Matplotlib的简介¶

Matplotlib是一个用于绘制数据可视化图形的Python库，提供了丰富的绘图功能，包括折线图、散点图、柱状图、饼图、箱线图等。Matplotlib可以帮助用户直观地展示数据，从而更好地理解数据分布和趋势。

Matplotlib的功能：

绘图功能：Matplotlib支持各种类型的图形绘制，包括线型图、散点图、柱状图、饼图、箱线图等。
自定义性：您可以自定义图形的颜色、线型、标签、标题等属性，以满足不同的需求。
支持多种格式：Matplotlib可以将生成的图形保存为多种格式，如PNG、JPEG、PDF等。
交互式绘图：结合Jupyter Notebook等工具，可以实现交互式绘图，方便数据分析和展示。

一旦安装了Matplotlib库，您就可以开始使用它来创建各种类型的图形，以便更好地展示和理解数据。

Matplotlib的常见图示¶

折线图（Line Plot）¶

用途：用于显示数据随时间或其他连续变量的变化趋势。
场景：股票走势、气温变化等时间序列数据的可视化。

In [1]:

import matplotlib.pyplot as plt

# 数据
x = [1, 2, 3, 4, 5]
y = [10, 20, 15, 25, 30]

# 创建折线图
plt.plot(x, y)

# 添加标题和标签
plt.title('Example Line Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图形
plt.show()

柱状图（Bar Plot）¶

用途：用于比较不同类别之间的数据。
场景：销售额对比、不同城市人口数量等类别数据的展示。

In [19]:

import matplotlib.pyplot as plt

# 数据
categories = ['A', 'B', 'C', 'D', 'E']
values = [20, 35, 30, 25, 40]

# 创建柱状图
plt.bar(categories, values)

# 添加标题和标签
plt.title('Example Bar Plot')
plt.xlabel('Categories')
plt.ylabel('Values')

# 显示图形
plt.show()

In [17]:

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['PingFang HK']

# 省份和人口数量数据（示例数据，部分省份）
provinces = ['北京', '上海', '广东', '江苏', '浙江', '四川', '湖北', '河南', '湖南', '福建']
population = [2154, 2480, 12347, 8449, 6392, 8351, 6256, 9652, 6899, 4268]  # 人口数量（单位：万人）

# 创建横向柱状图
plt.figure(figsize=(12, 8))  # 设置图形大小
plt.barh(provinces, population, color='skyblue')

# 添加标题和标签
plt.title('2023年中国各省份人口数量')
plt.xlabel('人口数量（万人）')
plt.ylabel('省份')

# 显示图形
plt.show()

散点图（Scatter Plot）¶

用途：用于显示两个变量之间的关系。
场景：身高体重关系、考试成绩相关性等变量之间的关系。

In [20]:

import matplotlib.pyplot as plt
import numpy as np

# 生成正相关数据
np.random.seed(0)
x = np.random.rand(100)
y = x + np.random.normal(0, 0.1, 100)

# 绘制散点图
plt.scatter(x, y, color='skyblue', edgecolors='black')

# 添加标题和标签
plt.title('Positive Correlation Scatter Plot')
plt.xlabel('X')
plt.ylabel('Y')

# 显示图形
plt.show()

饼图（Pie Chart）¶

用途：用于展示数据的相对比例。
场景：市场份额占比、各项支出比例等相对比例的展示。

In [5]:

import matplotlib.pyplot as plt

# 数据
labels = ['A', 'B', 'C', 'D']
sizes = [25, 35, 20, 20]

# 饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140)

# 添加标题
plt.title('Example Pie Chart')

# 显示图形
plt.axis('equal')  # 保持饼图圆形
plt.show()

箱线图（Box Plot）¶

箱线图（Box Plot）是一种用于显示数据分布情况的统计图表。它展示了数据的五个统计量：最小值、第一四分位数（Q1）、中位数、第三四分位数（Q3）和最大值。箱线图还可以用来检测数据集中的离群值。

箱线图的组成部分：

箱体（Box）：位于第一四分位数（Q1）和第三四分位数（Q3）之间，表示数据的中间50%范围。
中位数（Median）：箱体内部的线表示数据的中位数。
上边缘（Upper Whisker）：连接第三四分位数（Q3）和最大值，用于显示数据的上限范围。
下边缘（Lower Whisker）：连接最小值和第一四分位数（Q1），用于显示数据的下限范围。
离群值（Outliers）：超出上下边缘的数据点，可能表示数据中的异常值。

箱线图的用途：

显示数据分布：箱线图可以帮助您直观地了解数据的分布情况，包括中位数、四分位数和离群值。
比较数据集：可以通过箱线图比较不同数据集之间的分布情况，找出差异和相似之处。
检测异常值：箱线图可以帮助您识别数据集中的离群值，从而进行异常检测和数据清洗。
通过箱线图，您可以快速了解数据的整体分布情况和离群值情况，有助于进行数据分析和决策。

%E7%AE%B1%E7%BA%BF%E5%9B%BE%E7%A4%BA%E4%BE%8B.png

四分位数是统计学中用于描述数据集中位置的概念，将数据集分成四等份。四分位数通常用于描述数据的分布情况和统计摘要。

四分位数的计算方法：假设有一个有序的数据集，从小到大排列为 $( x_1, x_2, x_3, …, x_n \$，其中 ( n ) 是数据集的总数。

第一四分位数（Q1）：数据集中最小的 25% 的数据所对应的值。
- 计算位置：\$ \text{Q1} = x_{(n+1)/4} \$
第二四分位数（Q2）：即中位数，将数据集分成两个部分，前后各占50%。
- 计算位置：\$ \text{Q2} = x_{(n+1)/2} \$
第三四分位数（Q3）：数据集中最大的 25% 的数据所对应的值。
- 计算位置：\$ \text{Q3} = x_{(3(n+1))/4} \$

四分位数的特点：

四分位数提供了数据集的位置信息，帮助了解数据的分布情况。
通过四分位数，可以识别出数据集中的上下四分之一的位置，有助于检测离群值和判断数据的集中程度。
四分位数在箱线图等统计图表中常用，用于显示数据的中位数、上下四分之一范围以及离群值。

箱线图上边缘和下边缘的计算方法：

箱线图的上边缘：通常定义为Q3 + 1.5 * IQR，表示数据的上限范围。
箱线图的下边缘：通常定义为Q1 – 1.5 * IQR，表示数据的下限范围。

In [6]:

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(10)
data = [np.random.normal(0, std, 100) for std in range(1, 4)]

# 创建箱线图
plt.boxplot(data)

# 添加标题和标签
plt.title('Example Box Plot')
plt.xlabel('Data Sets')
plt.ylabel('Values')

# 显示图形
plt.show()

直方图（Histogram）¶

直方图是一种用矩形条表示数据频数分布的统计图表。它将数据分成若干组（也称为“箱”或“桶”），然后绘制每个组的频数或频率。直方图的横轴通常表示数据的取值范围，纵轴表示数据的频数或频率。

直方图的特点和用途：

展示数据分布：直方图可以帮助您了解数据的分布情况，包括数据的集中程度、偏斜程度等。
识别模式：通过直方图，您可以识别数据中的模式、趋势和异常值。
比较数据集：可以通过直方图比较不同数据集之间的分布情况，找出差异和相似之处。
确定数据规律：直方图有助于发现数据的规律性，帮助做出预测和决策。

In [7]:

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
np.random.seed(0)
data = np.random.randn(1000)

# 创建直方图
plt.hist(data, bins=30, color='skyblue', edgecolor='black')

# 添加标题和标签
plt.title('Example Histogram')
plt.xlabel('Values')
plt.ylabel('Frequency')

# 显示图形
plt.show()

In [9]:

import numpy as np
import matplotlib.pyplot as plt

# 生成符合二项分布的随机数
n = 10  # 试验次数
p = 0.5  # 成功概率
size = 1000  # 生成随机数的数量
random_data = np.random.binomial(n, p, size)

# 绘制直方图
plt.hist(random_data, bins=range(n+2), color='skyblue', edgecolor='black')
plt.title('Binomial Distribution')
plt.xlabel('Number of Successes')
plt.ylabel('Frequency')
plt.show()