python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > Matplotlib直方图

Matplotlib实战之直方图绘制详解

作者:databook

直方图,又称质量分布图,用于表示数据的分布情况,是一种常见的统计图表,这篇文章主要为大家详细介绍了如何使用Matplotlib绘制直方图,需要的可以参考下

直方图,又称质量分布图,用于表示数据的分布情况,是一种常见的统计图表。

一般用横轴表示数据区间,纵轴表示分布情况,柱子越高,则落在该区间的数量越大。

构建直方图时,首先首先就是对数据划分区间,通俗的说即是划定有几根柱子(比如,1980年~2020年的数据,每5年划分一个区间的话,共8个区间)。

接着,对落在每个区间的数值进行统计计算, 最后,绘制矩形,高度由每个区间的统计结果决定。

直方图柱状图看似相像,实则完全不同。

前者反映数据分布情况,后者则不具备此功能,只能对数值进行比较。

也就是说,柱状图是离散的因此柱子间有空隙;但直方图的数据是连续的数值变量,因此柱子间是没有空隙的。

1. 主要元素

直方图的主要元素包括:

2. 适用的场景

直方图适用于以下分析场景:

3. 不适用的场景

直方图可能不适用于以下分析场景:

4. 分析实战

本次准备用直方图统计下某个年度我们进出口总额的分布情况。

4.1. 数据来源

这次选用国家统计局公开的对外经济贸易数据:databook.top/nation/A06

fp = "d:/share/A06050101.csv"
df = pd.read_csv(fp)
df

4.2. 数据清理

数据中有很多年份的数据为0,也就是有很多的缺失值。

所以,只选取了2021年亚洲各国的进出口总额数据来分析,

其中有2个数据在分析绘图前需要清理,一个是中国同亚洲其他国家(地区)进出口总额(万美元),与其他值差别很大,所以清理;另一个是中国同亚洲进出口总额(万美元),这是个汇总数据,也清理了。

data = df[(df["sj"] == 2021) & 
        (df["zb"] != "A060501011E") & 
        (df["zb"] != "A0605010101")].copy()
#原始数值太大,单位换成(亿美元)
data["value"] = data["value"] / 10000
data.head()

一共有48条数据,这是前5条。

4.3. 分析结果可视化

绘制直方图比较简单,核心是两个参数:

plt.hist(data["value"].tolist(), bins=10)
plt.title("中国与亚洲各国进出口总额(亿美元) 分布")
plt.show()

上面绘图时,分了10个组。(可以试试调整分组个数,看看不同的图形效果)

从图中可以看出,2021年,亚洲各国与中国的进出口总额在 0~300(亿美元)左右的国家最多,有30多个;

还有2,3个国家与中国的进出口总额甚至超过了3500亿美元。

以上就是Matplotlib实战之直方图绘制详解的详细内容,更多关于Matplotlib直方图的资料请关注脚本之家其它相关文章!

您可能感兴趣的文章:
阅读全文