python 的 matplotlib画图 画曲线图,通过matplotlib绘制柱状图
箱形图
又称盒须图、盒图或盒图。
它是一种用来显示一组数据离散度的统计图，因其形状像一个盒子而得名。它可以显示一组数据的最大值、最小值、中间值和上下四分位数。
盒图必须使用常用的统计量，这些统计量可以提供关于数据的位置和分散性的关键信息，尤其是在比较不同的父数据时。
箱线图的绘制主要包括六个数据节点，需要将数据从最大到最小排列，然后计算它的上边缘、上四分位数、中值、下四分位数、下边缘、下边缘、一个异常值。
计算过程：
计算上四分位数(Q3)、中位数和下四分位数(Q1)
计算上四分位数和下四分位数之差，即IQR，四分位数间距)Q3-Q1。
画出箱线图的上下区间，上限为上四分位数，下限为下四分位数。在盒子内部的中间位置画一条水平线。
上四分位数中大于四分位数差1.5倍的值或下四分位数中小于四分位数差1.5倍的值被归类为异常值。
除了异常值，在最靠近上边缘和下边缘的两个值处画横线作为盒图的触角。
极值，即超过四分位数差3倍距离的异常值，用实线点表示；轻度异常值，即四分位数差的1.5倍至3倍之间的异常值，用空心点表示。
添加名称、轴等。到方框图。
最简单箱型图
将matplotlib.pyplot作为plt导入
将numpy作为np导入
all_data=[np.random.normal(0，std，100) for std in range(1，4)]
fig=plt.figure(figsize=(8，6))
plt.boxplot(all_data，
notch=False，#框而不是凹口形状
sym=rs ，#红色方块表示异常值
vert=True) #垂直框对齐
PLT . x ticks([y 1 for y in range(len(all _ data))]，[x1 ， x2 ， x3])
plt.xlabel(测量值x )
t=plt.title(方框图)
plt.show()
自定义颜色填充方框图
将matplotlib.pyplot作为plt导入
将numpy作为np导入
all_data=[np.random.normal(0，std，100) for std in range(1，4)]
fig=plt.figure(figsize=(8，6))
bplot=plt.boxplot(all_data，
凹口=假，#凹口形状
vert=True，#垂直框对齐
patch_artist=True) #用颜色填充
colors=[粉色，浅蓝色，浅绿色]
对于补丁，zip中的颜色(BP lot[ box ]，颜色):
patch.set_facecolor(颜色)
plt.xticks([y 1表示范围内的y(len(all _ data))]，[x1 ， x2 ， x3])
plt.xlabel(测量值x )
t=plt.title(方框图)
plt.show()
小提琴图
小提琴图用于显示多组数据的分布状态和概率密度。该图结合了箱线图和密度图的特点，主要用于展示数据的分布形态。它类似于方框图，但更好地显示在密度级别。小提琴图尤其适用于数据量过大，无法一一显示的情况。
小提琴概念图
1503464-20190813102438161-852073569.png
将matplotlib.pyplot作为plt导入
将numpy作为np导入
fig，axes=plt.subplots(figsize=(12，5))
all_data=[np.random.normal(0，std，100) for std in range(6，10)]
axes.violinplot(all_data，
showmeans=False，
showmedians=True
)
axes.set_title(小提琴情节)
#添加水平网格线
axes.yaxis.grid(True)
axes.set_xticks([y 1代表y in range(len(all_data))]，)
axes.set_xlabel(xlabel )
axes.set_ylabel(ylabel )
plt.setp(axes，x ticks=[y 1 for y in range(len(all _ data))]，
xticklabels=[x1 ， x2 ， x3 ， x4]，
)
plt.show()
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。