散點圖

散點圖顯示兩組數據的值，如圖1-1所示。每個點的坐標位置由變量的值決定，并由一組不連接的點完成，用于觀察兩種變量的相關性。例如，身高—體重、溫度—維度。

圖1-1 散點圖示例

使用Matplotlib的scatter()函數繪制散點圖，其中x和y是相同長度的數組序列。scatter()函數的一般用法為：

主要參數說明如下：

? ?x,y：數組。?

? ?s：散點圖中點的大小，可選。?

?? c：散點圖中點的顏色，可選。?

? ?marker：散點圖的形狀，可選。?

? ? alpha：表示透明度，在 0~1 取值，可選。?

?? linewidths：表示線條粗細，可選。

示例： 繪制身高—體重的散點圖

運行腳本輸出如圖1-2所示的圖形。

圖1-2 基本的散點圖

散點圖主要演示兩個變量的相關性：正相關、負相關、不相關。

示例： 顯示y=2x+1的圖形

Matplotlib中最基礎的模塊是Pyplot, 下面從最簡單的線圖開始講解。例如，有一組數據，還有一個擬合模型，通過編寫代碼來實現數據與模型結果的可視化。?

假設一個線性函數具有形式y=ax+b, 自變量是x，因變量是y，y軸截距為b，斜率為a。 ?

下面用簡單的數據來描述線性方程y=2x+1，代碼如下：

運行腳本輸出如圖2-2所示的圖形。

圖2-2?基本直線圖

在圖2-2中，使用線性方程y=2x+1畫出的是直線圖。如果想畫出曲線圖，則只需更改線性方程為 ，完整代碼如下：

運行腳本輸出如圖2-3所示的圖形。

圖2-3 曲線圖

3

直方圖

直方圖由一系列高度不等的縱向條形組成，表示數據分布的情況。例如，某年級學生的身高分布情況，如圖4-1所示。

圖4-1?直方圖

直方圖與柱狀圖的區別有以下幾點：

（1）柱狀圖是用條形的長度表示各類別頻數的多少，其寬度（表示類別）是固定的，主要是展示不同類別的數據。?

（2）直方圖是用面積表示各組頻數的多少，矩形的高度表示每一組的頻數 ( 或頻率 )，寬度則表示各組的組距，因此其高度與寬度均有意義。 ?

（3）由于分組數據具有連續性，因此直方圖的各矩形通常是連續排列，而柱狀圖則是分開排列。 ?

（4）柱狀圖主要用于展示分類型數據，而直方圖主要用于展示數據型數據。 ?

使用Matplotlib的hist()函數繪制直方圖，hist()函數的一般用法為：

主要參數說明如下：

? ?bins：直方圖中箱子 (bin) 的總個數。個數越多，條形帶越緊密。?

? ?color：箱子的顏色。?

? ?normed：對數據進行正則化。決定直方圖y軸的取值是某個箱子中的元素的個數?(normed=False), 還是某個箱子中的元素的個數占總體的百分比 (normed=True)。?

在介紹直方圖之前，先來了解什么是正太分布。

正態分布也稱常態分布，是連續隨機變量概率分布的一種，自然界、人類社會、心理和教育中的大量現象均按正態形式分布。 例如，能力的高低、學生成績的好壞等都屬于正態分布。 正態分布曲線呈鐘形，兩頭低，中間高，左右對稱。 因其曲線呈鐘形，所以人們又經常稱之為鐘形曲線，如圖4-2所示。

圖4-2 正態分布的鐘形曲線

正態分布有兩個參數，即均值和標準差。均值是正態分布的位置參數，描述正態分布的集中趨勢位置。概率規律為：取與均值越近的值的概率越大，而取離均值越遠的值的概率越小。?

標準差描述正態分布資料數據分布的離散程度，標準差越大，數據分布越分散；標準差越小，數據分布越集中。標準差也是正態分布的形狀參數，標準差越大，曲線越扁平；反之，標準差越小，曲線越瘦高。?

繪制直方圖，需要使用NumPy的np.random.randn(N)函數，這個函數的作用就是從標準正態分布中返回N個樣本值。 ?

示例： 直方圖

?

本例文件名為

“PythonFullStackChapter07mpl_hist01”

顯示直方圖。其完整代碼如下：

運行腳本輸出如圖4-3所示的圖形。

圖4-3?直方圖?

本文摘自《 Python 3.x全棧開發從入門到精通 》

▼

Python3.x全棧開發圣經

推薦書籍：

Python3.x入門經典書

活動參與方式：暢所欲言，在留言區聊聊“ Python ? ”

點贊數最高前 3 名 將贈送 《Python 3.x全棧開發從入門到精通》、 《Python3.x： 基礎教程》任選紙書一本，共送出 3 本。

活動時間： 即日起截止 8月16日 中午12:00

中獎領取方式： 點贊數多的前 3 名，小編會私信各位詳細地址來給您寄送紙書

#急于購書的朋友也可以? 點擊閱讀原文 直接購買? #