携手创作，共同成长！这是我参与「掘金日新计划 · 8 月更文挑战」的第26天，点击查看活动详情
1. 折线图的应用场景
- 折线图以折线的上升或下降来表示统计数量的增减变化的统计图。
- 折线图可以反应某一变量随时间变化关系，例如：某城市不同时间段的温度变化情况。
- 折线图可以反应某一变量随地点变化情况，例如：某产品在不同城市的销售量。
- 简而言之，折线图可以直观的看出某一变量的趋势以及变化。
2. 绘制数学图像
注意：我们所用到的plt.plot()除了可以绘制折线图，还可以用于绘制各种数学函数图像。
绘制数学图像大体步骤：
- 准备数据：用到了numpy库
- 创建画布
- 绘制函数图像
- 显示图像
下面将以绘制sin函数图像进行案例演示，我们将在（-10, 10）坐标范围内绘制sin函数图像。案例中我们需要导入numpy这个库，它是一个数学工具库，我们用该库进行数据准备。
代码演示如下所示：
import matplotlib.pyplot as plt
import numpy as np
# 0.准备数据
x = np.linspace(-10, 10, 1000)
y = np.sin(x)
# 1. 创建画布
plt.figure(figsize=(20, 8), dpi=100)
# 2. 绘制函数图像
plt.plot(x, y)
# 2.1 添加网格显示
plt.grid()
# 3. 显示图像
plt.show()
运行结果如下图所示：
3. 绘制常见图形
Matplotlib能够绘制折线图、散点图、直方图、饼图。我们需要知道不同的统计图的意义，以此来决定选择哪种统计图来呈现我们的数据。
-
散点图：用两组数据构成多个坐标点，考察坐标点的分布，判断两变量之间是否存在某种关联或总结坐标点的分布模式。
- 特点：判断变量之间是否存在数量关联趋势，展示离群点（分布规律）
- 语法：plt.scatter(x, y)
-
柱状图：排列在工作表的列或行中的数据可以绘制到柱状图中
- 特点：绘制离散的数据，能够清楚的看出各个数据的大小，比较数据之间的差别。（统计/对比）
- 语法：plt.bar(x, width, align='center', **kwargs)
- width：柱状条宽度
- align：x坐标卡在柱的中间，左边，还是右边
-
直方图：由一系列高度不等的纵向条纹或线段表示数据分布的情况，一般用横轴表示数据范围，纵轴表示分布情况。
- 特点：绘制连续性的数据展示一组或者多组数据的分布状况（统计）
- 语法：matplotlib.pyplot.hist(x, bins=None)
- x：需要传递的数据
- bins：组距
-
饼图：用于表示不同分类的占比情况，通过弧度大小来对比各种分类
- 特点：分类数据的占比情况（占比）
- 语法：plt.pie(x, labels=, autopct=, color)
- x：数量，自动算百分比
- labels：每部分名称
- autopct：百分比显示的形式
- color：每部分颜色
