大家好，我是小雨。
今天给大家讲解一些大家比较熟悉却又经常混淆的统计学图形，让大家对数据可视化有一个深入的了解，并且学会正确使用matplotlib进行绘制。
我们将从函数功能、实例代码、参数讲解、效果演示四个层面来讲解每一种统计图。希望大家能对python数据可视化有一个直观的认识！
一、bar()函数
1.函数功能
绘制柱状图
2. 实例代码
import matplotlib as mpl
import matplotlib.pyplot as plt
x = [1,2,3,4,5,6,7,8]
y = [3,4,5,2,9,5,1,4]
mpl.rcParams['font.sans-serif']=['SimHei'] # 设置字体为黑体，为了显示中文
plt.bar(x,y,align='center',color='c',tick_label=['a','-2','c','d','e','f','g','h'],hatch='/')
plt.xlabel('编号')
plt.ylabel('满意度')
plt.show()
参数说明：
绘制柱状图plt.bar(x,y,tick_label,hatch)
- x：类别
- y：数值
- tick_label：类别标识名
- color：柱状图的颜色
- hatch：表示刻度阴影类型主要有这些类型:
/、*、.、|、-、+、x、o、O
matplotlib坐标轴若显示中文，需要修改默认属性，
rcParams将字体改为中文字体。这里的sans-serif表示非衬线字体将其值设为SimHei(中文黑体)。
3. 效果演示
二、barh()函数
1.函数功能
绘制条形图
2. 实例代码
import matplotlib as mpl
import matplotlib.pyplot as plt
x = [1,2,3,4,5,6,7,8]
y = [2,3,4,9,1,2,6,4]
mpl.rcParams['font.sans-serif'] = ['SimHei']
plt.barh(x,y,tick_label=['a','b','c','d','e','f','g','h'],color='m')
plt.xlabel('评分')
plt.ylabel('编号')
plt.show()
参数说明：
绘制条形图plt.barh(x,y)
- x：在y轴上显示的类别
- y：各个类别的数量值
3. 效果演示
三、hist()函数
1.函数功能
绘制直方图
2. 实例代码
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams['font.sans-serif'] = ['SimHei']
x = np.random.randint(0,100,100) # 生成范围在【0~100】之间100个数据
bins = np.arange(0,101,10) # 生成数组[0 10 20 ... 100]，里面是间隔为10的十个数
plt.hist(x,bins,color='g',alpha=0.5)
plt.xlabel('分数段')
plt.ylabel('人数')
plt.title("各分数段人数分布")
plt.show()
参数说明：
绘制直方图plt.hist(x,bins,color,alpha)
- x：数据集，直方图会对该数据集的大小按区间进行归类
- bins：数据集的分隔区间
- color：直方图的颜色
- alpha：直方图颜色的透明度
直方图与柱形图相似但不同，直方图表示的是离散型数值的区间分布情况；更多关于直方图hist的教程请参考官方文档。
range与arange的区别：
arange函数返回的是numpy里定义的数组，数组每一个元素的数据类型一致。range在Python2与Python3里有着不同的功能。Python2里的range返回的是列表，而Python3里的range返回的是可迭代的对象，通常使用for循环将其输出。
3. 效果演示
四、pie()函数
1.函数功能
绘制饼图，显示不同类别所占百分比。
2. 实例代码
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams['font.sans-serif'] = ['SimHei']
labels = ['房贷','育儿','饮食','交通','娱乐','其它']
sizes = [5,1,2,0.5,0.8,1.5]
explode = (0.1,0,0,0,0,0)
plt.pie(x=sizes,explode=explode,labels=labels,autopct='%1.1f%%',startangle=150)
plt.title("饼图-6月家庭支出情况")
plt.show()
参数说明：
绘制饼图plt.pie(x,explode,labels,autopct,startangle)
- x：每一块的比例，如果sum(x)>1，会对sum(x)进行归一化操作。
- explode：每一块离开中心的距离
- labels：每一块外侧显示的标签文字
- autopct：控制饼图百分比设置，可以使用format字符串表示，
%1.1f%%小数点前后各一位（没有用空格补齐） - startangle：起始绘制角度，默认从x轴正方向逆时针画起，若设定90度则从y轴正方向画起。
3. 效果演示
五、scatter()函数
1.函数功能
用于绘制气泡图，二维数据借助气泡大小展示三维数据。
2. 实例代码
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文
mpl.rcParams['axes.unicode_minus'] = False # 为了坐标轴负号正常显示
a = np.random.randn(100)
b = np.random.randn(100)
plt.style.use('ggplot') # 设置绘图风格
plt.scatter(a,b,c=np.random.rand(100),cmap='jet',s=100*(a**2+b**2),alpha=0.7)
plt.colorbar() # 用于显示颜色柱
plt.title('气泡图')
plt.show()
参数说明：
绘制气泡图：plt.scatter(a,b,c,s,cmap)
- a：x轴上的离散数值，固定长度的数组。
- b：y轴上的离散数值，固定长度的数组。
- c：气泡的颜色，可以是固定颜色也可以是一个数组。
- s：气泡的大小，用于记录第三维度的函数关系。
- cmap：颜色映射表，可以简单理解成配色方案。
matplotlib默认不支持中文，设置中文字体后，负号会显示异常。需要手动将坐标轴负号设为False才能正常显示负号。
3. 效果演示
六、polar()函数
1.函数功能
绘制雷达图（极线图）
2. 实例代码
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams['font.sans-serif'] = ['SimHei']
plt.style.use('ggplot') # 设置绘图风格
theta = np.array([0.25,0.75,1,1.5,0.25]) # 定义各个点的极角
r = [20,60,40,60,20] # 定义各个点极径的长度
plt.polar(theta*np.pi,r,'r-',lw=1) # 设置雷达图路径，r-表示红色实线
plt.fill(theta*np.pi,r,c='c',alpha=0.4) # 填充雷达图，课设置颜色与透明度
plt.ylim(0,100) # 设置极坐标轴的范围
plt.title('雷达图')
plt.show()
参数说明：
绘制雷达图plt.polar(theta,r,marker)
- theta：在极坐标系下坐标点的角度
- r：在极坐标系下坐标点与极点的距离
- marker：定义各个点的样式
3. 效果演示
七、stem()函数
1.函数功能
用于绘制棉棒图
2.实例代码
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False
x = np.linspace(0.5,2*np.pi,20)
y = np.random.randn(20)
plt.stem(x,y,linefmt='-.',markerfmt='o',basefmt='-')
plt.title('棉棒图')
plt.show()
参数说明
绘制棉棒图plt.stem(x,y,linefmt,markerfmt,basefmt)
- x：指定x轴的位置
- y：设置棉棒的长度
- linefmt：棉棒的样式
- markerfmt：棉棒末端的样式
- basefmt：棉棒基线的样式
3.效果演示
八、boxplot()函数
1.函数功能
用于绘制箱线图
2.实例代码
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False
x1 = np.random.randn(100)
x2 = np.random.randn(100)
x3 = np.random.randn(100)
labels = ['第一','第二','第三']
plt.boxplot([x1,x2,x3],labels=labels)
plt.grid(axis='y',ls=':',lw=1,c='g',alpha=0.4)
plt.title('箱线图')
plt.show()
参数说明：
绘制箱线图plt.boxplot(x,labels)
- x：输入的数据
- label：图例
3.效果演示
九、errotbar()函数
1.函数功能
用于绘制误差棒图
2.实例代码
import matplotlib as mpl
import matplotlib.pyplot as plt
import numpy as np
mpl.rcParams['font.sans-serif'] = ['SimHei']
mpl.rcParams['axes.unicode_minus'] = False
x = np.linspace(0.1,0.6,6)
y = np.exp(x)
plt.errorbar(x,y,fmt='o:',yerr=0.2,xerr=0.02,ecolor='g',mfc='c',mec='r',capthick=2,capsize=3)
plt.xlim(0,0.7)
plt.title('误差棒图')
plt.show()
参数说明
绘制误差棒图plt.errorbar(x,y,fmt,yerr,xerr,ecolor,mfc,mec,capthick,capsize)
- x：数据点的水平位置
- y：数据点的垂直位置
- fmt：数据点的标记样式和数据点标记的连接线样式
- xerr：x轴方向数据点的误差计算方法
- yerr：y轴方向数据误差点的计算方法
- ecolor：误差棒的颜色
- mfc：数据点的标记颜色
- mec：数据点标记边缘颜色
- capthick：误差棒边界横杠的厚度
- capsize：误差棒边界横杠的大小
3.效果演示
十、最后
本节我们简单介绍了一下matplotlib是如何绘制统计学中常见的图形的，大家可以收藏下来，需要的时候可翻出查阅。
小伙伴们可以动手输入以上代码，看看输出的结果是否达到预期，能否感受到matplotlib绘图的细致与精美。
最后，感谢大家的阅读。下一节，我们将继续介绍这些统计学图形在具体实践环节的使用。
