柱狀圖、直方圖、散點圖、餅圖講解
1、柱狀圖
柱狀圖適用場合是二維資料集（每個資料點包括兩個值x和y），但只有一個維度需要比較。
例如：年銷售額就是二維資料，”年份”和”銷售額”就是它的兩個維度，但只需要比較”銷售額”這一個維度
特點：柱狀圖利用柱子的高度來反應資料的差異，肉眼對於高度的差異很敏感，辨識效果非常好！
柱狀圖的使用方法：
前面的折線圖使用的是plot函式，但是柱狀圖使用的是bar函式
語法：
plt.bar(x,height,width,color)
其中的引數說明：
x：記錄x軸上的標籤
height：記錄每個柱形的高度
width：設定柱形的寬度
color：設定柱形的顏色，傳入顏色值的列表，例如：['blue','green','red']
示例：
%matplotlib inline
from matplotlib import pyplot as plt
from matplotlib import font_manager
a = ['流浪地球','瘋狂的外星人','飛馳人生','大黃蜂','熊出沒·原始時代','新喜劇之王']
b = [38.13,19.85,14.89,11.36,6.47,5.93]
my_font = font_manager.FontProperties(fname='/data/course_data/data_analysis/STSONG.TTF')
plt.figure(figsize=(20,8),dpi=80)
# 繪製柱狀圖
rects = plt.bar(a,b,width=0.3,color=['red','green','blue','cyan','yellow','gray'])
plt.xticks(a,fontproperties=my_font)
plt.yticks(range(0,41,5),range(0,41,5))
# 在條形圖上加標註(水平居中)
for rect in rects:
height = rect.get_height()
plt.text(rect.get_x() + rect.get_width() / 2, height+0.3, str(height),ha="center")
plt.show()
細心的同學會注意到，我們將柱形的高度資料標註在了柱形的上方。沒錯，我們使用了plt.text( )
函式為每個柱形標註高度數值
plt.text(x,y,s,ha,va)
函式中前兩個引數分別是資料中的座標，X座標以及Y座標，引數s記錄標註的內容。引數ha和va分別
用於設定水平和垂直方向的對齊方式
rects是plt.bar（）函式的返回值，裡面包含了每一個柱形為每一個柱形新增數值需要逐個新增，所以
我們設定一個迴圈來操作
通過get_height()、get_x()、rect.get_width()等方法可以分別拿到柱形圖的高度，左側邊的x值，
柱子的寬度。然後，使用plt.text新增上文字，這樣就可以清晰地看出每個柱形的高度了。
2、直方圖
直方圖一般用來描述等距資料，柱狀圖一般用來描述名稱（類別）資料或順序資料。直觀上，直方圖各個長條
形是銜接在一起的，表示資料間的數學關係；條形圖各長條形之間留有空隙，區分不同的類
繪製直方圖使用plt.hist（）函式：
plt.hist(data, bins, facecolor, edgecolor)
常用引數：
data：繪圖用到的資料
bins：控制直方圖中的區間個數
facecolor：矩形的填充顏色
edgecolor：條形的邊框顏色
柱形圖和直方圖的區別：
第一，柱形圖中用柱形的高度表示各類別的數值，橫軸表示類別，寬度是固定的；而直方圖是用矩形的高度
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。
第二，直方圖主要用於展示連續型數值型資料，所以各矩形通常是連續排列的；而柱形圖主要用於展示分型別
資料，常常是分開排列的。
示例：
%matplotlib inline
from matplotlib import pyplot as plt
from matplotlib import font_manager
time = [131, 98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114,
119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115, 99,
136, 126, 134, 95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117, 86, 95, 144,
105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123, 86, 101, 99, 136,123,
117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116,
108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125,
138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140, 83, 110, 102,123,
107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109,
106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144, 83, 123,
111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109,
141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103,
130, 141, 117, 106, 114, 121, 114, 133, 137, 92,121, 112, 146, 97, 137, 105, 98,
117, 112, 81, 97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111,
101, 110,105, 129, 137, 112, 120, 113, 133, 112, 83, 94, 146, 133, 101,131, 116,
111, 84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]
my_font = font_manager.FontProperties(fname='/data/course_data/data_analysis/STSONG.TTF',size=10)
# 2）建立畫布
plt.figure(figsize=(20, 8), dpi=100)
# 3）繪製直方圖
# 設定組距
distance = 2
# 計算組數
group_num = int((max(time) - min(time)) / distance)
# 繪製直方圖
plt.hist(time, bins=group_num)
# 修改x軸刻度顯示
plt.xticks(range(min(time), max(time))[::2])
# 新增網格顯示
plt.grid(linestyle="--", alpha=0.5)
# 新增x, y軸描述資訊
plt.xlabel("電影時長大小",fontproperties=my_font)
plt.ylabel("電影的資料量",fontproperties=my_font)
# 4）顯示影像
3、散點圖
散點圖是判斷變數之間是否存在數量關聯趨勢,展示離群點。每個點的座標位置由變數的值決定，並由一組不連線
的點完成，用於觀察兩種變數的相關性。例如，身高—體重、溫度—維度
繪製直方圖使用plt.scatter()函式：
plt.scatter(x,y,s,c,marker,alpha,linewidths)
常用引數
x,y：陣列
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：
%matplotlib inline
import pandas as pd
from matplotlib import pyplot as plt
df = pd.read_csv('/data/course_data/data_analysis/height_weight.csv')
# 設定圖形大小
plt.figure(figsize=(20,8),dpi=80)
# 使用scatter繪製散點圖
plt.scatter(df['height'],df['weight'],alpha=0.5,c='red')
plt.show()
4、餅圖
餅圖是展示 分類資料的佔比情況，就是反映某個部分佔整體的比重
餅圖的整個圓代表總資料，各個扇形表示每項資料，我們可以根據扇形的角度清楚地看出每個扇形佔總資料的比例
繪製餅圖我們使用plt.pie( )函式。
plt.pie(x, labels, autopct, shadow, startangle)
常用引數
x：繪製用到的資料
Tlabels：用於設定餅圖中每一個扇形外側的顯示說明文字
autopct：設定餅圖內百分比資料，可以使用format字串或者format function，例如’%.1f%%’指
小數點後保留1位小數
shadow：表示是否在餅圖下面畫陰影，預設值：False，即不畫陰影
Tstartangle：設定起始繪製角度，預設圖是從x軸正方向逆時針畫起，如果設定startangle=90，
則從y軸正方向畫起
示例：
%matplotlib inline
import pandas as pd
from matplotlib import pyplot as plt
from matplotlib import font_manager
my_font = font_manager.FontProperties(fname='/data/course_data/data_analysis/STSONG.TTF',size=10)
df = pd.read_excel('/data/course_data/data_analysis/lagou.xlsx')
plt.figure(figsize = (10,8))
num = df.groupby('學歷').size()
# 繪製餅圖
patches, l_text, p_text = plt.pie(num,labels = num.index, autopct='%.1f%%',shadow=False,startangle=90)
for t in l_text:
t.set_fontproperties(my_font)
plt.show()
程式碼解析：
df.groupby('學歷').size()按照型別變數學歷對原資料分組，使用groupby函式，然後計算每組資料的
資料量，使用size()函式，將輸出的資料記錄為num。
plt.pie()會有三個返回值
patches: matplotlib.patches.Wedge列表(扇形例項)
l_text：label matplotlib.text.Text列表(標籤例項)
p_text：label matplotlib.text.Text列表(百分比標籤例項)
所以，在每一個扇形外側顯示中文的時候，需要獲取到每一個標籤例項，然後通過set_fontproperties()
方法設定自定義字型。
df.groupby('學歷').size()按照型別變數學歷對原資料分組，使用groupby函式，然後計算每組資料的資料
量，使用size()函式，將輸出的資料記錄為num。
plt.pie()會有三個返回值：
patches: matplotlib.patches.Wedge列表(扇形例項)
l_text：label matplotlib.text.Text列表(標籤例項)
p_text：label matplotlib.text.Text列表(百分比標籤例項)
所以，在每一個扇形外側顯示中文的時候，需要獲取到每一個標籤例項，然後通過set_fontproperties()
方法設定自定義字型。
