第二节 柱状图

1.数据分析流程图

1. 数据分析 : 是指用,适当的统计分析方法 对收集来的 大量数据进行分析，为提取有用信息和形成结论 而对数据加以详细研究和概括 总结的过程。
2. 流程图如下:
   
3. 使用matplotlib工具 实现数据图 表的显示.
   • 数据可视化阶段.
     

2. 列表与数组

2.1 二者区别

1. 在 python中 列表可以存储 相同的数据,也可以存储不同类型的数据.

   • python中list中保存的不是数据 ,是地址 ,即 指针.

   # 在python的列表
   #1. 存储相同类型数据
   
   list = [1,2,3,4,5]
   list_1 = ["你好","python"]
   
   #1.1 存储不同类型的数据 
   list_3 =[1,2,"String",True]
   print(list_1,list,list_3)
   
   

2. 在python中, 是没有数组的概念 ,只能存 同一种数据类型.

   • 我们就拿 Java语言中的数组来举例子
   • 但是在numpy中也有array()数组, 其中ndarray:是一个多维数组.
     

   public class Hello {
   //这是一个java的程序
       public static void main(String[] args){
           //定义一个数组
           String[] arr = {"你好","python"};
           int[] arr_1 = new int[5];
           arr_1[0]=1;
           arr_1[1]=2;
           arr_1[2] ="你好"; //这就会报错
       }
   }
   

3. Numpy 是一个开源的python库,主要用户科学计算,用于快速处理数组.

   • 从列表转换为数组
   • 从数组转换为列表 注意: tolist()使用可以不导入numpy使用.

   # 随机生成
   import random
   #导入计算包
   import numpy as np
   
   #导入 time包
   import  time as t
   
   #生成 1~3的随机数
   # a= random.randint(1,3)
   # print(a)
   
   #a = random.random() #随机生成 [0,1)的浮点数.
   a = []  # 声明一个列表
   for i in range(1000):# 循环100次
       # print(random.random())
       #往列表中插入数据 append往列表的末尾插入数据.
       a.append(random.random())
   
   """
   1. 将列表转换为数组
           np.array(a)
           1.1 通过求和来查看数组执行时间.
   """
   _arr = np.array(a) #相当于使用numpy 将列表转换为数组
   print(type(_arr))
   # print(_arr)
   
   #使用time()方法可以统计时间 返回是一个时间戳
   #java中 long time = System.currentTimeMillis(); 毫秒
   
   #使用时需要导入包
   begin =t.time() #记录 起始时间
   sum_1 = np.sum(_arr) # 使用numpy中的sum求和方法,计算时间
   end = t.time() #记录 结束时间
   print(sum,f"转换数组,执行时间是{end-begin}")
   
   
   """
   2.  将数组转换为列表 
       2.1 通过求和来
   """
   _list =_arr.tolist() # 将数组转换为列表
   print(type(_list))
   begin_1 =t.time() #记录 起始时间
   # 2.使用python中的自己sum求和方法,计算时间
   sum_2 = sum(_list) #2.1也可以使用numpy中的 sum() np.sum()
   end_1 = t.time() #记录 结束时间
   print(sum_2,f"转换数组,执行时间是{end_1-begin_1}")
   

4. 从而导致数组的操作是比列表有优势的.

   • 创建空间分配时:,数组就 分配好了空间, 而列表 可能是动态的.
   • 数据存储时: 数组存储是同一种类型, 列表可以是不同类型,增加了访问时间.

2.2 shape() 函数

1. 该默认情况下Python中没有np.shape()函数。

2. np.shape()函数是NumPy库中的一个函数，用于返回给定数组的形状

   • 即维数和各个维度的长度, 所以, 在执行该代码之前， 需要先导入NumPy库。

   import numpy as np
   
   a = [[1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3]]
   print(np.shape(a))  # (4, 3)
   

   • 结果表示给定的数组 a 是一个四行三列的二维数组，其中有4个元素（行），每行有3个元素（列）。第一个维度是4，第二个维度是3。

3. 使用python 中的len()也能计算, 需要注意前提的.

   • 在计算列数时， 我们假设了二维列表中的 每个子列表都具有相同的长度，即使用了a[0]来计算列表中第一个子列表的长度，认为第一个子列表的长度即为整个列表中每个子列表的长度。
   • 如果二维列表中的各子列表长度不相同， 将会导致无法正确计算列数的问题。
   • 还是推荐是用numpy中的 shape()函数,效率高.

   a = [[1, 2, 3], [4, 5, 6], [7, 8, 9], [1, 2, 3]]
   
   # 使用len()函数计算二维列表的长度
   rows = len(a)          # 计算行数
   cols = len(a[0])       # 计算列数
   print(f"该二维列表的长度为：{rows}行 x {cols}列")
   

2.3 生成柱状图比较

• 使用列表生成柱状图, 和使用数组生成柱状图.
  • 注意一下,二者生成有什么不同.

2.3.1 列表生成柱状图

1. 列表生成柱状图

   • 需要使用子模块导入from matplotlib import pyplot as plt
   • 注意乱码问题.

   # 1. 导入 matplotlib 中 pyplot 子模块
   from matplotlib import pyplot as plt
   # x轴坐标
   x = ["一年级", "二年级", "三年级", "四年级", "五年级","六年级"]
   
   # y轴坐标
   y = [1.21,1.28,1.34,1.38,1.48,1.58]
   
   #解决乱码
   plt.rcParams["font.sans-serif"]=["SimHei"]
   plt.rcParams["axes.unicode_minus"]=False
   
   #绘制图形
   plt.bar(x,y)
   
   #保存图片地址
   plt.savefig("D:1.png")
   
   #生成图片
   plt.show()
   
   

2.3.2 数组生成柱状图

1. 需要使用 numpy中的 array()函数进行转换.

   # 1. 导入 matplotlib 中 pyplot 子模块
   from matplotlib import pyplot as plt
   #2. 导入 numpy 模块
   import numpy as np
   
   # x轴坐标
   x = ["一年级", "二年级", "三年级", "四年级", "五年级","六年级"]
   np.array(x)
   # y轴坐标
   y = [1.21,1.28,1.34,1.38,1.48,1.58]
   np.array(y)
   #解决乱码
   plt.rcParams["font.sans-serif"]=["SimHei"]
   plt.rcParams["axes.unicode_minus"]=False
   
   #绘制图形
   plt.bar(x,y)
   
   #保存图片地址
   plt.savefig("D:1.png")
   
   #生成图片
   plt.show()
   
   

• 总结: 尽管实际而言在绘制柱状图时，列表和Numpy数组之间的性能差异通常不太明显， 但如果处理的数据非常大，则使用Numpy数组可能会更快。

2.3.3 扩展案例练习

1. 将以下案例, 通过两种方式做出柱状图
   • 一种使用列表
   • 另一种使用数组
     

3. 坐标值

3.1 添加横纵坐标值

1. 单独看一张柱状图需要知道它的需求是什么?
   • 下面的图, 如果我不说 是分析身高 你会知道么?

2. 所以如何添加坐标值

   • 需要使用到 matplotlib中的 xlabel()和ylabel()两个函数.
   • xlabel(value,attributes), value 是坐标值, attributes 属性(可选)
   • 例如: left right center 等等.

   # 1. 导入 matplotlib 中 pyplot 子模块
   from matplotlib import pyplot as plt
   #2. 导入 numpy 模块
   import numpy as np
   
   # x轴坐标
   x = ["一年级", "二年级", "三年级", "四年级", "五年级","六年级"]
   np.array(x)
   # y轴坐标
   y = [1.21,1.28,1.34,1.38,1.48,1.58]
   np.array(y)
   #解决乱码
   plt.rcParams["font.sans-serif"]=["SimHei"]
   plt.rcParams["axes.unicode_minus"]=False
   
   #使用添加横纵坐标 xlabel和 ylabel
   plt.xlabel("姓名",loc="rigth",fontsize=20) 
   plt.ylabel("身高",loc="top")
   #绘制图形
   plt.bar(x,y)
   
   #保存图片地址
   plt.savefig("D:1.png")
   
   #生成图片
   plt.show()
   
   

• 在实际使用中，需要根据需要选择具体的标签位置或对齐方式。如果没有指定标签位置， 则 Matplotlib 会 自动选择最佳位置 来放置标签，
  • 但这可能导致标签重叠或者遮挡部分图形。
  • 因此，了确保标签的可读性和美观性，通常需要手动指定标签位置
    

4. 其他优化细节

4.1 屏幕属性

1. 屏幕的属性,屏幕大小 和 背景 颜色
   • plt.fgure() ,里面有可选属性.
   • 二者可以组合使用

# 设置屏幕生成大小  figsiz 默认无, 给元组(a,b) a是长度, b是宽度
plt.figure(figsize=(20,8)) 

#设置背景 facecolor 背景颜色
plt.figure(facecolor="yellow")

4.2 标题属性

1. 设置标题的字体 ,或者背景颜色

   • 使用 plt.title(),里有可选属性
     • fontsize 参数指定了标题的字体大小，
     • fontweight 参数指定了标题的字体粗细，例如: light
     • backgroundcolor 参数指定了标题的背景色

   # 添加标题,指定了标题的内容
   plt.title("学生身高")
   
   #围绕标题的可选属性, 字体大小,字体样式, 背景色,
   plt.title("学生身高",fontsize=30,fontweight='heavy',backgroundcolor='yellow')
   

4.3 练习案例

1. 将坐标值和优化细节结合.

2. 生成方向有横向和纵向,需要注意改坐标值.

   • plt.bar() 横向
   • plt.barh() 纵向

   # 1. 导入 matplotlib 中 pyplot 子模块
   from matplotlib import pyplot as plt
   #2. 导入 numpy 模块
   import numpy as np
   
   # x轴坐标
   x = ["一年级", "二年级", "三年级", "四年级", "五年级","六年级"]
   np.array(x)
   # y轴坐标
   y = [1.21,1.28,1.34,1.38,1.48,1.58]
   np.array(y)
   #解决乱码
   plt.rcParams["font.sans-serif"]=["SimHei"]
   plt.rcParams["axes.unicode_minus"]=False
   
   #使用 xlabel和 ylabel
   plt.xlabel("姓名",loc="left",fontsize = 30)
   plt.ylabel("身高",loc="top")
   
   #设置屏幕大小和颜色
   plt.figure(figsize=(20,8),facecolor="yellow")
   
   #设置 标题大小
   plt.title("学生身高",fontsize=30,fontweight='light',backgroundcolor='red')
   #绘制图形
   plt.bar(x,y)
   # 也可以生成纵向
   # plt.barh(x,y)
   
   #保存图片地址
   #plt.savefig("D:1.png")
   
   #生成图片
   plt.show()
   
   

5. 知识点总结