python数据可视化第九节

第九节数据可视化主要包括以下内容：

1. 直方图

直方图是一种常用的数据可视化方式，用于显示数据的分布情况。直方图通过将数据划分成一些连续的区间（也称为“箱子”或“桶”），然后统计每个区间内的数据量，并将结果绘制为垂直条形图。

在 Python 中，我们可以使用 Matplotlib 库的 hist() 函数来绘制直方图，例如：

import matplotlib.pyplot as plt
import numpy as np

# 生成1000个随机数，服从正态分布
data = np.random.randn(1000)

# 绘制直方图
plt.hist(data, bins=30, alpha=0.5, color='green')

# 添加标题和标签
plt.title('Histogram of Random Data')
plt.xlabel('Value')
plt.ylabel('Frequency')

# 显示图形
plt.show()

2. 箱线图

箱线图是一种用于展示数据分布情况的图表。它由一个矩形和两条“须”组成。矩形表示数据的四分位数范围（第一四分位数、中位数和第三四分位数），上下两条“须”表示数据的最大值和最小值，以及可能的离群值。

在 Python 中，我们可以使用 Matplotlib 库的 boxplot() 函数来绘制箱线图，例如：

import matplotlib.pyplot as plt
import numpy as np

# 生成3组数据，每组100个随机数，服从正态分布
data1 = np.random.normal(0, 1, 100)
data2 = np.random.normal(2, 1, 100)
data3 = np.random.normal(4, 1, 100)

# 绘制箱线图
plt.boxplot([data1, data2, data3], labels=['Group 1', 'Group 2', 'Group 3'])

# 添加标题和标签
plt.title('Boxplot of Random Data')
plt.xlabel('Group')
plt.ylabel('Value')

# 显示图形
plt.show()

3. 热力图

热力图是一种用于展示数据密度分布情况的图表。它通常通过不同颜色的方块来表示数据的密度大小，颜色越浅表示密度越大，颜色越深表示密度越小。

在 Python 中，我们可以使用 Seaborn 库的 heatmap() 函数来绘制热力图，例如：

import seaborn as sns
import numpy as np

# 生成10x10的随机矩阵
data = np.random.rand(10, 10)

# 绘制热力图
sns.heatmap(data, cmap='YlGnBu')

# 添加标题和标签
plt.title('Heatmap of Random Data')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图形
plt.show()

以上就是第九节数据可视化的内容，希望对你有所帮助。