✅作者简介:人工智能专业本科在读,喜欢计算机与编程,写博客记录自己的学习历程。 🍎个人主页:小嗷犬的博客 🍊个人信条:为天地立心,为生民立命,为往圣继绝学,为万世开太平。 🥭本文内容:Python Matplotlib库:统计图补充
上两期我们讲了 Matplotlib 库的基本语法和基本绘图展示。(参见:Python 数据可视化:Matplotlib库的使用和Python Matplotlib库:基本绘图补充) 这期我们来说说如何用 Matplotlib 库绘制常用统计图。
最常用的统计图就是直方图了,我们可以用
hist()
方法来绘制直方图,它的语法格式如下:
plt.hist(x, bins=None, range=None, density=False, weights=None, cumulative=False, bottom=None, histtype='bar', align='mid', orientation='vertical', rwidth=None, log=False, color=None, label=None, stacked=False, *, data=None, **kwargs)
参数说明:
参数 | 说明 |
---|---|
x | 输入数据。 |
bins | 如果bins是整数,则它定义区域中等宽条柱的数量。如果bins是一个序列,它定义箱子边缘,包括第一个箱子的左边缘和最后一个箱子的右边缘;在这种情况下,箱子的间距可能不相等。如果 bins 是一个字符串,则它是’auto’、‘fd’、‘doane’、‘scott’、‘stone’、‘rice’、'sturges’或 'sqrt’之一。 |
range | 条柱的下限和上限范围。下限和上限异常值将被忽略。 |
density | 为True时,绘制并返回条柱密度。 |
weights | 与 x 长度相同的权重数组,会为 x 对应位置的值进行加权 |
cumulative | 为True时,每个条柱的数值会累加前面的所有条柱数值。最后一个条柱会累加所有的数值。为负时,累加方向相反。 |
bottom | 每个条柱底部的位置,如果为数字,则每个条柱的底部移动相同的量。如果是数组,则每个箱子都是独立移动的,底部的长度必须与箱子的数量相匹配。 |
histtype | 要绘制的直方图的类型:‘bar’、‘barstacked’、‘step’、‘stepfilled’,默认为’bar’。 |
align | 直方图条柱的水平对齐方式:‘left’、‘mid’、‘right’,默认为’mid’。 |
orientation | 直方图的方向:‘vertical’、‘horizontal’,默认为’vertical’。 |
··· | ······ |
**kwargs | 其他参数。 |
代码实例:
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"] # 设置字体为黑体
plt.rcParams["axes.unicode_minus"] = False # 防止负号乱码
plt.figure(figsize=(8, 7))
plt.suptitle("统计数字出现的次数")
x = 4 + np.random.normal(0, 1.5, 200)
plt.hist(x,linewidth=0.5, edgecolor="white")
plt.show()
效果图:
箱线图也是常用统计图之一,我们可以用
boxplot()
方法来绘制箱线图,它的语法格式如下:
plt.boxplot(x, notch=None, sym=None, vert=None, whis=None, positions=None, widths=None, patch_artist=None, bootstrap=None, usermedians=None, conf_intervals=None, meanline=None, showmeans=None, showcaps=None, showbox=None, showfliers=None, boxprops=None, labels=None, flierprops=None, medianprops=None, meanprops=None, capprops=None, whiskerprops=None, manage_ticks=True, autorange=False, zorder=None, *, data=None)
参数说明:
参数 | 说明 |
---|---|
x | 输入数据。如果是 2D 数组,则会为 x 中的每一列绘制一个箱线图。如果是一系列一维数组,则会为 x 中的每个数组绘制一个箱线图。 |
notch | 为True时,绘制凹口箱线图。 |
sym | 指定异常点的形状,默认为+号显示。 |
vert | 是否需要将箱线图垂直摆放,默认垂直摆放。 |
whis | 指定上下须与上下四分位的距离,默认为1.5倍的四分位差。 |
positions | 指定箱线图的位置,默认为0,1,2…。 |
widths | 指定箱线图的宽度,默认为0.5。 |
patch_artist | 是否填充箱体的颜色。 |
meanline | 是否用线的形式表示均值,默认用点来表示。 |
showmeans | 是否显示均值,默认不显示。 |
showcaps | 是否显示箱线图顶端和末端的两条线,默认显示。 |
showbox | 是否显示箱线图的箱体,默认显示。 |
showfliers | 是否显示异常值,默认显示。 |
boxprops | 设置箱体的属性,如边框色,填充色等。 |
labels | 为箱线图添加标签,类似于图例的作用。 |
flierprops | 设置异常值的属性,如异常点的形状、大小、填充色等。 |
medianprops | 设置中位数的属性,如线的类型、粗细等。 |
meanprops | 设置均值的属性,如点的大小、颜色等。 |
capprops | 设置箱线图顶端和末端线条的属性,如颜色、粗细等。 |
whiskerprops | 设置须的属性,如颜色、粗细、线的类型等。 |
代码实例:
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"] # 设置字体为黑体
plt.rcParams["axes.unicode_minus"] = False # 防止负号乱码
plt.figure(figsize=(8, 7))
x = np.random.normal((3, 5, 4), (1.25, 1.00, 1.25), (100, 3))
plt.boxplot(x, positions=[2, 4, 6], widths=1.5, patch_artist=True,
showmeans=False, showfliers=False,
medianprops={"color": "white", "linewidth": 0.5},
boxprops={"facecolor": "C0", "edgecolor": "white","linewidth": 0.5},
whiskerprops={"color": "C0", "linewidth": 1.5},
capprops={"color": "C0", "linewidth": 1.5})
plt.show()
效果图:
在 Matplotlib 库中,我们可以用
errorbar()
方法来绘制误差条图,用于表现有一定置信区间的带误差数据,它的语法格式如下:
plt.errorbar(x, y, yerr=None, xerr=None, fmt='', ecolor=None, elinewidth=None, capsize=None, barsabove=False, lolims=False, uplims=False, xlolims=False, xuplims=False, errorevery=1, capthick=None, *, data=None, **kwargs)
参数说明:
参数 | 说明 |
---|---|
x,y | 数据点的位置坐标。 |
xerr,yerr | 数据的误差范围。 |
fmt | 数据点的标记样式以及相互之间连接线样式。 |
ecolor | 误差条的线条颜色。 |
elinewidth | 误差条的线条粗细。 |
capsize | 误差条边界横杠的大小。 |
capthick | 误差条边界横杠的厚度。 |
ms | 数据点的大小。 |
mfc | 数据点的颜色。 |
mec | 数据点边缘的颜色。 |
代码实例:
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"] # 设置字体为黑体
plt.rcParams["axes.unicode_minus"] = False # 防止负号乱码
plt.figure(figsize=(8, 7))
x = [2, 4, 6]
y = [3.6, 5, 4.2]
yerr = [0.9, 1.2, 0.5]
plt.errorbar(x, y, yerr, fmt='o', linewidth=2, capsize=6)
plt.show()
效果图:
我们可以用
violinplot()
方法来绘制小提琴图,它的作用与箱线图类似,语法格式如下:
plt.violinplot(dataset, positions=None, vert=True, widths=0.5, showmeans=False, showextrema=True, showmedians=False, quantiles=None, points=100, bw_method=None, *, data=None)
参数说明:
参数 | 说明 |
---|---|
dataset | 输入数据。 |
positions | 指定小提琴图位置。 |
vert | 设置小提琴图方向是否是水平,默认值False。 |
widths | 箱体的宽度,默认值0.5。 |
showmeans | 是否显示算术平方根,默认值False, |
showextrema | 是否显示极值,默认值True |
showmedians | 是否显示中位数,默认值False |
quantiles | 指定分位数的位置,取值范围为0,1。 |
points | 定义计算核密度估计的点的数量,默认值100。 |
bw_method | 用于估算带宽的方法,默认值scott,可选参数silverman。 |
代码实例:
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"] # 设置字体为黑体
plt.rcParams["axes.unicode_minus"] = False # 防止负号乱码
plt.figure(figsize=(8, 7))
x = np.random.normal((3, 5, 4), (0.75, 1.00, 0.75), (200, 3))
plt.violinplot(x, [2, 4, 6], widths=2, showmeans=True, showmedians=True, showextrema=True)
plt.show()
效果图:
我们可以用
eventplot()
方法来绘制尖峰栅格图,常在神经科学中用于表示神经事件,也可用于显示多组离散事件的时间或位置,语法格式如下:
plt.eventplot(positions, orientation='horizontal', lineoffsets=1, linelengths=1, linewidths=None, colors=None, linestyles='solid', *, data=None, **kwargs)
参数说明:
参数 | 说明 |
---|---|
positions | 一个一维类数组结构定义了一个事件序列的位置;由类数组结构构成的列表可以表示多组事件,每组事件都可以单独设置 lineoffsets、 linelengths、 linewidths、 colors 、 linestyles等参数。不建议使用二维数据结构。类型为类数组或类数组列表。必备参数。 |
orientation | 时间序列的方向。取值范围为{'horizontal', 'vertical'}。默认值为'horizontal'。可选参数。 |
lineoffsets | 直线中心相对于原点的偏移量,垂直于orientation,如果positions参数为二维结构,该参数可为序列,长度应与positions一致。类型为浮点数或类数组,默认值为1。可选参数。 |
linelengths | 线条的高度的总和(即lineoffset - linelength/2 to lineoffset + linelength/2),如果positions参数为二维结构,该参数可为序列,长度应与positions一致。类型为浮点数或类数组,默认值为1。可选参数。 |
linewidths | 线条的宽度,单位为像素点,如果positions参数为二维结构,该参数可为序列,长度应与positions一致。类型为浮点数或类数组,默认值1.5。可选参数。 |
colors | 线条的颜色,如果positions参数为二维结构,该参数可为序列,长度应与positions一致。类型为颜色值或颜色值列表,默认值为'C0'。可选参数。 |
linestyles | 线条的样式,如果positions参数为二维结构,该参数可为序列,长度应与positions一致。类型为字符串、元组、字符串或元组的列表。默认值为'solid'。有效的字符串范围为'solid', 'dashed', 'dashdot', 'dotted', '-', '--', '-.', ':',元组的形式应为(offset, onoffseq),onoffseq是一个以像素点为单位的断断续续的元组。 |
**kwargs | 其他参数。 |
代码实例:
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"] # 设置字体为黑体
plt.rcParams["axes.unicode_minus"] = False # 防止负号乱码
plt.figure(figsize=(8, 7))
x = [2, 4, 6]
D = np.random.gamma(4, size=(3, 50))
plt.eventplot(D, orientation="vertical", lineoffsets=x, linewidth=0.75)
plt.show()
效果图:
我们可以用
hist2d()
方法来绘制二维直方图/散点密度图,它的作用与散点图类似,语法格式如下:
plt.hist2d(x, y, bins=10, range=None, density=False, weights=None, cmin=None, cmax=None, *, data=None, **kwargs)
参数说明:
参数 | 说明 |
---|---|
x,y | 数据点坐标。 |
其他参数 | 基本同hist()。 |
详情请参见:matplotlib.axes.Axes.hist2d
代码实例:
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"] # 设置字体为黑体
plt.rcParams["axes.unicode_minus"] = False # 防止负号乱码
plt.figure(figsize=(8, 7))
x = np.random.randn(5000)
y = 1.2 * x + np.random.randn(5000) / 3
plt.hist2d(x, y, bins=(np.arange(-3, 3, 0.1), np.arange(-3, 3, 0.1)))
plt.show()
效果图:
我们可以用
hexbin()
方法来绘制Hexbin散点图,它是一种特殊的散点图,可以清晰的表示大量可能重叠的散点,语法格式如下:
plt.hexbin(x, y, C=None, gridsize=100, bins=None, xscale='linear', yscale='linear', extent=None, cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors='face', reduce_C_function=<function mean>, mincnt=None, marginals=False, *, data=None, **kwargs)
参数说明:
参数 | 说明 |
---|---|
x,y | 表示六边形坐标。 |
C | 表示六边形的值。 |
gridsize | 表示x方向或两个方向上的六边形数量。 |
xscale | 在水平轴上使用线性或对数刻度。 |
xycale | 在垂直轴上使用线性或对数刻度。 |
mincnt | 表示六边形能够显示的最小值。 |
marginals | 用于沿x轴底部和y轴左侧绘制颜色映射为矩形的边际密度。 |
extent | 表示六边形值的极限。 |
代码实例:
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"] # 设置字体为黑体
plt.rcParams["axes.unicode_minus"] = False # 防止负号乱码
plt.figure(figsize=(8, 7))
x = np.random.randn(5000)
y = 1.2 * x + np.random.randn(5000) / 3
plt.hexbin(x, y, gridsize=50)
plt.show()
效果图:
最常用的统计图之一,我们可以用
pie()
方法来绘制扇形图,它的语法格式如下:
plt.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, rotatelabels=False, *, normalize=True, data=None)
参数说明:
参数 | 说明 |
---|---|
x | 即每个扇形的占比的序列或数组。 |
explode | 如果不是None,则是一个len(x)长度的数组,指定每一块的突出程度;突出显示,设置每一块分割出来的间隙大小。 |
labels | 为每个扇形提供标签的字符串序列。 |
colors | 为每个扇形提供颜色的字符串序列。 |
autopct | 如果它是一个格式字符串,将格式化标签。如果它是一个函数,它将被调用。 |
shadow | 是否显示阴影。 |
startangle | 从x轴逆时针旋转,饼的旋转角度。 |
pctdistance | 默认为0.6,每个扇形的中心与由autopct生成的文本的开头之间距离与半径的比率,大于1的话会显示在圆外。 |
labeldistance | 默认为1.1,扇形图标签绘制时的径向距离。如果设置为None,则不绘制标签,而是存储在图例中使用。 |
代码实例:
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"] # 设置字体为黑体
plt.rcParams["axes.unicode_minus"] = False # 防止负号乱码
plt.figure(figsize=(8, 7))
x = [1, 2, 3, 4]
colors = plt.get_cmap('Blues')(np.linspace(0.2, 0.7, len(x)))
plt.pie(x, colors=colors, radius=3, center=(4, 4), wedgeprops={"linewidth": 1, "edgecolor": "white"}, frame=True)
plt.show()
效果图: