【Python】数据分析.matplotlib.直方图案例处理&条形图与直方图的对比

【Python】数据分析.matplotlib.直方图案例处理&条形图与直方图的对比

文章目录

​​数据分析-matplotlib.（频数\频率）直方图案例处理&条形图与直方图的对比​​

​​一、直方图​​

​​补充​​​​注意​​

​​二、直方图与条形图的对比​​

​​条形图案例​​

数据分析-matplotlib.（频数\频率）直方图案例处理&条形图与直方图的对比

一、直方图

假设你获取了250部电影的是长，希望获取这些电影时长的分布状态（某一时间段中电影的数量，出现的频率）等信息。

from matplotlib import pyplot as pltfrom matplotlib import font_manager#设置字体my_font=font_manager.FontProperties(fname="C:\Windows\Fonts\msyh.ttc")#设置坐标轴数据x = [131,98,125,131,124,139,131,117,128,108,135,138,131,102,107,114,119,128,121,142,127,130,124,101,110,116,117,110,128,128,115,99,136,126,134,95,138,117,111,78,132,124,113,150,110,117,86,95,144,105,126,130,126,130,126,116,123,106,112,138,123,86,101,99,136,123,117,119,105,137,123,128,125,104,109,134,125,127,105,120,107,129,116,108,132,103,136,118,102,120,114,105,115,132,145,119,121,112,139,125,138,109,132,134,156,106,117,127,144,139,139,119,140,83,110,102,123,107,143,115,136,118,139,123,112,118,125,109,119,133,112,114,122,109,106,123,116,131,127,115,118,112,135,115,146,137,116,103,144,83,123,111,110,111,100,154,136,100,118,119,133,134,106,129,126,110,111,109,141,120,117,106,149,122,122,110,118,127,121,114,125,126,114,140,103,130,141,117,106,114,121,114,133,137,92,121,112,146,97,137,105,98,117,112,81,97,139,113,134,106,144,110,137,137,111,104,117,100,111,101,110,105,129,137,112,120,113,133,112,83,94,146,133,101,131,116,111,84,137,115,122,106,144,109,123,116,111,111,133,150]#绘制直方图plt.hist(x,20) ----参见源码#设置网格plt.grid(alpha=0.3)#展示plt.show()

hist（）源码：

在这里​​plt.hist(x,20)​​ 20指的就是bins，组数的意思。初稿设计如图所示，存在如下几个问题：

补充

组数：将数据分组，当数据在100个以内时，常分为5-12组。 组距：每个小组的两个端点之间的距离。

from matplotlib import pyplot as pltfrom matplotlib import font_manager#设置字体my_font=font_manager.FontProperties(fname="C:\Windows\Fonts\msyh.ttc")#设置坐标轴数据x = [131,98,125,131,124,139,131,117,128,108,135,138,131,102,107,114,119,128,121,142,127,130,124,101,110,116,117,110,128,128,115,99,136,126,134,95,138,117,111,78,132,124,113,150,110,117,86,95,144,105,126,130,126,130,126,116,123,106,112,138,123,86,101,99,136,123,117,119,105,137,123,128,125,104,109,134,125,127,105,120,107,129,116,108,132,103,136,118,102,120,114,105,115,132,145,119,121,112,139,125,138,109,132,134,156,106,117,127,144,139,139,119,140,83,110,102,123,107,143,115,136,118,139,123,112,118,125,109,119,133,112,114,122,109,106,123,116,131,127,115,118,112,135,115,146,137,116,103,144,83,123,111,110,111,100,154,136,100,118,119,133,134,106,129,126,110,111,109,141,120,117,106,149,122,122,110,118,127,121,114,125,126,114,140,103,130,141,117,106,114,121,114,133,137,92,121,112,146,97,137,105,98,117,112,81,97,139,113,134,106,144,110,137,137,111,104,117,100,111,101,110,105,129,137,112,120,113,133,112,83,94,146,133,101,131,116,111,84,137,115,122,106,144,109,123,116,111,111,133,150]#设置图形大小plt.figure(figsize=(20,8),dpi=80)#绘制直方图bin_width = 3 #设置组距为3num_bins = int((max(x)-min(x))/bin_width) #组数plt.hist(x,num_bins) #传入需要统计的数据、组数#plt.hist(x,[min(x)+i*bin_width for i in range(num_bins)]) #传入一个列表，长度为数组，值为分组依据，当组距不均匀时使用#plt.hist(x,num_bins,density=1) #density：false 是否绘制频率分布直方图，默认为频数直方图#设置坐标轴信息plt.xticks(list(range(min(x),max(x)+bin_width))[::bin_width],rotation=45)plt.xlabel("时长(分钟)",fontproperties=my_font)plt.ylabel("数量(部)",fontproperties=my_font)plt.title("250部电影的时长分布图",fontproperties=my_font)#设置网格plt.grid(True,linestyle="-.",alpha=0.3)#展示plt.show()

​​返回顶部​​

注意

1.若将组距改为5，则将会出现图形与x轴不对应，如图所示：

通过下图的计算，可以得知： 当组距是5时，极差为78，不是5的倍数，而每一组平均下来的距离就约是5.13，所以会比5多出一点点，之后就会出现累加效应。而且，可以发现最后一段本该属于148-153，最大值是156，并未显示出来，出现数据缺失。所以要控制好组距。

2.改成频率分布直方图 ---- 添加属性density

plt.hist(x,num_bins,density=1) #normed：bool 是否绘制频率分布直方图，默认为频数直方图

​​返回顶部​​

二、直方图与条形图的对比

1.首先，条形图是用条形的长度表示各类别频数的多少，其宽度（表示类别）则是固定的； 2.直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，因此其高度与宽度均有意义。 3.其次，由于分组数据具有连续性，直方图的各矩形通常是连续排列，而条形图则是分开排列。 4.最后，条形图主要用于展示分类数据，而直方图则主要用于展示数据型数据。 5.对于观察未进行统计的数据时通常采用直方图，可以在统计的同时观测数据分布；对于已经统计好的数据可根据要求选择图形样式。

​​条形图案例​​

例题辨析：

分析：对于以上题目所给的数据，可以看出已经进行过统计。因为quality表示的是在某个范围内满足条件的人数，所以不建议使用直方图，此时有范围和数据，我们可以采用条形图的设计以达到直方图的效果~

from matplotlib import pyplot as pltfrom matplotlib import font_manager#设置字体my_font=font_manager.FontProperties(fname="C:\Windows\Fonts\msyh.ttc")#设置数据interval = [0,5,10,15,20,25,30,35,40,45,60,90]width = [5,5,5,5,5,5,5,5,5,15,30,63] #组距quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]#设置图形大小plt.figure(figsize=(20,8),dpi=80)#绘制图形plt.bar(range(len(quantity)),quantity)#展示plt.show()

查询源码可以看到，条形图的默认宽度为0.8，我们将其调整为1（​​plt.bar(range(len(quantity)),quantity,width=1)​​），此时运行如下图所示，效果与直方图就十分接近了。

from matplotlib import pyplot as pltfrom matplotlib import font_manager#设置字体my_font=font_manager.FontProperties(fname="C:\Windows\Fonts\msyh.ttc")#设置数据interval = [0,5,10,15,20,25,30,35,40,45,60,90]width = [5,5,5,5,5,5,5,5,5,15,30,60] #组距quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]#设置图形大小plt.figure(figsize=(20,8),dpi=80)#绘制图形plt.bar(range(len(quantity)),quantity,width=1)#设置x轴刻度x_ = [i-0.5 for i in range(12)]_x_labels = intervalplt.xticks(x_,_x_labels)#设置网格plt.grid(True,linestyle="-.",alpha=0.3)#展示plt.show()

通过对x轴刻度的修改，满足了题意。但是还有个细节，就是最后一个刻度未显示，从题目中可以看出最后组距为60，所以刻度应该是150，这时需要修改代码：

#设置x轴刻度x_ = [i-0.5 for i in range(13)]_x_labels = interval+[150]plt.xticks(x_,_x_labels)

最后进行优化：

from matplotlib import pyplot as pltfrom matplotlib import font_manager#设置字体my_font=font_manager.FontProperties(fname="C:\Windows\Fonts\msyh.ttc")#设置数据interval = [0,5,10,15,20,25,30,35,40,45,60,90]width = [5,5,5,5,5,5,5,5,5,15,30,60] #组距quantity = [836,2737,3723,3926,3596,1438,3273,642,824,613,215,47]#设置图形大小plt.figure(figsize=(20,8),dpi=80)#绘制图形plt.bar(range(len(quantity)),quantity,width=1)#设置x轴刻度x_ = [i-0.5 for i in range(13)]_x_labels = interval+[150]plt.xticks(x_,_x_labels)#添加信息plt.xlabel("所花时间(分钟)",fontproperties=my_font)plt.ylabel("数量（人）",fontproperties=my_font)plt.title("2004年美国人花费在上班途中的时间分布图",fontproperties=my_font)#设置网格plt.grid(True,linestyle="-.",alpha=0.3)#展示plt.show()

​​返回顶部​​

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。