使用python绘制好看的箱形图、柱状图、散点图_python中怎样绘制箱形图资源-CSDN下载

共6个文件

py：3个

png：2个

jpg：1个

60 浏览量 2024-05-26 20:28:27 上传评论收藏 148KB ZIP 举报

在Python编程语言中，数据可视化是一项重要的技能，它可以帮助我们有效地理解和展示数据。本文将详细介绍如何使用Python绘制箱形图、柱状图和散点图，这些都是数据分析和报告中常用的图表类型。箱形图（Boxplot）是一种用于表示一组数据分布情况的统计图形，它能够快速展示数据的中位数、上下四分位数以及异常值。在Python中，我们可以使用matplotlib库的`plt.boxplot()`函数来创建箱形图。例如，`boxplot.py`可能包含以下代码： ```python import matplotlib.pyplot as plt # 数据 data = [1, 2, 3, 4, 5, 6, 7, 8, 9, 10] # 绘制箱形图 plt.boxplot(data) plt.ylabel('数值') plt.title('箱形图示例') plt.show() ``` 接着，柱状图（Histogram）常用于显示数据分布的频数或频率。在Python中，可以使用matplotlib的`plt.hist()`函数绘制柱状图。`histogram.py`可能如下所示： ```python import matplotlib.pyplot as plt # 数据 data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5] # 绘制柱状图 plt.hist(data, bins=5) # bins参数定义了柱子的数量 plt.xlabel('数值') plt.ylabel('频数') plt.title('柱状图示例') plt.show() ``` 散点图（Scatter plot）用于展示两个变量之间的关系。matplotlib的`plt.scatter()`函数是创建散点图的关键。假设我们有两组数据x和y，`scatter.py`可能包含如下代码： ```python import matplotlib.pyplot as plt # 数据 x = [1, 2, 3, 4, 5] y = [2, 4, 1, 3, 5] # 绘制散点图 plt.scatter(x, y) plt.xlabel('x轴') plt.ylabel('y轴') plt.title('散点图示例') plt.show() ``` 通过上述代码，我们可以清晰地看到数据的分布和潜在模式。`sandian.jpg`可能是这些图表的截图，而`boxplot.png`、`histogram.png`则分别展示了运行`boxplot.py`和`histogram.py`后的箱形图和柱状图。在实际应用中，我们还可以通过调整颜色、透明度、标签等属性，使图表更具吸引力和可读性。例如，增加自定义颜色、改变点的大小或形状，以及添加图例等。Python的matplotlib库提供了丰富的选项，使得数据可视化变得简单且灵活。通过熟练掌握这些技巧，我们可以更好地利用数据讲故事，提高分析的影响力。

资源推荐

资源详情

资源评论

收起资源包目录

箱型图.zip （6个子文件）

histogram.png 75KB

sandian.jpg 85KB

histogram.py 839B

boxplot.png 75KB

boxplot.py 761B

sandian.py 1KB

import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns # 生成示例数据 np.random.seed(42) num_countries = 100 data = pd.DataFrame({ 'Country': [f'Country {i}' for i in range(num_countries)], 'GDP per Capita': np.random.lognormal(mean=9, sigma=1, size=num_countries), 'Life Expectancy': np.random.uniform(low=50, high=80, size=num_countries), 'Population': np.random.lognormal(mean=16, sigma=1, size=num_countries), 'Region': np.random.choice(['country1', 'country2', 'country3', 'country4', 'country5'], num_countries) }) # 设置颜色 palette = sns.color_palette("hls", len(data['Region'].unique())) # 创建图表 plt.figure(figsize=(14, 10)) # 使用log scale展示GDP per Capita plt.xscale('log') # 绘制气泡图 sns.scatterplot( data=data, x='GDP per Capita', y='Life Expectancy', size='Population', hue='Region', palette=palette, sizes=(20, 2000), alpha=0.6, edgecolor='w', linewidth=0.5 ) # 添加图例和标签 plt.legend(title='World Regions', loc='upper left', bbox_to_anchor=(1, 1), borderaxespad=0) plt.xlabel('GDP per Capita (log scale)') plt.ylabel('Life Expectancy at Birth (years)') plt.title('Gapminder World Map 2030\nMore money often leads to longer lives (i.e. better health).') # 展示图表 plt.grid(True, which="both", ls="--", linewidth=0.5) plt.show()

评论收藏

内容反馈