柱状图、直方图、散点图、饼图讲解

                                    柱状图、直方图、散点图、饼图讲解
 

1、柱状图
    柱状图适用场合是二维数据集（每个数据点包括两个值x和y），但只有一个维度需要比较。
    例如：年销售额就是二维数据，”年份”和”销售额”就是它的两个维度，但只需要比较”销售额”这一个维度

    特点：柱状图利用柱子的高度来反应数据的差异，肉眼对于高度的差异很敏感，辨识效果非常好！

    柱状图的使用方法：
        前面的折线图使用的是plot函数，但是柱状图使用的是bar函数
        语法：
            plt.bar(x,height,width,color)

        其中的参数说明：
            x：记录x轴上的标签
            height：记录每个柱形的高度
            width：设置柱形的宽度
            color：设置柱形的颜色，传入颜色值的列表，例如：['blue','green','red']
        示例：
            %matplotlib inline
            from matplotlib import pyplot as plt
            from matplotlib import font_manager
            a = ['流浪地球','疯狂的外星人','飞驰人生','大黄蜂','熊出没·原始时代','新喜剧之王']
            b = [38.13,19.85,14.89,11.36,6.47,5.93]
            my_font = font_manager.FontProperties(fname='/data/course_data/data_analysis/STSONG.TTF')
            plt.figure(figsize=(20,8),dpi=80)
            # 绘制柱状图
            rects = plt.bar(a,b,width=0.3,color=['red','green','blue','cyan','yellow','gray'])
            plt.xticks(a,fontproperties=my_font)
            plt.yticks(range(0,41,5),range(0,41,5))
            # 在条形图上加标注(水平居中)
            for rect in rects:
                height = rect.get_height()
                plt.text(rect.get_x() + rect.get_width() / 2, height+0.3, str(height),ha="center")
            plt.show()

        细心的同学会注意到，我们将柱形的高度数据标注在了柱形的上方。没错，我们使用了plt.text( )
        函数为每个柱形标注高度数值
            plt.text(x,y,s,ha,va)

            函数中前两个参数分别是数据中的坐标，X坐标以及Y坐标，参数s记录标注的内容。参数ha和va分别
            用于设置水平和垂直方向的对齐方式
            rects是plt.bar（）函数的返回值，里面包含了每一个柱形为每一个柱形添加数值需要逐个添加，所以
            我们设置一个循环来操作

        通过get_height()、get_x()、rect.get_width()等方法可以分别拿到柱形图的高度，左侧边的x值，
        柱子的宽度。然后，使用plt.text添加上文字，这样就可以清晰地看出每个柱形的高度了。

2、直方图
    直方图一般用来描述等距数据，柱状图一般用来描述名称（类别）数据或顺序数据。直观上，直方图各个长条
    形是衔接在一起的，表示数据间的数学关系；条形图各长条形之间留有空隙，区分不同的类

    绘制直方图使用plt.hist（）函数：
        plt.hist(data, bins, facecolor, edgecolor)

        常用参数：
            data：绘图用到的数据
            bins：控制直方图中的区间个数
            facecolor：矩形的填充颜色
            edgecolor：条形的边框颜色

    柱形图和直方图的区别：
        第一，柱形图中用柱形的高度表示各类别的数值，横轴表示类别，宽度是固定的；而直方图是用矩形的高度
            表示每一组的频数或频率，宽度则表示各组的组距，因此其高度与宽度均有意义。
        第二，直方图主要用于展示连续型数值型数据，所以各矩形通常是连续排列的；而柱形图主要用于展示分类型
            数据，常常是分开排列的。

    示例：
        %matplotlib inline
        from matplotlib import pyplot as plt
        from matplotlib import font_manager
        time = [131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114,
                119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99,
                136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144,
                105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123,
                117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116,
                108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125,
                138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,
                107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109,
                106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123,
                111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109,
                141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103,
                130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98,
                117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111,
                101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116,
                111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
        my_font = font_manager.FontProperties(fname='/data/course_data/data_analysis/STSONG.TTF',size=10)
        # 2）创建画布
        plt.figure(figsize=(20, 8), dpi=100)
        # 3）绘制直方图
        # 设置组距
        distance = 2
        # 计算组数
        group_num = int((max(time) - min(time)) / distance)
        # 绘制直方图
        plt.hist(time, bins=group_num)
        # 修改x轴刻度显示
        plt.xticks(range(min(time), max(time))[::2])
        # 添加网格显示
        plt.grid(linestyle="--", alpha=0.5)
        # 添加x, y轴描述信息
        plt.xlabel("电影时长大小",fontproperties=my_font)
        plt.ylabel("电影的数据量",fontproperties=my_font)
        # 4）显示图像


3、散点图
    散点图是判断变量之间是否存在数量关联趋势,展示离群点。每个点的坐标位置由变量的值决定，并由一组不连接
    的点完成，用于观察两种变量的相关性。例如，身高—体重、温度—维度

    绘制直方图使用plt.scatter()函数：
        plt.scatter(x,y,s,c,marker,alpha,linewidths)
    常用参数
        x,y：数组
        s：散点图中点的大小，可选
        c：散点图中点的颜色，可选
        marker：散点图的形状，可选
        alpha：表示透明度，在 0~1 取值，可选
        linewidths：表示线条粗细，可选

    示例：
        %matplotlib inline
        import pandas as pd
        from matplotlib import pyplot as plt
        df = pd.read_csv('/data/course_data/data_analysis/height_weight.csv')
        # 设置图形大小
        plt.figure(figsize=(20,8),dpi=80)
        # 使用scatter绘制散点图
        plt.scatter(df['height'],df['weight'],alpha=0.5,c='red')
        plt.show()

4、饼图
    饼图是展示 分类数据的占比情况，就是反映某个部分占整体的比重
    饼图的整个圆代表总数据，各个扇形表示每项数据，我们可以根据扇形的角度清楚地看出每个扇形占总数据的比例

    绘制饼图我们使用plt.pie( )函数。
        plt.pie(x, labels, autopct, shadow, startangle)


    常用参数
        x：绘制用到的数据
        Tlabels：用于设置饼图中每一个扇形外侧的显示说明文字
        autopct：设置饼图内百分比数据，可以使用format字符串或者format function，例如’%.1f%%’指
                小数点后保留1位小数
        shadow：表示是否在饼图下面画阴影，默认值：False，即不画阴影
        Tstartangle：设置起始绘制角度，默认图是从x轴正方向逆时针画起，如果设定startangle=90，
                则从y轴正方向画起

    示例：
        %matplotlib inline
        import pandas as pd
        from matplotlib import pyplot as plt
        from matplotlib import font_manager
        my_font = font_manager.FontProperties(fname='/data/course_data/data_analysis/STSONG.TTF',size=10)
        df = pd.read_excel('/data/course_data/data_analysis/lagou.xlsx')
        plt.figure(figsize = (10,8))
        num = df.groupby('学历').size()
        # 绘制饼图
        patches, l_text, p_text = plt.pie(num,labels = num.index, autopct='%.1f%%',shadow=False,startangle=90)
        for t in l_text:
            t.set_fontproperties(my_font)
        plt.show()

        代码解析：
            df.groupby('学历').size()按照类型变量学历对原数据分组，使用groupby函数，然后计算每组数据的
                数据量，使用size()函数，将输出的数据记录为num。
            plt.pie()会有三个返回值
            patches: matplotlib.patches.Wedge列表(扇形实例)
            l_text：label matplotlib.text.Text列表(标签实例)
            p_text：label matplotlib.text.Text列表(百分比标签实例)
            所以，在每一个扇形外侧显示中文的时候，需要获取到每一个标签实例，然后通过set_fontproperties()
            方法设置自定义字体。
        df.groupby('学历').size()按照类型变量学历对原数据分组，使用groupby函数，然后计算每组数据的数据
        量，使用size()函数，将输出的数据记录为num。

    plt.pie()会有三个返回值：
        patches: matplotlib.patches.Wedge列表(扇形实例)
        l_text：label matplotlib.text.Text列表(标签实例)
        p_text：label matplotlib.text.Text列表(百分比标签实例)

    所以，在每一个扇形外侧显示中文的时候，需要获取到每一个标签实例，然后通过set_fontproperties()
    方法设置自定义字体。