常见的统计图表及其应用

常见的统计图表

1、折线图

图形介绍
折线图常用于显示随时间）而变化的连续数据，适用于显示在相等时间间隔下数据的趋势，根据这些图来判断和预测变量的发展趋势。

import matplotlib.pyplot as plt
##matplotlib包存在中文显示的问题，需要先设置中文参数
plt.rcParams['font.sans-serif']={'SimHei'}
plt.rcParams['axes.unicode_minus']=False

###绘制点击量的折线图
plt.plot(data_5['素材'],data_5['点击量'])
plt.show()

---

2、柱形图
图形介绍
柱形图是一种以长方形的长度为变量的统计图表。柱形图/长条图用来比较两个或以上的价值（不同时间或者不同条件），适合用于较小的数据集分析。当数据量比较大是，可以先对数据集今昔那个分箱操作。

##绘制展现量的柱形图
plt.bar(data_5['素材'],data_5['点击量'])
plt.show()

---

3、直方图
图形介绍
直方图通常用于展现变量的分布状态，直方图由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据类型，纵轴表示分布情况。
直方图的绘图步骤：将整个值的范围分成一系列间隔，计算每个间隔中有多少值，根据分组情况进行绘图。

##绘制转化数的直方图
plt.hist(data_5['转化数'])
plt.show()

---

4、散点图
图形介绍
散点图用于展示两个变量之间的分布关系，在回归分析中，数据点在直角坐标系平面上的分布图，散点图表示因变量随自变量而变化的大致趋势，据此可以选择合适的函数对数据点进行拟合。

##绘制散点图点击率为横坐标，转化率为纵坐标的散点图
plt.scatter(data_5['点击率'],data_5['转化率'])
plt.show()

–

5、饼图
图形介绍
饼图显示一个数据系列的相对关系，各项的大小与各项总和的比例。不同的分类用不用颜色来表现，角度越大的扇形，该分类的总体中占比最大。

##计算每个素材的消耗占比，并且绘制成饼图
plt.pie(data_5['消耗'])
plt.show()

---

5、箱型图

图形介绍
箱型图它主要用于反映原始数据分布的特征，或者进行多组数据分布特征的比较。
绘制方法是：确定数据的上边缘、下边缘、中位数和两个四分位数；绘制箱体和链接，上下边缘可以根据需求设置。

##绘制转化数的箱型图
plt.boxplot(data_5['转化数'])
plt.show()

python可视化代码，请点击链接进行下载哦
https://download.csdn.net/download/weixin_45271735/86394177