在今天的课程中我将一起学习其他常见图像的绘制。
本节知识点
柱状图
直方图
散点图
饼图
柱状图
柱状图使用场合是二维数据集(每个数据点包括两个值x和y),但只有一个维度需要比较。例如：年销售额就是二维数据，“年份”和“销售额”就是它的两个维度，但只需要比较“销售额”这个维度。
柱状图利用柱子的高度，反映数据的差异。肉眼对高度差异很敏感，辨识效果非常好。
绘制柱形图我们使用plt.bar()函数：plt.bar(x,height,width,color)
函数的常用参数
代码参数
x：记录x轴上的标签
height：记录每个柱形的高度
width：设置柱形的宽度
color：设置柱形的颜色，传入颜色值的列表，例如：
['blue','green','red']。
%matplotlib inline
from matplotlib import pyplot as plt
from matplotlib import font_manager
a = ['流浪地球','疯狂的外星人','飞驰人生','大黄蜂','熊出没·原始时代','新喜剧之王']
b = [38.13,19.85,14.89,11.36,6.47,5.93]
my_font = font_manager.FontProperties(fname='/data/course_data/data_analysis/STSONG.TTF')
plt.figure(figsize=(20,8),dpi=80)
# 绘制柱状图
rects = plt.bar(a,b,width=0.3,color=['red','green','blue','cyan','yellow','gray'])
plt.xticks(a,fontproperties=my_font)
plt.yticks(range(0,41,5),range(0,41,5))
# 在条形图上加标注(水平居中)
for rect in rects:
height = rect.get_height()
plt.text(rect.get_x() + rect.get_width() / 2, height+0.3, str(height),ha="center")
plt.show()
我们使用了plt.text( )函数为每个柱形标注高度数值。
plt.text(x,y,s,ha,va)
函数中前两个参数分别为标注数据的坐标，x和y坐标，参数s记录标注的内容，参数ha和va分别用于设置水平和垂直方向的对齐方式。
rects是plt.bar()的返回值，里面包含了每一个柱形为每个柱形添加数值标注需要逐个添加，所以我们设置了一个循环来完成这项操作。
for rect in rects:
height = rect.get_height()
plt.text(rect.get_x() + rect.get_width() / 2, height+0.3, str(height),ha="center")
通过get_height()、get_x()、rect.get_width()等方法可以分别拿到柱形图的高度，左侧边的x值，柱子的宽度。然后，使用plt.text添加上文字，这样就可以清晰地看出每个柱形的高度了。
直方图
直方图一般用来描述等距数据，柱状图一般用来描述名称(类别)数据或顺序数据。直观上，直方图各个长条形是衔接在一起的，表示数据间的数学关系；条形图各长条形之间留有空隙，区分不同的类。
绘制直方图使用plt.hist()函数：
plt.hist(data, bins, facecolor, edgecolor)
常用参数
data：绘图用到的数据
height：直方图的条形数目
bins：设置柱形的宽度
facecolor：矩形的填充颜色
edgecolor：条形的边框颜色
运行下方代码，来一起绘制这个直方图：
%matplotlib inline
from matplotlib import pyplot as plt
from matplotlib import font_manager
time = [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]
my_font = font_manager.FontProperties(fname='/data/course_data/data_analysis/STSONG.TTF',size=10)# 2)创建画布
plt.figure(figsize=(20, 8), dpi=100)
# 3)绘制直方图
# 设置组距
distance = 2
# 计算组数
group_num = int((max(time) - min(time)) / distance)
# 绘制直方图
plt.hist(time, bins=group_num)
# 修改x轴刻度显示
plt.xticks(range(min(time), max(time))[::2])
# 添加网格显示
plt.grid(linestyle="--", alpha=0.5)
# 添加x, y轴描述信息
plt.xlabel("电影时长大小",fontproperties=my_font)
plt.ylabel("电影的数据量",fontproperties=my_font)# 4)显示图像
绘制直方图的重点在于设置组距，然后分为若干组。用矩形的高度表示每一组数据的频数。
直方图和柱形图究竟有什么区别呢。
第一，柱形图中用柱形的高度表示各类别的数值，横轴表示类别，宽度是固定的；而直方图是用矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，因此其高度与宽度均有意义。
第二，直方图主要用于展示连续型数值型数据，所以各矩形通常是连续排列的；而柱形图主要用于展示分类型数据，常常是分开排列的。
散点图
散点图是判断变量之间是否存在数量关联趋势,展示离群点。每个点的坐标位置由变量的值决定，并由一组不连接的点完成，用于观察两种变量的相关性。例如，身高—体重、温度—维度。
绘制直方图使用plt.scatter()函数：
plt.scatter(x,y,s,c,marker,alpha,linewidths)
函数的常用参数
x,y：数组
s：散点图中点的大小，可选
c：散点图中点的颜色，可选
marker：散点图的形状，可选
alpha：表示透明度，在 0~1 取值，可选
linewidths：表示线条粗细，可选
我们绘制出身高和体重的散点图，观察两种变量的相关性。
%matplotlib inline
import pandas as pd
from matplotlib import pyplot as plt
df = pd.read_csv('/data/course_data/data_analysis/height_weight.csv')
# 设置图形大小
plt.figure(figsize=(20,8),dpi=80)
# 使用scatter绘制散点图
plt.scatter(df['height'],df['weight'],alpha=0.5,c='red')
plt.show()
饼图
饼图是展示 分类数据的占比情况，就是反映某个部分占整体的比重，比如贫穷人口占总人口的百分比。
饼图的整个圆代表总数据，各个扇形表示每项数据，我们可以根据扇形的角度清楚地看出每个扇形占总数据的比例。
绘制饼图我们使用plt.pie( )函数。
plt.pie(x, labels, autopct, shadow, startangle)
函数的常用参数
x：绘制用到的数据
Tlabels：用于设置饼图中每一个扇形外侧的显示说明文字
autopct：设置饼图内百分比数据，可以使用format字符串或者format function，例如’%.1f%%’指小数点后保留1位小数
shadow：表示是否在饼图下面画阴影，默认值：False，即不画阴影
Tstartangle：设置起始绘制角度，默认图是从x轴正方向逆时针画起，如果设定startangle=90，则从y轴正方向画起
下面我们来一起尝试绘制招聘岗位中不同学历的占比饼图：
%matplotlib inline
import pandas as pd
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname='/data/course_data/data_analysis/STSONG.TTF',size=10)
df = pd.read_excel('/data/course_data/data_analysis/lagou.xlsx')
plt.figure(figsize = (10,8))
num = df.groupby('学历').size()
# 绘制饼图
patches, l_text, p_text = plt.pie(num,labels = num.index, autopct='%.1f%%',shadow=False,startangle=90)
for t in l_text:
t.set_fontproperties(my_font)
plt.show()
df.groupby('学历').size()按照类型变量学历对原数据分组，使用groupby函数，然后计算每组数据的数据量，使用size()函数，将输出的数据记录为num。
plt.pie()会有三个返回值
patches: matplotlib.patches.Wedge列表(扇形实例)
l_text：label matplotlib.text.Text列表(标签实例)
p_text：label matplotlib.text.Text列表(百分比标签实例)
所以，在每一个扇形外侧显示中文的时候，需要获取到每一个标签实例，然后通过set_fontproperties()方法设置自定义字体。
本节总结
