5使用Python代码轻松实现数据可视化的方法

ax.set_ylabel(y_label)

ax.set_xlabel(x_label)

ax.set_title(title)

ax.legend(loc = 'best')

柱状图直方图
直方图对于查看（或真正地摸索）数据点的分布是很有效的。查看下面我们以频率和 IQ 做的直方图。我们可以清跋扈地看稻翱中心集合，并且能看到中位数是若干。我们也可以看到它呈正态分布。应用直方图真得能清楚地出现出各个组的频率之间的相对差别。组的应用（离散化）真正地赞助我们看到了“加倍宏不雅的图形”,然而当我们应用所有没有离散组的数据点时，将对可视化可能造成很多干扰，使得看清真正产生了什么变得艰苦。
下面是在 Matplotlib 中的直方图代码。有两个参数须要留意一下：起首，参数 n_bins 控制我们想要在直方图中有若干个离散的组。更多的组将给我们供给加倍完美的信息，然则也许也会引进干扰，使得我们远离全局；另一方面，较少的组给我们一种更多的是“鸟瞰图”和没有更多细节的全局图。其次，参数 cumulative 是一个布尔值，许可我们选择直方图是否为累加的，根本上就是选择是 PDF（Probability Density Function，概率密度函数）照样 CDF（Cumulative Density Function，累积密度函数）。
def histogram(data, n_bins, cumulative=False, x_label = "", y_label = "", title = ""):
    _, ax = plt.subplots()
    ax.hist(data, n_bins = n_bins, cumulative = cumulative, color = '#539caf')
    ax.set_ylabel(y_label)
    ax.set_xlabel(x_label)
    ax.set_title(title)
想象一下我们想要比较数据中两个变量的分布。有人可能会想你必须制造两张直方图，并且把它们并排放在一路进行比较。然而，实际上有一种更好的办法：我们可以应用不合的透明度对直方图进行叠加覆盖。看下图，平均分布的透明度设置为 0.5 ，使得我们可以看到他背后的图形。如许我们就可以直接在同一张图表里看到两个分布。
对于重叠的直方图，须要设置一些器械。起首，我们设置可同时容纳不合分布的横轴范围。根据这个范围和期望的组数，我们可以真正地计算出每个组的宽度。最后，我们在同一张图上绘制两个直方图，个中有一个稍微更透明一些。

惯例的柱状图如下面的图1。在 barplot() 函数中，xdata 表示 x 轴上的标记，ydata 表示 y 轴上的杆高度。误差条是一条以每条柱为中间的额外的线，可以画出标准误差。

分组的柱状图让我们可以比较多个分类变量。看看下面的图2。我们比较的第一个变量是不合组的分数是若何变更的（组是G1，G2，……等等)。我们也在比较性别本身和色彩代码。看一下代码，y_data_list 变量实际上是一个 y 元素为列表的列表，个中每个子列表代表一个不合的组。然后我们对每个组进行轮回，对于每一个组，我们在 x 轴上画出每一个标记；每个组都用彩色进行编码。

3/7 首页上一页 1 2 3 4 5 6 下一页尾页

　　推荐阅读

　　HTTPS那些协议：TLS, SSL, SNI, ALPN, NPN

沙龙晃荡 | 3月31日京东、微博、华为拭魅战专家与你合营商量容器技巧实践！本文存眷个中 Web 办事(HTTPS)相干>>>详细阅读

本文标题：5使用Python代码轻松实现数据可视化的方法

地址：http://www.17bianji.com/lsqh/40891.html

1/2 1