栏目分类:
子分类:
返回
名师互学网用户登录
快速导航关闭
当前搜索
当前分类
子分类
实用工具
热门搜索
名师互学网 > IT > 软件开发 > 后端开发 > Python

【星海出品】数据可视化之Matplotlib入门(四)

Python 更新时间: 发布时间: IT归档 最新发布 模块sitemap 名妆网 法律咨询 聚返吧 英语巴士网 伯小乐 网商动力

【星海出品】数据可视化之Matplotlib入门(四)

盒图
箱形图更多用于多组数据的比较,相对直方图不仅节省了空间,还可以展示出许多直方图不能展示的信息。
Q1、Q3、mdian
Q1 - 1.5 * IQR

 Q1           mdian            Q3
            ---IQR---  
   Q1-1.5*IQR       Q3+1.5*IQR

values < Q1 - 1.5 * IQR
and
values < Q3 + 1.5 * IQR
比较小和比较大的都是离群点,

%matplotlib inline #魔法方法,可以省略 plt.show()

import matplotlib.pyplot as plt
import numpy as np
%matplotlib inline

基本盒图

test_data = [np.random.normal(0,std,100) for std in range(1,4)]
fig = plt.figure(figsize = (8,6))
plt.boxplot(test_data,notch=True,sym='s',vert=True)
#
#sym 表示离群点的表示方式,s 意思为一个方框
#横的画需要将,vert 更改为False,并且,将下边的 xticks 换成 yticks  , xlabel 换成 ylabel
#
plt.xticks([y+1 for y in range(len(test_data))],['x1','x2','x3'])
#
#调取X的一个属性
#
plt.xlabel('x')
plt.title('box plot')

对每一个盒图添加颜色

test_data = [np.random.normal(0,std,100) for std in range(1,4)]
fig = plt.figure(figsize = (8,6))
bplot = plt.boxplot(test_data,notch=False,sym='s',vert=True,patch_artist=True)

plt.yticks([y+1 for y in range(len(test_data))],['x1','x2','x3'])
plt.xlabel('x')
plt.title('box plot')

colors = ['pink','lightblue','lightgreen']
for pathch,color in zip(bplot['boxes'],colors):
    pathch.set_facecolor(color)
fig,axes  = plt.subplots(nrows=1,ncols=2,figsize=(12,5))
#建立子图
#子图的形状是1行2列,大小是12
#图的大小是宽 12 , 高 5

做一个小提琴图和一个盒图并进行对比。
#针对正太分布的分析展示图。

fig,axes  = plt.subplots(nrows=1,ncols=2,figsize=(12,5))
test_data = [np.random.normal(0,std,100) for std in range(6,10)]

axes[0].violinplot(test_data,showmeans=False,showmedians=True)
axes[0].set_title('violin plot') 

axes[1].boxplot(test_data)
axes[1].set_title('box plot')

#对上一步的补充,增加 X 轴的标签。增加横线

fig,axes  = plt.subplots(nrows=1,ncols=2,figsize=(12,5))
test_data = [np.random.normal(0,std,100) for std in range(6,10)]

axes[0].violinplot(test_data,showmeans=False,showmedians=True)
axes[0].set_title('violin plot') 

axes[1].boxplot(test_data)
axes[1].set_title('box plot')

for ax in axes:
    ax.yaxis.grid(True)
    ax.set_xticks([y+1 for y in range(len(test_data))])

plt.setp(axes,xticks=[y+1 for y in range(len(test_data))],xticklabels=['x1','x2','x3','x4'])

把标签设置在图的外面的正上方

fig = plt.figure()
ax = plt.subplot(111)

x = np.arange(10)
y = np.arange(10)

plt.plot(x,y,label = 'group')

ax.legend(loc='upper center',bbox_to_anchor = (0.5,1.15),ncol = 3)
#0.5  和 1.15 的意思为,设置标签 在图中的坐标

全局的标题的大小设置

import matplotlib as mpl
mpl.rcParams['axes.titlesize'] = '30'
#设置标题的大小,全局的

简单的直方图

import numpy as np
import matplotlib.pyplot as plt

data = np.random.normal(0,20,1000)
bins = np.arange(-100,100,5)

plt.hist(data,bins=bins)
#绘图,bins的意思为区域从-100 到 100,每5个值进行一个直方展示

plt.xlim([min(data)-5,max(data)+5])
#绘制直方图,最小的值预留5个单位,最大的值也预留5个单位。

plt.show()

多直方图展示

import numpy as np
import matplotlib.pyplot as plt

data1 = np.random.normal(0,20,1000)
data2 = np.random.normal(10,30,1000)

bins = np.arange(-100,100,5)

plt.hist(data1,bins=bins, label='class1',alpha=0.3)
plt.hist(data2,bins=bins, label='class2',alpha=0.3)

plt.xlim([min(data)-5,max(data)+5])
plt.legend(loc='best')
plt.show()

利用平均值和方差的散点图

mu_vec1 = np.array([0,0])
cov_mat1 = np.array([[1,0],[0,1]])
X = np.random.multivariate_normal(mu_vec1, cov_mat1, 500)
fig = plt.figure(figsize=(8,6))

R=X**2
R_sum=R.sum(axis = 1)
plt.scatter(X[:,0],X[:,1],color='grey',marker='o',s=20*R_sum,alpha=0.5)
转载请注明:文章转载自 www.mshxw.com
本文地址:https://www.mshxw.com/it/893476.html
我们一直用心在做
关于我们 文章归档 网站地图 联系我们

版权所有 (c)2021-2022 MSHXW.COM

ICP备案号:晋ICP备2021003244-6号