Python数据分析:直方图及子图的绘制

47次阅读

共计 1123 个字符,预计需要花费 3 分钟才能阅读完成。

1. 直方图的绘制也需要用到 matplotlib 下的 pylab,只不过在绘制折线图时我们采用的是 plot(),而绘制直方图时我们需要采用 hist()。由于在绘制过程中缺少真实数据,我在这里采用 np.random.normal(a,b,c) 生成的随机数绘制直方图,a 为平均值,b 为标准差,c 为生成数据的个数。利用 np.arange(a,b,c) 确定直方图 x 轴的范围及间距,a 为最小值,b 为最大值,c 为间距。用 plt.hist(a,b) 绘制,a 为数据,b 为直方图的特性,可有可无。
import matplotlib.pylab as plt
import numpy as np
da = np.random.normal(5.0, 0.5, 3000)
dis = np.arange(3.5, 5, 0.1)
plt.hist(da, dis)
plt.show()
2. 绘制子图时,我们需要先将空间分为若干份,这时需要采用命令 plt.subplot(a,b,c),其中 a 表示行,b 表示列,c 表示从第一行开始从左向右数到 c 的当前区域。例如,如果想要在第一行绘制三个子图,第二行绘制一个子图,需要采用以下代码
import matplotlib.pylab as plt
import numpy as np
plt.subplot(2, 3, 1)
plt.subplot(2, 3, 2)
plt.subplot(2, 3, 3)
plt.subplot(2, 1, 2)
plt.show()

3. 区域拆分结束后我们该怎样在每个区域内绘制相应的图像呢?我们在前面用代码将区域拆分为了四部分,如果我们想在某个区域内绘图,只需将绘图代码写在那一部分的代码下即可
import matplotlib.pylab as plt
import numpy as np
plt.subplot(2, 3, 1) #下面的语句绘制第一个子图
x1 = [1, 3, 5, 7, 9, 11]
y1 = [2, 4, 6, 8, 10, 12]
plt.plot(x1, y1, ‘c’)
plt.subplot(2, 3, 2) #下面的语句绘制第二个子图
x2 = [3, 5, 6, 7, 9, 13, 20]
y2 = [1, 6, 2, 3, 5, 7, 11]
plt.plot(x2, y2, ‘ob’)
plt.subplot(2, 3, 3) #下面的语句绘制第三个子图
x3 = [2, 5, 7, 8, 10, 11]
y3 = [3, 5, 4, 1, 15, 10]
plt.plot(x3, y3, ‘-.’)
plt.plot(x3, y3, ‘s’)
plt.subplot(2, 1, 2) #下面的语句绘制第四个子图
da = np.random.normal(5.0, 0.5, 3000)
dis = np.arange(3.5, 5, 0.1)
plt.hist(da, dis)
plt.show()

正文完
 0