Python数据分析 - 机器学习笔记：第一章数据分析 - 1.4.4.其他统计图
前言：本文是学习网易微专业的《python全栈工程师》 中的《数据分析 - 机器学习工程师》专题的课程笔记，欢迎学习交流。
一、课程目标
- 柱形图
- 箱线图
- 饼图
- 直方图
二、详情解读
2.1.柱形图
函数：bar
%matplotlib inline
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
data = [2, 10, 4, 8, 6] # 表示柱子的高度
position = [1, 2, 3, 4, 5] # 表示柱子在横坐标的位置
plt.bar(x=position, height=data)
运行结果：（默认每个柱子的中线对应着横坐标的数字）
matplotlib详细参考资料：
https://matplotlib.org/3.1.1/api/_as_gen/matplotlib.pyplot.bar.html
使用示例二：（更多参数的使用）
data = [2, 10, 4, 8, 6]
position = [1, 2, 3, 4, 5]
labels = ['Pejing', 'Soochow', 'Hongkang', 'Tsingtao', 'Canton']
plt.bar(x=position, height=data, width=0.4,
color='gb', edgecolor='r', linestyle='--',
linewidth=3, hatch='x', tick_label=labels)
运行结果：
说明：
1).width表示柱子的宽度，默认为0.8
2).color表示柱子的填充颜色，此处gb表示green和blue
3).edgecolor表示每个柱子的边线的颜色
4).linestyle表示柱子边线的线型
5).linewidth表示边线的宽度
6).hatch表示内填充，此处x表示填充类似x的图形
7).tick_label表示刻度标识，如果不设置，则使用前面的x=position
示例三：
position = range(1, 6)
a = np.random.random(5) # 随机生成柱子的高度
b = np.random.random(5) # 随机生成柱子的高度
plt.bar(position, a, label='a', color='b')
plt.bar(position, b, bottom=a, label='b', color='r')
plt.legend(loc=0)
运行结果：
2.2.箱线图
函数：boxplot
np.random.seed(12345)
data = pd.DataFrame(np.random.rand(5, 4), columns=["A", "B", "C", "D"])
data
运行结果：
下面开始绘制箱线图：
bp = plt.plt.boxplot(data['B'])
说明：
1.最上面的横线表示特征的最大值
2.最下面的横线表示特征的最小值
3.箱子里的红线表示中位数
4.箱子的顶部横线表示上四分位数
5.箱子的底部横线表示下四分位数
关于箱线图的四分位数，可以参考这篇文章：四分位数 箱线图
箱线图的统计类似前面学过的describe()统计：
data.describe()
补充：
DataFrame对象也有针对mathplotlib的接口：
bp = data.boxplot(sym='r*', vert=False, meanline=False, showmens=True)
说明：
1.sym表示离心值的形状，即异常点的形状
2.vert表示是否垂直，False则表示箱线图是横着的
3.meanline表示是否用线的形式表示均值，默认用点表示
4.showmeans表示是否显示平均值
关于DataFrame.boxplot的知识点，可以参考这篇文章：python 使用dataframe.boxplot画图中的问题
2.3.饼图
函数：pie
x = [2, 4, 6, 8]
fig, ax = plt.subplots()
labels = ['A', 'B', 'C', 'D'] # 每个扇面的标识
colors = ['red', 'yellow', 'blue', 'green'] # 每个扇面的颜色
explode = (0, 0.1, 0, 0) # 扇面的偏移程度
ax.pie(x, explode=explode, labels=labels, colors=colors, autopct='%1.1f%%', shadow=True, startangle=90, radius=1.2)
ax.set(aspect="equal", title="Pie")
运行结果：
说明：
1.autopct表示扇面上显示的百分比的格式
2.shadow：是否显示饼状图的阴影
3.startangle：第一个扇形开始的角度。90表示从正上方开始
4.radius：半径的大小
2.4.直方图
函数：hist
datas = np.random.randn(100000)
hs = plt.hist(datas)
运行结果：
使用更多参数的直方图：
import matplotlib.mlab as mlab
fig = plt.figure()
mu = 100 # 平均值
sigma = 15 # 标准差
x = mu + sigma * np.random.randn(10000)
from scipy.stats import norm # 增加了这一行
num_bins = 50
n, bins, patches = plt.hist(x, num_bins, normed=True, facecolor='blue', alpha=0.5)
# 绘制正太分布曲线
y = norm.pdf(bins, mu, sigma) # 这行跟老师的不一样
plt.plot(bins, y, 'r--')
结果如图所示：
说明：
采用mlab中的normpdf生成正太分布曲线，但是发现mlab中这个属性已经移除了，
报错信息：
module 'matplotlib.mlab' has no attribute 'normpdf'，
使用norm.pdf为替代的方式
三、课程小结
- 01 柱形图
- 02 箱线图
- 03 饼图
- 04 直方图
绘制这些图的基本思想都是一样的，除了使用matplotlib，对于DataFrame对象而言，也有针对matplotlib的接口，也可以把绘图的函数看作是DataFrame的方法。
在具体的绘图中，还是得多关注它们的官方文档。