【数据处理】 python 极速极简画图

2023-07-29 00:53| 来源: 网络整理| 查看: 265

说明

当我们拿到数据的时候，第一时间就是想知道数据的特点，然鹅单个的数值如平均数、中位数仍不够直观，我们更想得到数据的分布，以便后续的工作，此时就可以采用频数(率)分布直方图。这里以我的一个实际问题为例，一步步讲如何得到想要的图，分为极简版、完整版和进阶版。画图总结，同系列其他文章请浏览：

【数据处理】 python 极速极简画图(黑白)——简单条形图、多维并列条形图【数据处理】 python 极速极简画图——频数(率)分布直方图【数据处理】 python 极速极简画图——二维连线、散点图【数据处理】 python 极速极简画图——折线图方法

用python实现直方图画法有很多种： 1. 纯python自己编写 2. matplotlib.pyplot，调hist 3. pandas 里DataFrame，调hist 4. seaborn里画 …

感兴趣的同学移步教你利用Python玩转histogram直方图的五种方法.这里主要展示基于matplotlib.pyplot的画法。

数据

准备好一列数值型的数据，list或numpy.array都行。这里采用的是纽约一段时间内发布事件的生命周期，看其分布。下图为数据展示，147013是数据条数。在这里插入图片描述

极简版

以频数分布直方图为例，若要改成频率分布直方图，plt.hist(x,normed=True)即可，注意纵坐标不是概率，面积才是。

plt.figure() #初始化一张图 x = life_cycle plt.hist(x) #直方图关键操作 plt.grid(alpha=0.5,linestyle='-.') #网格线，更好看 plt.xlabel('Life Cycle /Month') plt.ylabel('Number of Events') plt.title(r'Life cycle frequency distribution histogram of events in New York') plt.show()

在这里插入图片描述可以看到总体分布特征呈长尾分布，这种分布的数据集中在“头部”，而“尾部”过长，越接近尾部的数量越少。可以看出不加任何参数控制的极简版画图会有些问题：

描述能力问题。对数据特征的表达不够细致,只能通过图得知，大部分事件的生命周期在0~20个月里，然鹅这很有可能是描述不准确的，因为看不到0-20月里更细致的分布(有可能大部分集中在更小的区间里)。刻度问题。长尾分布，尾过长导致刻度间隔过大，无法看出直方之间的刻度是多少。

下面针对这些问题进行微调。

极简版微调

所有的微调都基于plt.hist()里的参数，所有参数如下：

matplotlib.pyplot.hist( x, bins=10, range=None, normed=False, weights=None, cumulative=False, bottom=None, histtype=u'bar', align=u'mid', orientation=u'vertical', rwidth=None, log=False, color=None, label=None, stacked=False, hold=None, **kwargs) 调“直方条”的个数

“直方条”的个数由参数bins决定，为了得到更细致的分布，我们调大点，这里我选择bins=50。在这里插入图片描述果然，更细致的分布往往更有意义，可以看出，数据更集中在最前面。但调整后，整张图显得“画布过大，而内容过少”，这也是由于尾太长导致的，我们可以看到大概55左右，一点蓝色的都没有了，这部分极少数据对我问题的意义不大，下面进行“截尾”。

截尾

这里就选到55进行截尾，其本质就是忽略掉某个刻度以后的数据，这是由参数range来控制的，我们在hist()里添加range=(0，55)。在这里插入图片描述我们发现，横坐标最多显示的是50，但相应的直方图也发生了变化，看上去46~50部分又没有数据了，说明肉眼观察的始终不如数据输出来真，那么我们有办法知道每一个直方条的长、宽吗？事实上，hist函数是有返回值的，我们接收一下它的返回值，并输出看看。

n, bins, patches = plt.hist(x,bins = 50,range=(0,55)) print(n) print(bins) print(patches)

在这里插入图片描述 n对应着纵坐标的值，bins对应横坐标的值，patches是具体的条形对象。根据n和bins我们就可以进行调试，通常而言，我们希望bins对应的是整数，而n不能太小否则显示不出来。如果bins要是整数，那么直方条数bins和截尾长度range要一致，我们设bins=55,range=(0,55)，输出看看。在这里插入图片描述我们希望刻度也能更细致的显示出来，下面我们来解决刻度问题。

加刻度

刻度得通过plt.xticks调，即加上下面这条语句，表示刻度从0开始，按1构成等差数列一直到55.

plt.xticks(np.arange(0,55,1))

在这里插入图片描述显然，刻度虽然加上去了，但是因为刻度太密了，图就那么大，都挤在一起非常难看。有多种方法解决：

把画布变大刻度间隔变大，如0，2，4，6，…继续截尾完整版

此时，我的做法是结合2、3，继续调整bins和range，并把刻度间隔变为2，在有限的图的大小下，尽量美观。最终调的是bins=40,range=(0,40),np.arrange(0,40,2)。

plt.figure() #初始化一张图 x = life_cycle width = 40 #整合成一个参数 n, bins, patches = plt.hist(x,bins = width,range=(0,width)) #print(n) #print(bins) #print(patches) plt.grid(alpha=0.5,linestyle='-.') #网格线，更好看 plt.xlabel('Life Cycle /Month') plt.ylabel('Number of Events') plt.title(r'Life cycle frequency distribution histogram of events in New York') #+citys[i]) plt.xticks(np.arange(0,width,2)) plt.show()

在这里插入图片描述这下我的图从功能上就比较完善了，较好的说明大部分的事件的生命周期都只在2个月内。之前讲了，这个分布是长尾分布，那能不能用一条曲线来拟合我的图像呢？

进阶之路拟合

前文讲的这个曲线，就是经常说的“核”，耳熟能详的有什么高斯核、伽马核等等，用核函数进行拟合的话，seaborn比较好用，请移步： Python可视化 | Seaborn5分钟入门(一)——kdeplot和distplot。此处我们仅实现将直方图的中点进行折线连线。关键代码：

plt.plot(bins[0:width]+((bins[1]-bins[0])/2.0),n,color='red')#利用返回值来绘制区间中点连线

实现方法就是连线，效果如下：在这里插入图片描述再放一张长尾分布的图进行对比，这就很直观了。

美颜

美颜主要改的要么是颜色，要么是透明度。我的审美em…大家自己调把。

plt.figure() #初始化一张图 x = life_cycle width = 40 n, bins, patches = plt.hist(x,bins = width,range=(0,width),color='blue',alpha=0.5) #print(n) #print(bins) #print(patches) plt.grid(alpha=0.5,linestyle='-.') #网格线，更好看 plt.xlabel('Life Cycle /Month') plt.ylabel('Number of Events') plt.title(r'Life cycle frequency distribution histogram of events in New York') #+citys[i]) plt.xticks(np.arange(0,width,2)) plt.plot(bins[0:width]+((bins[1]-bins[0])/2.0),n,color='red')#利用返回值来绘制区间中点连线 plt.show()

在这里插入图片描述

【本文地址】

公司简介

联系我们