【数据分析】统计图表
2024-05-25 17:55:42
常见统计图的对比
- 折线图：展示数据的变化情况
- 散点图：两个属性上的数据的相关情况，展示离群点
- 直方图：统计连续的数据
- 条形图：统计离散的数据
条形图
#绘制横着的条形图
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="/System/Library/Fonts/Hiragino Sans GB.ttc")a = ["战狼2","速度与激情8","功夫瑜伽","西游伏妖篇","变形金刚5：最后的骑士","摔跤吧！爸爸","加勒比海盗5：死无对证","金刚：骷髅岛","极限特工：终极回归","生化危机6：终章","乘风破浪","神偷奶爸3","智取威虎山","大闹天竺","金刚狼3：殊死一战","蜘蛛侠：英雄归来","悟空传","银河护卫队2","情圣","新木乃伊",]b=[56.01,26.94,17.53,16.49,15.45,12.96,11.8,11.61,11.28,11.12,10.49,10.3,8.75,7.55,7.32,6.99,6.88,6.86,6.58,6.23]#设置图形大小
plt.figure(figsize=(20,8),dpi=80)
#绘制条形图
plt.barh(range(len(a)),b,height=0.3,color="orange")
#设置字符串到x轴
plt.yticks(range(len(a)),a,fontproperties=my_font)plt.grid(alpha=0.3)
# plt.savefig("./movie.png")plt.show()
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname="/System/Library/Fonts/Hiragino Sans GB.ttc")a = ["猩球崛起3：终极之战","敦刻尔克","蜘蛛侠：英雄归来","战狼2"]
b_16 = [15746,312,4497,319]
b_15 = [12357,156,2045,168]
b_14 = [2358,399,2358,362]bar_width = 0.2x_14 = list(range(len(a)))
x_15 = [i+bar_width for i in x_14]
x_16 = [i+bar_width*2 for i in x_14]#设置图形大小
plt.figure(figsize=(20,8),dpi=80)plt.bar(range(len(a)),b_14,width=bar_width,label="9月14日")
plt.bar(x_15,b_15,width=bar_width,label="9月15日")
plt.bar(x_16,b_16,width=bar_width,label="9月16日")#设置图例
plt.legend(prop=my_font)#设置x轴的刻度
plt.xticks(x_15,a,fontproperties=my_font)plt.show()
直方图
from matplotlib import pyplot as plt
from matplotlib import font_managera=[131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99, 136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98, 117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116, 111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]#计算组数
d = 3 #组距
num_bins = (max(a)-min(a))//d
print(max(a),min(a),max(a)-min(a))
print(num_bins)#设置图形的大小
plt.figure(figsize=(20,8),dpi=80)
plt.hist(a,num_bins,normed=True)#设置x轴的刻度
plt.xticks(range(min(a),max(a)+d,d))plt.grid()plt.show()
【数据分析】统计图表相关推荐
- 移动端数据可视化数据分析统计图表 Axure 原型
本套移动端数据可视化数据分析统计图表 Axure 原型/组件库/元件库集合包含了常用的可视化图表包括中国地图.世界地图.柱状图.条形图.折线图.面积图.饼图.环形图.雷达图.瀑布图.直方图.阶梯图.散 ...
- 数据分析报告中如何选择合适的统计图表
由于不同的数据分析工具收集到的数据千差万别,基于这些数据生成展示的统计图表也不尽相同:而且数据分析师制作各种报告时,也常常纠结于如何选择合适的图表表达数据诉求,因此我们有必要去理解一些常用数据分析统计 ...
- 数据分析 | 如何对年终销售数据进行可视化分析快速搞定统计图表
数据分析 | 如何对年终销售数据进行可视化分析,快速搞定统计图表 以下文章由:聂永真可视化设计实验室 整理. 等信息 年终将近,又到拿数据来做总结汇报时.作为销售部的管理者或是销售人员,你还在拿着一张 ...
- python数据分析及可视化（二）离散程度、标准化值、分布形态、描述性统计图表
描述性统计 平均指标 调和平均数 算术平均数的变种,本质跟算术平均数是一致的. 定义:变量值倒数的算术平均值的倒数.表示的符号:HHH 调和平均数(根据未分组数据计算的):H=n1x1+1x2+... ...
- 独家 | 2021，什么数据分析技能最重要？
作者:Emmett Boudreau 翻译:朱启轩 校对:和中华 本文约2800字,建议阅读8分钟. 本文主要介绍数据科学的发展趋势以及当今工作岗位所需要的数据分析技能. Image by auth ...
- python与excel做数据可视化-python做可视化数据分析，究竟怎么样？
Python做可视化数据分析也是可以的,只是对比起来专业的可视化工具有些得不应手,做出来的图可能不太美观.Python用来处理数据,用来分析绝对可以.我觉得想要可视化可以使用专门的可视化工具. 不过, ...
- 智游推送教你如何使用统计图表辅助运营
2019独角兽企业重金招聘Python工程师标准>>> 数据是能帮助开发者进一步了解产品.了解用户最直观的方式,也是最能真实反映APP运营状况的,当然也是推送服务中必不可少的.但新的 ...
- 快速入门 Python 数据分析实用指南
Python 现如今已成为数据分析和数据科学使用上的标准语言和标准平台之一.那么作为一个新手小白,该如何快速入门 Python 数据分析呢? 下面根据数据分析的一般工作流程,梳理了相关知识技能以及学习 ...
- GIAC | 大数据分析系统在游戏领域的迭代与实践
导语:6月23日,腾讯游戏数据分析系统负责人周东祥在 "GIAC全球互联网架构大会" 的分享了主题为<大数据分析系统在游戏领域的迭代与实践>的内容,具体的分享视频和PP ...
最新文章
- 西北师范计算机考研调剂,西北师范大学研究生调剂
- Python工具包werkzeug
- 【嵌入式】C语言高级编程-强符号和弱符号(09)
- 删不干净_“我劝你别删前任微信”
- 【Redis】Redis 事务
- live555 分析—— OpenRtsp
- python中json.dumps使用的坑以及字符编码
- 元素周期表排列的规律_高中化高中化学元素周期表六大常考规律与特征学元素周期表六大常考规律与特征...
- 机器学习基础：核密度估计（Machine Learning Fundamentals: Kernel Density Estimation）
- oracle分区实战,Oracle分区实战分享
- oracle 分组随机抽取,Oracle 中实现随机抽取数据
- Ubuntu： Firefox 的profile missing解决
- ABAP BDC代码
- Springboot+oauth2.0实现微信登录（oauth2.0自定义授权模式）
- linux看不到进程管理,关于Linux下进程的详解【进程查看与管理】
- 赛灵思 Xilinx UG1387 - Versal ACAP 硬件、IP 和平台开发方法指南（中文版） (v2020.2)
- 兰伯特(Lambert)方程的求解算法1
- 网易我的世界java怎么开光追_《我的世界》如何开启光线追踪？
- 利用远程外网服务器搭建代理服务器
- java atd_Android R.java问题汇总