博主亲测！Python轻松绘制统计图形大全

后端

2023-08-05 01:20:51

掌握Python数据可视化：从基础到精通

数据可视化是将枯燥的数据转化为引人入胜的图形表示，以便于理解和交流。Python凭借其强大的数据处理和绘图功能，是数据可视化的理想选择。本文将带你踏上数据可视化之旅，从基础知识到高级技巧，全面提升你的技能。

数据可视化的必备知识

软件和库：

Python 3.x
Jupyter Notebook 或 Spyder 等 IDE
matplotlib
seaborn
pandas
numpy

基本概念：

图形类型： 直方图、散点图、线图、饼图、箱线图等
颜色映射： 选择合适的颜色方案来增强可读性和美观性
布局： 优化图形的布局，确保清楚简洁的呈现

统计图形绘制示例

1. 直方图

直方图展示数据的分布情况，绘制时使用 matplotlib.pyplot.hist() 函数：

import matplotlib.pyplot as plt
import numpy as np

# 生成正态分布数据
data = np.random.normal(0, 1, 1000)

# 绘制直方图
plt.hist(data, bins=20)
plt.xlabel("数据值")
plt.ylabel("频率")
plt.title("正态分布直方图")
plt.show()

2. 散点图

散点图展示变量之间的关系，绘制时使用 seaborn.scatterplot() 函数：

import seaborn as sns

# 生成两个正态分布数据集
data1 = np.random.normal(0, 1, 1000)
data2 = np.random.normal(1, 2, 1000)

# 绘制散点图
sns.scatterplot(data1, data2)
plt.xlabel("数据集1")
plt.ylabel("数据集2")
plt.title("数据集间关系散点图")
plt.show()

3. 线图

线图展示数据随时间的变化，绘制时使用 matplotlib.pyplot.plot() 函数：

import matplotlib.pyplot as plt

# 生成时间序列数据
times = np.linspace(0, 10, 100)
data = np.sin(times)

# 绘制线图
plt.plot(times, data)
plt.xlabel("时间 (s)")
plt.ylabel("正弦值")
plt.title("正弦函数线图")
plt.show()

4. 饼图

饼图展示数据各个部分的占比，绘制时使用 seaborn.pieplot() 函数：

import seaborn as sns

# 生成类别数据
categories = ["A", "B", "C", "D"]
values = [20, 30, 40, 10]

# 绘制饼图
sns.pieplot(values, labels=categories)
plt.title("数据分布饼图")
plt.show()

5. 箱线图

箱线图展示数据的分布、中位数和异常值，绘制时使用 matplotlib.pyplot.boxplot() 函数：

import matplotlib.pyplot as plt

# 生成数据
data = [np.random.normal(0, 1, 100), np.random.normal(2, 1, 100)]

# 绘制箱线图
plt.boxplot(data)
plt.xlabel("数据集")
plt.ylabel("数据值")
plt.title("数据分布箱线图")
plt.show()