Python画分布图

1. 引言

分布图是一种用于可视化数据分布情况的图表，能够直观地展示数据的分布特征，帮助我们了解数据的中心趋势、离散程度和异常值等信息。Python作为一种功能强大的编程语言，提供了许多库和工具来绘制各种类型的分布图。本文将介绍常见的几种分布图的制作方法，包括直方图、密度图、箱线图和散点图。

2. 直方图（Histogram）

直方图是一种将数据分成若干个等宽区间并计算每个区间内数据的频数或频率的图表。通过直方图，我们可以直观地观察数据的数据分布。

2.1 matplotlib库

matplotlib是一个常用的数据可视化库，也是Python绘制直方图的首选工具之一。使用matplotlib库，我们可以轻松绘制出直方图。

2.1.1 安装matplotlib库

在终端中使用pip命令安装matplotlib库：

pip install matplotlib

2.1.2 绘制简单直方图

下面是使用matplotlib库绘制简单直方图的示例代码：

import matplotlib.pyplot as plt

# 绘制直方图
data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5]
plt.hist(data, bins=5, edgecolor='black')

# 设置图表标题和坐标轴标签
plt.title('Histogram')
plt.xlabel('Value')
plt.ylabel('Frequency')

# 显示图表
plt.show()

2.1.3 自定义直方图

我们还可以通过自定义绘图参数来调整直方图的外观，例如颜色、透明度、边界颜色等。下面是一个自定义直方图的示例代码：

import matplotlib.pyplot as plt

# 绘制直方图
data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5]
plt.hist(data, bins=5, edgecolor='black', color='steelblue', alpha=0.7)

# 设置图表标题和坐标轴标签
plt.title('Histogram')
plt.xlabel('Value')
plt.ylabel('Frequency')

# 设置坐标轴范围
plt.xlim(0, 6)
plt.ylim(0, 8)

# 添加网格线
plt.grid(True, linestyle='--', alpha=0.5)

# 显示图表
plt.show()

2.2 seaborn库

seaborn是基于matplotlib的一个高级数据可视化库，提供了更多样式和功能，使得绘制直方图更加简单。下面是使用seaborn库绘制直方图的示例代码：

import seaborn as sns

# 设置样式
sns.set(style="darkgrid")

# 绘制直方图
data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5]
sns.histplot(data, kde=True)

# 设置图表标题和坐标轴标签
plt.title('Histogram')
plt.xlabel('Value')
plt.ylabel('Count')

# 显示图表
plt.show()

3. 密度图（Density Plot）

密度图是一种通过平滑和拟合数据点的方式来估计数据的密度分布的图表。它可以帮助我们更好地理解数据的分布特征，并且比直方图更加平滑和连续。

3.1 seaborn库

seaborn库提供了绘制密度图的函数，可以轻松地绘制出各种类型的密度图。下面是使用seaborn库绘制密度图的示例代码：

import seaborn as sns

# 设置样式
sns.set(style="darkgrid")

# 绘制密度图
data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5]
sns.kdeplot(data, shade=True)

# 设置图表标题和坐标轴标签
plt.title('Density Plot')
plt.xlabel('Value')
plt.ylabel('Density')

# 显示图表
plt.show()

4. 箱线图（Box Plot）

箱线图是一种用于展示数据离散程度和异常值的图表。它通过绘制数据的上限、上四分位数、中位数、下四分位数和下限，帮助我们分析数据的分布情况。

4.1 seaborn库

seaborn库提供了绘制箱线图的函数，可以方便地制作箱线图。下面是使用seaborn库绘制箱线图的示例代码：

import seaborn as sns

# 设置样式
sns.set(style="darkgrid")

# 绘制箱线图
data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4, 5, 5, 5, 5, 5]
sns.boxplot(data)

# 设置图表标题和坐标轴标签
plt.title('Box Plot')
plt.xlabel('Value')

# 显示图表
plt.show()

5. 散点图（Scatter Plot）

散点图是一种以点的方式显示数据的分布情况的图表。它有利于我们观察两个变量之间的关系和趋势。

5.1 matplotlib库

使用matplotlib库，我们可以轻松绘制散点图。下面是使用matplotlib库绘制散点图的示例代码：

import matplotlib.pyplot as plt

# 绘制散点图
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.scatter(x, y)

# 设置图表标题和坐标轴标签
plt.title('Scatter Plot')
plt.xlabel('X')
plt.ylabel('Y')

# 显示图表
plt.show()

5.2 seaborn库

seaborn库也提供了绘制散点图的函数，并且可以通过参数调整散点的颜色、大小和样式等。下面是使用seaborn库绘制散点图的示例代码：

import seaborn as sns

# 设置样式
sns.set(style="darkgrid")

# 绘制散点图
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
sns.scatterplot(x, y, color='steelblue', s=50, marker='o')

# 设置图表标题和坐标轴标签
plt.title('Scatter Plot')
plt.xlabel('X')
plt.ylabel('Y')

# 显示图表
plt.show()