12.柱形图&直方图1.柱形图2.直方图

用户1250179

发布于 2018-08-02 16:34:14

7640

发布于 2018-08-02 16:34:14

文章被收录于专栏：数说戏聊数说戏聊

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

本文参与腾讯云自媒体分享计划，分享自作者个人站点/博客。

原始发表：2018.07.08 ，如有侵权请联系 cloudcommunity@tencent.com 删除

其他

本文分享自作者个人站点/博客前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体分享计划，欢迎热爱写作的你一起参与！

其他

登录后参与评论

0 条评论

热度

12.柱形图&直方图1.柱形图2.直方图

12.柱形图&直方图1.柱形图2.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

社区

活动

资源

关于

腾讯云开发者

热门产品

热门推荐

更多推荐