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：2018.07.09 06:31:17

人面猴
序言：七十年代末，一起剥皮案震惊了整个滨河市，随后出现的几起案子，更是在滨河造成了极大的恐慌，老刑警刘岩，带你破解...
沈念sama阅读 212,294评论 6赞 493
死咒
序言：滨河连续发生了三起死亡事件，死亡现场离奇诡异，居然都是意外死亡，警方通过查阅死者的电脑和手机，发现死者居然都...
沈念sama阅读 90,493评论 3赞 385
救了他两次的神仙让他今天三更去死
文/潘晓璐我一进店门，熙熙楼的掌柜王于贵愁眉苦脸地迎上来，“玉大人，你说我怎么就摊上这事。” “怎么了？”我有些...
开封第一讲书人阅读 157,790评论 0赞 348
道士缉凶录：失踪的卖姜人
文/不坏的土叔我叫张陵，是天一观的道长。经常有香客问我，道长，这世上最难降的妖魔是什么？我笑而不...
开封第一讲书人阅读 56,595评论 1赞 284
港岛之恋（遗憾婚礼）
正文为了忘掉前任，我火速办了婚礼，结果婚礼上，老公的妹妹穿的比我还像新娘。我一直安慰自己，他们只是感情好，可当我...
茶点故事阅读 65,718评论 6赞 386
恶毒庶女顶嫁案：这布局不是一般人想出来的
文/花漫我一把揭开白布。她就那样静静地躺着，像睡着了一般。火红的嫁衣衬着肌肤如雪。梳的纹丝不乱的头发上，一...
开封第一讲书人阅读 49,906评论 1赞 290
城市分裂传说
那天，我揣着相机与录音，去河边找鬼。笑死，一个胖子当着我的面吹牛，可吹牛的内容都是我干的。我是一名探鬼主播，决...
沈念sama阅读 39,053评论 3赞 410
双鸳鸯连环套：你想象不到人心有多黑
文/苍兰香墨我猛地睁开眼，长吁一口气：“原来是场噩梦啊……” “哼！你这毒妇竟也来了？” 一声冷哼从身侧响起，我...
开封第一讲书人阅读 37,797评论 0赞 268
万荣杀人案实录
序言：老挝万荣一对情侣失踪，失踪者是张志新（化名）和其女友刘颖，没想到半个月后，有当地人在树林里发现了一具尸体，经...
沈念sama阅读 44,250评论 1赞 303
护林员之死
正文独居荒郊野岭守林人离奇死亡，尸身上长有42处带血的脓包…… 初始之章·张勋以下内容为张勋视角年9月15日...
茶点故事阅读 36,570评论 2赞 327
白月光启示录
正文我和宋清朗相恋三年，在试婚纱的时候发现自己被绿了。大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
茶点故事阅读 38,711评论 1赞 341
活死人
序言：一个原本活蹦乱跳的男人离奇死亡，死状恐怖，灵堂内的尸体忽然破棺而出，到底是诈尸还是另有隐情，我是刑警宁泽，带...
沈念sama阅读 34,388评论 4赞 332
日本核电站爆炸内幕
正文年R本政府宣布，位于F岛的核电站，受9级特大地震影响，放射性物质发生泄漏。R本人自食恶果不足惜，却给世界环境...
茶点故事阅读 40,018评论 3赞 316
男人毒药：我在死后第九天来索命
文/蒙蒙一、第九天我趴在偏房一处隐蔽的房顶上张望。院中可真热闹，春花似锦、人声如沸。这庄子的主人今日做“春日...
开封第一讲书人阅读 30,796评论 0赞 21
一桩弑父案，背后竟有这般阴谋
文/苍兰香墨我抬头看了看天上的太阳。三九已至，却和暖如春，着一层夹袄步出监牢的瞬间，已是汗流浃背。一阵脚步声响...
开封第一讲书人阅读 32,023评论 1赞 266
情欲美人皮
我被黑心中介骗来泰国打工，没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留，地道东北人。一个月前我还...
沈念sama阅读 46,461评论 2赞 360
代替公主和亲
正文我出身青楼，却偏偏与公主长得像，于是被迫代替她去往敌国和亲。传闻我的和亲对象是个残疾皇子，可洞房花烛夜当晚...
茶点故事阅读 43,595评论 2赞 350

12.柱形图&直方图

1.柱形图

1.1 柱形图绘图函数

1.2 单分组柱形图

1.2.1 优化1，配置颜色

1.2.2 优化2，配置x轴刻度

1.2.3 优化3，数据排序

1.2.4 横向柱形图

1.3 多分组柱形图

1.3.1 优化，数据排序

1.4 堆积柱形图

1.5 双向柱形图

2.直方图

推荐阅读更多精彩内容