摘要：
这里利用Nathan Yau所著的《鲜活的数据：数据可视化指南》一书中的数据，学习画图。 数据地址：http://datasets.flowingdata.com/us-postage.csv 准备工作：先导入matplotlib和pandas，用pandas读取csv文件，然后创建一个图像和一个坐 阅读全文
posted @ 2018-08-21 16:22
HuZihu
阅读(5194)
评论(0)
推荐(0)
摘要：
箱线图通过数据的四分位数来展示数据的分布情况。例如：数据的中心位置，数据间的离散程度，是否有异常值等。 把数据从小到大进行排列并等分成四份，第一分位数（Q1），第二分位数（Q2）和第三分位数（Q3）分别为数据的第25%，50%和75%的数字。 I I o I I o I I o I I Q1 Q2 阅读全文
posted @ 2018-08-20 21:01
HuZihu
阅读(9742)
评论(0)
推荐(0)
摘要：
矩阵图非常有用，人们经常用它来查看多个变量之间的联系。 下面用著名的鸢尾花数据来画一个矩阵图。从sklearn导入鸢尾花数据，然后将其转换成pandas的DataFrame类型，最后用seaborn画图。（seaborn包里也有这个数据，也可以直接从seaborn包导入此数据） 矩阵图： sns.p 阅读全文
posted @ 2018-08-18 16:40
HuZihu
阅读(10561)
评论(0)
推荐(1)
摘要：
这里利用Nathan Yau所著的《鲜活的数据：数据可视化指南》一书中的数据，学习画图。 数据地址：http://book.flowingdata.com/ch05/data/us-population-by-age.xls 准备工作：先导入matplotlib和pandas，用pandas读取ex 阅读全文
posted @ 2018-08-17 16:53
HuZihu
阅读(4659)
评论(0)
推荐(0)
摘要：
雷达图常用于对多项指标的全面分析。例如：HR想要比较两个应聘者的综合素质，用雷达图分别画出来，就可以进行直观的比较。 用Matplotlib画雷达图需要使用极坐标体系，可点击此链接，查看对极坐标体系的介绍：https://www.cnblogs.com/kallan/p/6738577.html。 阅读全文
posted @ 2018-08-17 15:47
HuZihu
阅读(7675)
评论(3)
推荐(0)
摘要：
这里利用Nathan Yau所著的《鲜活的数据：数据可视化指南》一书中的数据，学习画图。 数据地址：http://datasets.flowingdata.com/ppg2008.csv 首先查看一下数据文件的前5行： 这是NBA球员的比赛统计数据，比如说AST：（assists） 助攻次数，STL 阅读全文
posted @ 2018-08-15 19:12
HuZihu
阅读(8957)
评论(0)
推荐(0)
摘要：
Matplotlib有两种接口，一种是matlab风格接口，一种是面向对象接口。在这里，统一使用面向对象接口。因为面向对象接口可以适应更复杂的场景，在多图之间进行切换将变得非常容易。 首先导入matplotlib：from matplotlib import pyplot as plt。plt是最常 阅读全文
posted @ 2018-08-14 20:36
HuZihu
阅读(2390)
评论(0)
推荐(0)
摘要：
我在网上随便找了一组数据，用它来学习画图。大家可以直接把下面的数据复制到excel里，然后用pandas的read_excel命令读取。或者直接在脚本里创建该数据。 饼图： ax.pie(x,labels=...,explode=...) 代码如下： 图像如下： 需要注意的是：所有类别的百分比相加应 阅读全文
posted @ 2018-08-14 20:35
HuZihu
阅读(3517)
评论(0)
推荐(0)
摘要：
直方图用于展示数据的分布情况，x轴是一个连续变量，y轴是该变量在一定区间内的频次。 下面利用Nathan Yau所著的《鲜活的数据：数据可视化指南》一书中的数据，学习画图。 数据地址：http://datasets.flowingdata.com/crimeRatesByState2005.csv 阅读全文
posted @ 2018-08-14 16:24
HuZihu
阅读(25114)
评论(0)
推荐(0)
摘要：
由于直方图受组距（bin size）影响很大，设置不同的组距可能会产生完全不同的可视化结果。因此我们可以用密度平滑估计来更好地反映数据的真实特征。具体可参见这篇文章：https://blog.csdn.net/unixtch/article/details/78556499。 还是用我们自己创建的一 阅读全文
posted @ 2018-08-14 16:21
HuZihu
阅读(18491)
评论(0)
推荐(0)
浙公网安备 33010602011771号