12.柱形图&直方图

1.柱形图

以长方形的单位长度，根据数据大小绘制的统计图，用来比较两个或以上的数据（时间或类别）。

1.1 柱形图绘图函数

#绘制竖向柱形图
bar(left, height, width, color)

#绘制横向柱形图
barh(bottom, width, height, color)
  • left：x轴的位置序列
  • height：y轴的数值序列
  • width：柱形图的宽度
  • color：柱形图填充颜色

1.2 单分组柱形图

import numpy
import pandas
import matplotlib
from matplotlib import pyplot as plt

font = {
    'family': 'Microsoft YaHei Mono',
    'size': 14        
}

matplotlib.rc('font', **font)

data = pandas.read_csv(
    '/users/bakufu/desktop/6.4/data.csv'        
)
Out[22]: 
            号码       省份  手机  通信      系统   月消费   月流量
0      166547114238   河北  HTC  神州行  Android   298.9   318.6
1      166423353436   河南  HTC  神州行  Android   272.8  1385.9
2      166556915853   福建  HTC  神州行  Android    68.8   443.6
3      166434728749   湖南  HTC  神州行  Android     4.6   817.3
4      166544742252   北京  HTC  神州行  Android   113.2   837.4
5      166827395761   江苏  HTC  神州行  Android    34.3  1908.5
6      166917847616   福建  HTC  神州行  Android   277.5    79.8
7      166528757061   宁夏  HTC  神州行  Android    42.2  1199.2
8      166809774605   上海  HTC  神州行  Android   277.0   694.0
9      166434676621   广东  HTC  神州行  Android   276.9  1404.0
10     166412957510   北京  HTC  神州行  Android   124.5  1436.2
            ...  ...  ...  ...      ...     ...     ...
31401  166817901011   甘肃  HTC  神州行  Android    99.9  1815.5
[31402 rows x 7 columns]

result = data.groupby(
    by=['手机'],
    as_index=False        
)['月消费'].agg({
    '月消费': numpy.sum        
})
Out[44]: 
     手机        月消费
0   HTC       458171.6
1    三星     1009290.8
2    华为      25696.0
3  摩托罗拉    117623.1
4    联想      89443.7
5    苹果     123259.3
6   诺基亚    2840362.9
7    金立      28350.4

#竖向柱形图
index = numpy.arange(
    result.月消费.size        
)
plt.bar(index, result['月消费'])
plt.show()
image.png

1.2.1 优化1，配置颜色

mainColor = (42/256, 87/256, 141/256, 1)
plt.bar(
    index, result['月消费'],
    color=mainColor        
)
plt.show()

1.2.2 优化2，配置x轴刻度

plt.bar(
    index, result['月消费'],
    color=mainColor        
)
plt.xticks(index, result.手机)
plt.show()
image.png

1.2.3 优化3，数据排序

sgb = result.sort_values(
    by="月消费",
    ascending=False        
)
plt.bar(
    index, sgb.月消费,
    color=mainColor        
)
plt.xticks(index, sgb.手机)
plt.show()
image.png

1.2.4 横向柱形图

plt.barh(
    index, sgb.月消费,
    color=mainColor
)
plt.yticks(index, sgb.手机)
plt.show()
image.png

1.3 多分组柱形图

import pandas
import numpy
import matplotlib
from matplotlib import pyplot as plt

font = {
    'family': 'Microsoft YaHei Mono'        
}
matplotlib.rc('font', **font)

data = pandas.read_csv(
    '/users/bakufu/desktop/6.4/data.csv'        
)
Out[54]: 
               号码    省份  手机   通信     系统   月消费    月流量
0      166547114238   河北  HTC  神州行  Android  298.9   318.6
1      166423353436   河南  HTC  神州行  Android  272.8  1385.9
2      166556915853   福建  HTC  神州行  Android   68.8   443.6
3      166434728749   湖南  HTC  神州行  Android    4.6   817.3
4      166544742252   北京  HTC  神州行  Android  113.2   837.4
5      166827395761   江苏  HTC  神州行  Android   34.3  1908.5
6      166917847616   福建  HTC  神州行  Android  277.5    79.8
7      166528757061   宁夏  HTC  神州行  Android   42.2  1199.2
8      166809774605   上海  HTC  神州行  Android  277.0   694.0
9      166434676621   广东  HTC  神州行  Android  276.9  1404.0
10     166412957510   北京  HTC  神州行  Android  124.5  1436.2
            ...  ...  ...  ...      ...    ...     ...
31401  166817901011   甘肃  HTC  神州行  Android   99.9  1815.5
[31402 rows x 7 columns]

result = data.pivot_table(
    values='月消费',
    index='手机',
    columns='通信',
    aggfunc=numpy.sum        
)
Out[56]: 
        全球通     动感地带    神州行                                 
HTC   10789.5    83844.7   363537.4
三星    36769.3   351629.7   620891.8
华为     2087.6     6091.0    17517.4
摩托罗拉   4147.9    47145.1    66330.1
联想     5220.1    27285.4    56938.2
苹果    18746.6    73537.0    30975.7
诺基亚   99367.4  1179443.7  1561551.8
金立     2160.9     6291.2    19898.3

index = numpy.arange(len(result))
minColor = (42/256, 87/256, 141/256, 1/3)
midColor = (42/256, 87/256, 141/256, 2/3)
maxColor = (42/256, 87/256, 141/256, 3/3)
Out[58]: array([0, 1, 2, 3, 4, 5, 6, 7])

#使用排列方式，把数据排列放好，即是多维条形图
plt.bar(
    index, result['全球通'],
    color=minColor, width=1/4        
)
plt.bar(
    index+1/4, result['动感地带'],
    color=midColor, width=1/4        
)
plt.bar(
    index+2/4, result['神州行'],
    color=maxColor, width=1/4        
)
plt.xticks(index+1/3, result.index)
plt.legend['全球通', '动感地带', '神州行']
plt.show()
image.png

1.3.1 优化，数据排序

result = result.sort_values(
    by='神州行', ascending=False        
)

plt.bar(
    index, result['神州行'],
    color=minColor, width=1/4
)
plt.bar(
    index+1/4, result['动感地带'],
    color=midColor, width=1/4        
)
plt.bar(
    index+2/4, result['全球通'],
    color=maxColor, width=1/4        
)
plt.xticks(index+1/3, result.index)
plt.legend(['神州行', '动感地带', '全球通'])
plt.show()
image.png

1.4 堆积柱形图

import numpy
import pandas
import matplotlib
from matplotlib import pyplot as plt

font = {
    'family': 'Microsoft YaHei Mono',
    'size': 14        
}
matplotlib.rc('font', **font)

data = pandas.read_csv(
    '/users/bakufu/desktop/6.4/data.csv'
)
Out[66]: 
               号码    省份  手机   通信     系统   月消费    月流量
0      166547114238   河北  HTC  神州行  Android  298.9   318.6
1      166423353436   河南  HTC  神州行  Android  272.8  1385.9
2      166556915853   福建  HTC  神州行  Android   68.8   443.6
3      166434728749   湖南  HTC  神州行  Android    4.6   817.3
4      166544742252   北京  HTC  神州行  Android  113.2   837.4
5      166827395761   江苏  HTC  神州行  Android   34.3  1908.5
6      166917847616   福建  HTC  神州行  Android  277.5    79.8
7      166528757061   宁夏  HTC  神州行  Android   42.2  1199.2
8      166809774605   上海  HTC  神州行  Android  277.0   694.0
9      166434676621   广东  HTC  神州行  Android  276.9  1404.0
10     166412957510   北京  HTC  神州行  Android  124.5  1436.2
            ...  ...  ...  ...      ...    ...     ...
31401  166817901011   甘肃  HTC  神州行  Android   99.9  1815.5
[31402 rows x 7 columns]

result = data.pivot_table(
    values='月消费',
    index='手机',
    columns='通信',
    aggfunc=numpy.sum        
)
Out[68]: 
        全球通       动感地带        神州行                          
HTC   10789.5    83844.7   363537.4
三星    36769.3   351629.7   620891.8
华为     2087.6     6091.0    17517.4
摩托罗拉   4147.9    47145.1    66330.1
联想     5220.1    27285.4    56938.2
苹果    18746.6    73537.0    30975.7
诺基亚   99367.4  1179443.7  1561551.8
金立     2160.9     6291.2    19898.3

index = numpy.arange(len(result))
minColor = [42/256, 87/256, 141/256, 1/3]
midColor = [42/256, 87/256, 141/256, 2/3]
maxColor = [42/256, 87/256, 141/256, 3/3]
Out[70]: array([0, 1, 2, 3, 4, 5, 6, 7])

result = result.sort_values(
    by="神州行", ascending=False        
)
Out[71]: 
        全球通      动感地带    神州行                                 
诺基亚   99367.4  1179443.7  1561551.8
三星    36769.3   351629.7   620891.8
HTC   10789.5    83844.7   363537.4
摩托罗拉   4147.9    47145.1    66330.1
联想     5220.1    27285.4    56938.2
苹果    18746.6    73537.0    30975.7
金立     2160.9     6291.2    19898.3
华为     2087.6     6091.0    17517.4

#使用排列方式，将数据堆叠放好
plt.bar(
    index, result['神州行'],
    color = maxColor        
)
plt.bar(
    index, result['动感地带'],
    bottom=result['神州行'],
    color = midColor        
)
plt.bar(
    index, result['全球通'],
    bottom=result['神州行']+result['动感地带'],
    color = minColor        
)
plt.xticks(index, result.index)
plt.legend(['神州行', '动感地带', '全球通'])
plt.show()
image.png

1.5 双向柱形图

import numpy
import pandas
import matplotlib
from matplotlib import pyplot as plt

font = {
    'family': 'Microsoft YaHei Mono',
    'size': 14       
}
matplotlib.rc('font', **font)

#解决负号是矩形的问题
matplotlib.rcParams['axes.unicode_minus']=False

data = pandas.read_csv(
    '/users/bakufu/desktop/6.4/data.csv'
)
Out[66]: 
               号码    省份  手机   通信     系统   月消费    月流量
0      166547114238   河北  HTC  神州行  Android  298.9   318.6
1      166423353436   河南  HTC  神州行  Android  272.8  1385.9
2      166556915853   福建  HTC  神州行  Android   68.8   443.6
3      166434728749   湖南  HTC  神州行  Android    4.6   817.3
4      166544742252   北京  HTC  神州行  Android  113.2   837.4
5      166827395761   江苏  HTC  神州行  Android   34.3  1908.5
6      166917847616   福建  HTC  神州行  Android  277.5    79.8
7      166528757061   宁夏  HTC  神州行  Android   42.2  1199.2
8      166809774605   上海  HTC  神州行  Android  277.0   694.0
9      166434676621   广东  HTC  神州行  Android  276.9  1404.0
10     166412957510   北京  HTC  神州行  Android  124.5  1436.2
            ...  ...  ...  ...      ...    ...     ...
31401  166817901011   甘肃  HTC  神州行  Android   99.9  1815.5
[31402 rows x 7 columns]

result = data.pivot_table(
    values='月消费',
    index='手机',
    columns='通信',
    aggfunc=numpy.sum        
)
Out[84]: 
        全球通    动感地带     神州行                                
HTC   10789.5    83844.7   363537.4
三星    36769.3   351629.7   620891.8
华为     2087.6     6091.0    17517.4
摩托罗拉   4147.9    47145.1    66330.1
联想     5220.1    27285.4    56938.2
苹果    18746.6    73537.0    30975.7
诺基亚   99367.4  1179443.7  1561551.8
金立     2160.9     6291.2    19898.3

index = numpy.arange(len(result))
minColor = (42/256, 87/256, 141/256, 1/3)
midColor = (42/256, 87/256, 141/256, 2/3)
maxColor = (42/256, 87/256, 141/256, 3/3)
Out[86]: array([0, 1, 2, 3, 4, 5, 6, 7])

result = result.sort_values(
    by="神州行",
    ascending=False        
)
Out[88]: 
        全球通      动感地带    神州行                                 
诺基亚   99367.4  1179443.7  1561551.8
三星    36769.3   351629.7   620891.8
HTC   10789.5    83844.7   363537.4
摩托罗拉   4147.9    47145.1    66330.1
联想     5220.1    27285.4    56938.2
苹果    18746.6    73537.0    30975.7
金立     2160.9     6291.2    19898.3
华为     2087.6     6091.0    17517.4

#使用排列方式，把数据堆叠放好
plt.barh(
    index,
    result['动感地带'],
    color = minColor        
)
plt.barh(
    index,
    -result['神州行'],
    color = maxColor        
)
plt.yticks(index, result.index)
plt.legend(['动感地带', '神州行'])
plt.show()
image.png

2.直方图

使用一系列等宽不等高的长方形绘制，宽度表示数据范围的间隔，高度表示在给定间隔内数据出现的频数，变化的高度形态表示数据分布情况。

用于显示各组频数分布情况，对比各组频数之间的差异。

直方图绘制函数

hist(x, color, bins, cumulative=False)
  • x：需要进行绘制的向量
  • color：直方图的填充颜色
  • bins：设置直方图的分组个数
  • cumulative：设置是否累积技术，默认是False
import numpy
import pandas
import matplotlib
from matplotlib import pyplot as plt

font = {
    'family': 'Microsoft YaHei Mono',
    'size': 14        
}
matplotlib.rc('font', **font)

data = pandas.read_csv(
    '/users/bakufu/desktop/6.5/data.csv'        
)
Out[99]: 
         日期  购买用户数 广告费用 渠道数
0    2014-01-01   2496   9.14    6
1    2014-01-02   2513   9.47    8
2    2014-01-03   2228   6.31    4
3    2014-01-04   2336   6.41    2
4    2014-01-05   2508   9.05    5
5    2014-01-06   2763  11.36    7
6    2014-01-07   2453   7.78    4
7    2014-01-08   2449   8.44    4
8    2014-01-09   2358   7.39    5
9    2014-01-10   2419   8.17    6
10   2014-01-11   2635   9.77    4
..          ...    ...    ...  ...
157  2014-06-30   2377   7.06    2
[158 rows x 4 columns]

mainColor = (42/256, 87/256, 141/256, 1)
Out[101]: (0.1640625, 0.33984375, 0.55078125, 1)

plt.hist(data['购买用户数'], color=mainColor)
plt.show()
image.png
plt.hist(data['购买用户数'], bins=20, color=mainColor)
plt.show()
image.png
plt.hist(
    data['购买用户数'], bins=20,
    cumulative=True, color=mainColor        
)
plt.show()
image.png

我的博客即将搬运同步至腾讯云+社区，邀请大家一同入驻：https://cloud.tencent.com/developer/support-plan?invite_code=damdkjbagr91

最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容

  • iOS工具和框架1
    1、通过CocoaPods安装项目名称项目信息 AFNetworking网络请求组件 FMDB本地数据库组件 SD...
    阳明AGI阅读 16,009评论 3赞 119
  • 父母在，人生尚有来处；父母去，人生只剩归途
    01 父亲是2016年8月份走的，他患的是肺癌，最后全身扩散，癌细胞进入了大脑。 我大概这辈子都会记得我看到他脑部...
    一朵繁花阅读 644评论 6赞 8
  • 巴黎十日8-圣米歇尔山
    去圣米歇尔山需要4个半小时，我们报了一个一日游的团，和一堆肤色各异的人一起出发了。 圣米歇尔山是天主教除耶路撒冷和...
    西苏Sisu阅读 169评论 0赞 0
  • 2017-11-24
    PC蛋蛋 这是一个悲伤的故事… 从前有一对双胞胎，他们曾是意气风发的花季少年，面对生活无...
    越_君阅读 130评论 1赞 0