[python]data8Week3Visulization

套路

import matplotlib.pyplot as plt
plt.scatter(xndarry, yndarry)

t为Table实例

t.barh({%s}, {%s})
t.scatter({%s}, {%s})
t.plot({%s}, {%s})
t.group({%s}, collect=None) # columnLabel , collect可以是max, sum 就会给你排列，
							                 # 默认按label名字排列

p为绘制出来的图形实例

p.title({%s})
p.ylim({%d}) # 都是matplotlib 或matlab的语法

plot v.s. scatter

x-axis有序用plot，无序用scatter
看变化用plot和scatter, 不看变化用barh
barh 约等于一个 翻转的条形图

bar v.s. histogram

条形图 v.s. 柱状图
表示变量。 表示变量的分布
categorical numerical

條形圖中的所有條形都具有相同的寬度，並且連續條形之間的間距相等。
條形可以按任意順序排列，因為分佈是分類的。

直方圖的條形是連續的;條柱按數字軸上的比例繪製。

---

條形圖中條形的長度（或高度，如果條形是垂直繪製的）與每個類別中的計數成正比。

直方圖中條形的高度測量密度;直方圖中條形的面積與條柱中的計數成正比。

histogram

每個 bin 都包含其左端點，但不包括右端點

millions.hist({%s}, unit={%s})

---

p.s. y-asix的值是auto-genarate的，可以理解为rate / crowdedness/ densisty, 面积才是percentage, 有点像概率密度的意思（概率论知识）

barh 图像 正常的条形图 x y轴互换了

感悟

体会课程设计的良苦用心
从类似sql的增删改查过度到可视化
而不是一上来就讲可视化
而且用了非常多background丰富的现实例子来做尝试

其他

这个我真的是第一眼就做对了，排除好像也可以做，但是直接做我是真不会…let it go吧，如果有大佬指点一二欢迎！