很多參數(shù)都是可以“望文生義”的，再有，與以前所使用的其他方法（函數(shù)）的參數(shù)含義也大同小異。

輸出結(jié)果：

所謂的“凹槽”，不是簡(jiǎn)單形狀的改變，左右折線的上限區(qū)間表示了數(shù)據(jù)分布的置信區(qū)間，橫線依然是上限和下限。

python繪圖篇

1，xlable,ylable設(shè)置x，y軸的標(biāo)題文字。

2，title設(shè)置標(biāo)題。

3，xlim,ylim設(shè)置x,y軸顯示范圍。

plt.show()顯示繪圖窗口，通常情況下，show（）會(huì)阻礙程序運(yùn)行，帶-wthread等參數(shù)的環(huán)境下，窗口不會(huì)關(guān)閉。

plt.saveFig（）保存圖像。

面向?qū)ο罄L圖

1，當(dāng)前圖表和子圖可以用gcf(),gca()獲得。

subplot()繪制包含多個(gè)圖表的子圖。

configure subplots,可調(diào)節(jié)子圖與圖表邊框距離。

可以通過(guò)修改配置文件更改對(duì)象屬性。

圖標(biāo)顯示中文

1，在程序中直接指定字體。

2， 在程序開(kāi)始修改配置字典reParams.

3，修改配置文件。

Artist對(duì)象

1，圖標(biāo)的繪制領(lǐng)域。

2，如何在FigureCanvas對(duì)象上繪圖。

3，如何使用Renderer在FigureCanvas對(duì)象上繪圖。

FigureCanvas和Render處理底層圖像操作，Artist處理高層結(jié)構(gòu)。

分為簡(jiǎn)單對(duì)象和容器對(duì)象，簡(jiǎn)單的Aritist是標(biāo)準(zhǔn)的繪圖元件，例如Line 2D,Rectangle,Text,AxesImage等，而容器類(lèi)型包含許多簡(jiǎn)單的的 Aritist對(duì)象，使他們構(gòu)成一個(gè)整體，例如Axis,Axes,Figure等。

直接創(chuàng)建Artist對(duì)象進(jìn)項(xiàng)繪圖操作步奏：

1，創(chuàng)建Figure對(duì)象（通過(guò)figure（）函數(shù)，會(huì)進(jìn)行許多初始化操作，不建議直接創(chuàng)建。）

2，為Figure對(duì)象創(chuàng)建一個(gè)或多個(gè)Axes對(duì)象。

3，調(diào)用Axes對(duì)象的方法創(chuàng)建各類(lèi)簡(jiǎn)單的Artist對(duì)象。

Figure容器

如何找到指定的Artist對(duì)象。

1，可調(diào)用add_subplot()和add_axes()方法向圖表添加子圖。

2，可使用for循環(huán)添加?xùn)鸥瘛?/p>

3，可通過(guò)transform修改坐標(biāo)原點(diǎn)。

Axes容器

1，patch修改背景。

2，包含坐標(biāo)軸，坐標(biāo)網(wǎng)格，刻度標(biāo)簽，坐標(biāo)軸標(biāo)題等內(nèi)容。

3，get_ticklabels(),,get-ticklines獲得刻度標(biāo)簽和刻度線。

1，可對(duì)曲線進(jìn)行插值。

2，fill_between()繪制交點(diǎn)。

3，坐標(biāo)變換。

4，繪制陰影。

5，添加注釋。

1，繪制直方圖的函數(shù)是

2，箱線圖（Boxplot）也稱(chēng)箱須圖（Box-whisker Plot），是利用數(shù)據(jù)中的五個(gè)統(tǒng)計(jì)量：最小值、第一四分位

數(shù)、中位數(shù)、第三四分位數(shù)與最大值來(lái)描述數(shù)據(jù)的一種方法，它可以粗略地看出數(shù)據(jù)是否具有對(duì)稱(chēng)性以及分

布的分散程度等信息，特別可以用于對(duì)幾個(gè)樣本的比較。

3，餅圖就是把一個(gè)圓盤(pán)按所需表達(dá)變量的觀察數(shù)劃分為若干份，每一份的角度（即面積）等價(jià)于每個(gè)觀察

值的大小。

4,散點(diǎn)圖

5,QQ圖

低層繪圖函數(shù)

類(lèi)似于barplot()，dotchart()和plot()這樣的函數(shù)采用低層的繪圖函數(shù)來(lái)畫(huà)線和點(diǎn)，來(lái)表達(dá)它們?cè)陧?yè)面上放置的位置以及其他各種特征。

在這一節(jié)中，我們會(huì)描述一些低層的繪圖函數(shù)，用戶(hù)也可以調(diào)用這些函數(shù)用于繪圖。首先我們先講一下R怎么描述一個(gè)頁(yè)面；然后我們講怎么在頁(yè)面上添加點(diǎn)，線和文字；最后講一下怎么修改一些基本的圖形。

繪圖區(qū)域與邊界

R在繪圖時(shí)，將顯示區(qū)域劃分為幾個(gè)部分。繪制區(qū)域顯示了根據(jù)數(shù)據(jù)描繪出來(lái)的圖像，在此區(qū)域內(nèi)R根據(jù)數(shù)據(jù)選擇一個(gè)坐標(biāo)系，通過(guò)顯示出來(lái)的坐標(biāo)軸可以看到R使用的坐標(biāo)系。在繪制區(qū)域之外是邊沿區(qū)，從底部開(kāi)始按順時(shí)針?lè)较蚍謩e用數(shù)字1到4表示。文字和標(biāo)簽通常顯示在邊沿區(qū)域內(nèi)，按照從內(nèi)到外的行數(shù)先后顯示。

添加對(duì)象

在繪制的圖像上還可以繼續(xù)添加若干對(duì)象，下面是幾個(gè)有用的函數(shù)，以及對(duì)其功能的說(shuō)明。

?points(x, y, ...)，添加點(diǎn)

?lines(x, y, ...)，添加線段

?text(x, y, labels, ...)，添加文字

?abline(a, b, ...)，添加直線y=a+bx

?abline(h=y, ...)，添加水平線

?abline(v=x, ...)，添加垂直線

?polygon(x, y, ...)，添加一個(gè)閉合的多邊形

?segments(x0, y0, x1, y1, ...)，畫(huà)線段

?arrows(x0, y0, x1, y1, ...)，畫(huà)箭頭

?symbols(x, y, ...)，添加各種符號(hào)

?legend(x, y, legend, ...)，添加圖列說(shuō)明

python可視化數(shù)據(jù)分析常用圖大集合（收藏）

python數(shù)據(jù)分析常用圖大集合：包含折線圖、直方圖、垂直條形圖、水平條形圖、餅圖、箱線圖、熱力圖、散點(diǎn)圖、蜘蛛圖、二元變量分布、面積圖、六邊形圖等12種常用可視化數(shù)據(jù)分析圖，后期還會(huì)不斷的收集整理，請(qǐng)關(guān)注更新！

以下默認(rèn)所有的操作都先導(dǎo)入了numpy、pandas、matplotlib、seaborn

一、折線圖

折線圖可以用來(lái)表示數(shù)據(jù)隨著時(shí)間變化的趨勢(shì)

Matplotlib

plt.plot(x,?y)

plt.show()

Seaborn

df?=?pd.DataFrame({'x':?x,?'y':?y})

sns.lineplot(x="x",?y="y",?data=df)

plt.show()

二、直方圖

直方圖是比較常見(jiàn)的視圖，它是把橫坐標(biāo)等分成了一定數(shù)量的小區(qū)間，然后在每個(gè)小區(qū)間內(nèi)用矩形條（bars）展示該區(qū)間的數(shù)值

Matplotlib

Seaborn

三、垂直條形圖

條形圖可以幫我們查看類(lèi)別的特征。在條形圖中，長(zhǎng)條形的長(zhǎng)度表示類(lèi)別的頻數(shù)，寬度表示類(lèi)別。

Matplotlib

Seaborn

1plt.show()

四、水平條形圖

五、餅圖

六、箱線圖

箱線圖由五個(gè)數(shù)值點(diǎn)組成：最大值 (max)、最小值 (min)、中位數(shù) (median) 和上下四分位數(shù) (Q3, Q1)。

可以幫我們分析出數(shù)據(jù)的差異性、離散程度和異常值等。

Matplotlib

Seaborn

七、熱力圖

力圖，英文叫 heat map，是一種矩陣表示方法，其中矩陣中的元素值用顏色來(lái)代表，不同的顏色代表不同大小的值。通過(guò)顏色就能直觀地知道某個(gè)位置上數(shù)值的大小。

通過(guò) seaborn 的 heatmap 函數(shù)，我們可以觀察到不同年份，不同月份的乘客數(shù)量變化情況，其中顏色越淺的代表乘客數(shù)量越多

八、散點(diǎn)圖

散點(diǎn)圖的英文叫做 scatter plot，它將兩個(gè)變量的值顯示在二維坐標(biāo)中，非常適合展示兩個(gè)變量之間的關(guān)系。

Matplotlib

Seaborn

九、蜘蛛圖

蜘蛛圖是一種顯示一對(duì)多關(guān)系的方法，使一個(gè)變量相對(duì)于另一個(gè)變量的顯著性是清晰可見(jiàn)

十、二元變量分布

二元變量分布可以看兩個(gè)變量之間的關(guān)系

十一、面積圖

面積圖又稱(chēng)區(qū)域圖，強(qiáng)調(diào)數(shù)量隨時(shí)間而變化的程度，也可用于引起人們對(duì)總值趨勢(shì)的注意。

堆積面積圖還可以顯示部分與整體的關(guān)系。折線圖和面積圖都可以用來(lái)幫助我們對(duì)趨勢(shì)進(jìn)行分析，當(dāng)數(shù)據(jù)集有合計(jì)關(guān)系或者你想要展示局部與整體關(guān)系的時(shí)候，使用面積圖為更好的選擇。

十二、六邊形圖

六邊形圖將空間中的點(diǎn)聚合成六邊形，然后根據(jù)六邊形內(nèi)部的值為這些六邊形上色。

原文至：

網(wǎng)站題目：python直方圖的函數(shù),python 直方圖
網(wǎng)頁(yè)鏈接：http://aaarwkj.com/article20/dsiigco.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供企業(yè)網(wǎng)站制作、企業(yè)建站、、手機(jī)網(wǎng)站建設(shè)、網(wǎng)站排名、定制網(wǎng)站

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶(hù)投稿、用戶(hù)轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話(huà)：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)