北京28源码搭建下载【http://hubawl.com/】【q1784662395】
matplotlib绘制其他图形
matplotlib能够绘制折线图、散点图、柱状图、直方图、箱线图、饼图等。
因此需要直到不同的统计图到底能够表示出什么，以此来决定选择哪种统计图来更直观的呈现数据。
对比常用统计图
折线图：以折线的上升或下降来表示统计数量的增减变化的统计图
特点：能够显示数据的变化趋势，反映事物的变化情况（变化）
直方图：右一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据范围，纵轴表示分布情况。
特点：绘制连续性的数据，展示一组或者多组数据分布状况（统计）
条形图：排列在工作表的列或行中的数据可以绘制到条形图。
特点：绘制离散的数据，能够一眼看出各个数据的大小，比较数据之间的差别（统计）
散点图：用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。
特点：判断变量之间是否存在数量关联趋势，展示离群点（分布规律）
绘制散点图
假设通过爬虫爬到3月，10月每天白天的最高气温分别位于列表a,b，那么此时如何找出气温和随时间变化的某种规律？
a：[11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
b：[26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/SIMYOU.TTF")
y_3 = [11,17,16,11,12,11,12,6,6,7,8,9,12,15,14,17,18,21,16,17,20,14,15,15,15,19,21,22,22,22,23]
y_10 = [26,26,28,19,21,17,16,19,18,20,20,19,22,23,17,20,21,20,22,15,11,15,5,13,17,10,11,13,12,13,6]
x_3 = range(1,32)
x_10 = range(51,82)
# 设置图形大小
plt.figure(figsize=(20,8),dpi=80)
# 使用scatter方法绘制散点图，和之前绘制折线图的唯一区别
plt.scatter(x_3,y_3,label="3月份")
plt.scatter(x_10,y_10,label="10月份")
# 调整x轴的刻度
_x = list(x_3)+list(x_10)
_xticks_labels = ["3月{}日".format(i) for i in x_3]
_xticks_labels += ["10月{}日".format(i-50) for i in x_10]
plt.xticks(_x[::2],_xticks_labels[::2],rotation=45,fontproperties=my_font)
# 添加描述信息
plt.xlabel("时间",fontproperties=my_font)
plt.ylabel("温度",fontproperties=my_font)
plt.title("标题",fontproperties=my_font)
#添加图例
plt.legend(loc="upper left",prop=my_font)
# 展示
plt.show()
结果显示：
散点图的应用场景：
不同条件（维度）之间的内在关联关系
观察数据的离散程度
---------------------
版权声明：本文为CSDN博主「weixin_44953902」的原创文章，遵循CC 4.0 by-sa版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_44953902/article/details/98974641
