x：指定要绘制直方图的数据；
bins：指定直方图条形的个数；
range：指定直方图数据的上下界，默认包含绘图数据的最大值和最小值；
normed：是否将直方图的频数转换成频率；
weights：该参数可为每一个数据点设置权重；
cumulative：是否需要计算累计频数或频率；
bottom：可以为直方图的每个条形添加基准线，默认为0；
histtype：指定直方图的类型，默认为bar，除此还有’barstacked’,‘step’, ‘stepfilled’；
align：设置条形边界值的对其方式，默认为mid，除此还有’left’和’right’；
orientation：设置直方图的摆放方向，默认为垂直方向；
rwidth：设置直方图条形宽度的百分比；
log：是否需要对绘图数据进行log变换；
color：设置直方图的填充色；
label：设置直方图的标签，可通过legend展示其图例；
stacked：当有多个数据时，是否需要将直方图呈堆叠摆放，默认水平摆放；
import numpy as np
import matplotlib.pyplot as plt
# 中文乱码和坐标轴负号处理。
matplotlib.rc('font', family='Calibri', weight='normal') #'bold'
plt.rcParams['axes.unicode_minus'] = False
#指定图形的字体
font = {'family' : 'serif',
'color' : 'darkred',
'weight' : 'normal',
'size' : 16}
#绘图。
#fig, ax = plt.subplots()
#b = ax.barh(range(len(job)), data, color='palegreen')
# params
# x: 条形图x轴
# y：条形图的高度
# width：条形图的宽度 默认是0.8
# bottom：条形底部的y坐标值 默认是0
# align：center / edge 条形图是否以x轴坐标为中心点或者是以x轴坐标为边缘
c = ['lightcoral', 'coral', 'darkorange', 'gold','palegreen',
'paleturquoise','skyblue','plum','hotpink','pink','green']
job = ["data science","artificial intelligence","software develop",
"machine learning","analytic","cloud computer","management",
"digital marketing","cyber secruity","sales","design"]
percentage = [17,14,12,11,10,8,7,7,6,5,3]
#为横向水平的柱图右侧添加数据标签。
plt.xlabel('percentage of aspirants interest',fontsize=17)
plt.ylabel('Domains',fontsize=30)
plt.barh(range(len(percentage),0,-1), percentage, tick_label=job, color=c)
plt.legend()
plt.show()
我想用 "一图胜千言 "这句老话来开始这篇文章。
这就是数据可视化的意义所在。数据可视化是数据科学和数据分析的一个组成部分。
它不仅有助于我们理解数据，而且还能以更容易理解的图形形式呈现数据的洞察力。
AI/ML/DS职位和希望新的一年在瞄准并专注哪些领域domains的学习
不妨就试试实现上述直方图：
维恩图
如何在Python中设计专业的维恩图
使用matplotlib-venn绘制时尚和专业的维恩图的快速指南
两者都是无响应性的。源于此。作者
上周我正在为我的Python课设计一些阅读材料。讲座的主题是Python Sets。
为了说明一些函数，我想绘制维恩图。是的，就是你在数据展示中经常看到的重叠的圆圈图。
来源。Giphy
我在寻找设计专业维恩图的开源工具时，发现了Canva、Meta-Chart和Creately等工具。虽然它们有吸引人的设计，但没有一个有必要的优雅，而且很少可以定制。
在谷歌搜索的某处，我遇到了matplotlib-venn，并爱上了它。
matplotlib-venn库允许你完全定制你的Venn图，从圆圈的大小到边界类型和线宽。下面是一个使用这个库生成的样本图。
由作者生成和清理。代码来源于库的主页。
在多个项目中使用这个库后，我决定通过这个教程分享我所学到的东西。我将解释如何使用matplotlib-venn来创建你自己的专业维恩图。
设置
本教程中的所有例子都在运行Python 3.7的Jupyter笔记本上测试。我们将在本教程中使用matplotlib-venn。
本教程有一个配套的Jupyter笔记本，在这里。
维恩图的介绍
维恩图是一种用来描述不同组或集之间逻辑关系的图示。
每个组用一个圆圈表示。每个圆圈的大小与该组的大小/重要程度相对应。
这些圆圈之间的重叠代表两组之间的交集。因此，这些图对于识别每组之间的共享元素特别有用。
让我们看一个例子，以便更好地说明问题。假设你有一群选修多门学科的学生。其中两个科目是英语和法语。
English = {'John', 'Amy', 'Howard', 'Lucy', 'Alice', 'George', 'Jacob', 'Rajesh', 'Remy', 'Tom'}
French = {'Arthur', 'Leonard', 'Karan', 'Debby', 'Bernadette', 'Alice', 'Ron', 'Penny', 'Sheldon', 'John'}
这两个科目各有十个学生。爱丽丝和约翰同时上英语和法语课。
Venn 对于英语和法语课。来源：《中国青年报》。作者
现在，我们将用维恩图来形象地描述这些集合。
两个圆圈的大小是一样的。这是因为这两个集合都有相同数量的学生。
两个圆圈之间的重叠部分包含两个对象。爱丽丝和约翰。
现在，我们了解了什么是维恩图，让我们用Python设计一些。
如何用Python创建维恩图？
第一步是导入所需的库：matplotlib-venn和matplotlib
然后，我们定义我们希望绘制的集合。
最后，我们将使用matplotlib-venn的venn2函数绘制我们的维恩图。
pip install matplotlib_venn
import matplotlib_venn
import matplotlib
venn2([English,French])
Output:
代码块
