要想成为一名月入几万的数据分析师,绘制图表是…

2018-09-18 06:42:12来源:博客园 阅读 ()

新老客户大回馈,云服务器低至5折

要想成为一名月入几万的数据分析师,绘制图表是必会的!实例教程

 

1.折线图

在绘制折线图时,如果你的数据很小,图表的线条有点折,当你数据集比较大时候,比如超过100个点,则会呈现相对平滑的曲线。

在这里,我们使用三个plt.plot绘制了,不同斜率(1,2和3)的三条线。

import numpy as np

import matplotlib.pyplot as plt

cc= np.linspace(0,2,100)

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.plot(cc,cc,label='linear')

plt.plot(cc,cc**2,label='两倍')

plt.plot(cc,cc**3,label='三倍')

plt.xlabel('x label')

plt.ylabel('y label')

plt.title("折线图")

plt.legend()

plt.show()

cc = np.linspace(0,2,100)

plt.plot(cc,cc,label ='linear')

plt.plot(cc,cc ** 2,label ='quadratic')

plt.plot(cc,cc ** 3,label ='cubic')

plt.xlabel('x label')

plt.ylabel('y label')

结果显示,如下:

要想成为一名月入几万的数据分析师,绘制图表是必会的!实例教程

 

 

 

注意为了显示中文,我们plt.rcParams属性设置了中文字体,不然不能正确显示中文title的。

要想成为一名月入几万的数据分析师,绘制图表是必会的!实例教程

 

要想成为一名月入几万的数据分析师,绘制图表是必会的!实例教程

 

3.直方图

直方图也是一种常用的简单图表,本例中我们在同一张图片中绘制两个概率直方图。

import numpy as np

import matplotlib.pyplot as plt

np.random.seed(19680801)

mu1, sigma1 = 100, 15

mu2, sigma2 = 80, 15

x1 = mu1 + sigma1 * np.random.randn(10000)

x2 = mu2 + sigma2 * np.random.randn(10000)

n1, bins1, patches1 = plt.hist(x1, 50, density=True, facecolor='g', alpha=1)

n2, bins2, patches2 = plt.hist(x2, 50, density=True, facecolor='r', alpha=0.2)

plt.rcParams['font.sans-serif'] = ['SimHei']

plt.xlabel('智商')

plt.ylabel('置信度')

plt.title('IQ直方图')

plt.text(110, .025, r'$mu=100, sigma=15$')

plt.text(50, .025, r'$mu=80, sigma=15$')

# 设置坐标范围

plt.axis([40, 160, 0, 0.03])

plt.grid(True)

plt.show()

显示效果为:

要想成为一名月入几万的数据分析师,绘制图表是必会的!实例教程

 

4.条形图

我们要介绍的第四种,图表类型是条形图,我们这儿引入稍微比较复杂的条形图。

4.1平行条形图

此例中,我们引入三组(a,b,c)5个随机数(0~1),并用条形图打印出来,做比较

import numpy as np

import matplotlib.pyplot as plt

size = 5

a = np.random.random(size)

b = np.random.random(size)

c = np.random.random(size)

x = np.arange(size)

total_width, n = 0.8, 3

width = total_width / n

# redraw the coordinates of x

x = x - (total_width - width) / 2

# here is the offset

plt.bar(x, a, width=width, label='a')

plt.bar(x + width, b, width=width, label='b')

plt.bar(x + 2 * width, c, width=width, label='c')

plt.legend()

plt.show()

显示效果为:

要想成为一名月入几万的数据分析师,绘制图表是必会的!实例教程

 

4.2堆积条形图

数据同上,不过条形plot的时候,用的相互的值大小差异(水平方向),而不是条柱平行对比。

import numpy as np

import matplotlib.pyplot as plt

size = 5

a = np.random.random(size)

b = np.random.random(size)

c = np.random.random(size)

x = np.arange(size)

plt.bar(x, a, width=0.5, label='a',fc='r')

plt.bar(x, b, bottom=a, width=0.5, label='b', fc='g')

plt.bar(x, c, bottom=a+b, width=0.5, label='c', fc='b')

plt.ylim(0, 2.5)

plt.legend()

plt.grid(True)

plt.show()

显示效果为:

要想成为一名月入几万的数据分析师,绘制图表是必会的!实例教程

 

要想成为一名月入几万的数据分析师,绘制图表是必会的!实例教程

 

要想成为一名月入几万的数据分析师,绘制图表是必会的!实例教程

 

5.2嵌套饼图

import numpy as np

import matplotlib.pyplot as plt

size = 0.3

vals = np.array([[60., 32.], [37., 40.], [29., 10.]])

cmap = plt.get_cmap("tab20c")

outer_colors = cmap(np.arange(3)*4)

inner_colors = cmap(np.array([1, 2, 5, 6, 9, 10]))

print(vals.sum(axis=1))

# [92. 77. 39.]

plt.pie(vals.sum(axis=1), radius=1, colors=outer_colors,

wedgeprops=dict(width=size, edgecolor='w'))

print(vals.flatten())

# [60. 32. 37. 40. 29. 10.]

plt.pie(vals.flatten(), radius=1-size, colors=inner_colors,

wedgeprops=dict(width=size, edgecolor='w'))

# equal makes it a perfect circle

plt.axis('equal')

plt.show()

显示效果为:

要想成为一名月入几万的数据分析师,绘制图表是必会的!实例教程

 

5.3极轴饼图

极轴饼图是一种非常酷的图表,让我们看他的源码:

import numpy as np

import matplotlib.pyplot as plt

np.random.seed(19680801)

N = 10

theta = np.linspace(0.0, 2 * np.pi, N, endpoint=False)

radii = 10 * np.random.rand(N)

width = np.pi / 4 * np.random.rand(N)

ax = plt.subplot(111, projection='polar')

bars = ax.bar(theta, radii, width=width, bottom=0.0)

for r, bar in zip(radii, bars):

bar.set_facecolor(plt.cm.viridis(r / 10.))

bar.set_alpha(0.5)

plt.show()

显示效果为:

要想成为一名月入几万的数据分析师,绘制图表是必会的!实例教程

 

6.3D图表

3D图表也是能我们展示出超想象力的视觉效果的图表。

6.1三维散点图

首先来看看三维的散点图,源码:

import numpy as np

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

data = np.random.randint(0, 255, size=[40, 40, 40])

x, y, z = data[0], data[1], data[2]

ax = plt.subplot(111, projection='3d')

ax.scatter(x[:10], y[:10], z[:10], c='y')

ax.scatter(x[10:20], y[10:20], z[10:20], c='r')

ax.scatter(x[30:40], y[30:40], z[30:40], c='g')

ax.set_zlabel('Z')

ax.set_ylabel('Y')

ax.set_xlabel('X')

plt.show()

显示效果为:

要想成为一名月入几万的数据分析师,绘制图表是必会的!实例教程

 

要想成为一名月入几万的数据分析师,绘制图表是必会的!实例教程

 

要想成为一名月入几万的数据分析师,绘制图表是必会的!实例教程

 

怎么样,效果很酷把,好今天就给大家介绍到这里,如果你有任何问题,可以加到我的一个交流?:548+377+875 源码也有!教程也有!一起交流 快速入门!

标签:

版权申明:本站文章部分自网络,如有侵权,请联系:west999com@outlook.com
特别注意:本站所有转载文章言论不代表本站观点,本站所提供的摄影照片,插画,设计作品,如需使用,请与原作者联系,版权归原作者所有

上一篇:flask中缓存cache导入时引发的错误

下一篇:操作系统丶并发并行和线程