數據的分布圖python

㈠ python數據分析 | 數據描述性分析

首先導入一些必要的數據處理包和可視化的包，讀文檔數據並通過前幾行查看數據欄位。

對於我的數據來說，由於數據量比較大，因此對於缺失值可以直接做刪除處理。

得到最終的數據，並提取需要的列作為特徵。

對類別數據進行統計：

類別型欄位包括location、cpc_class、pa_country、pa_state、pa_city、assignee六個欄位，其中：

單變數統計描述是數據分析中最簡單的形式，其中被分析的數據只包含一個變數，不處理原因或關系。單變數分析的主要目的是通過對數據的統計描述了解當前數據的基本情況，並找出數據的分布模型。
單變數數據統計描述從集中趨勢上看，指標有：均值，中位數，分位數，眾數；從離散程度上看，指標有：極差、四分位數、方差、標准差、協方差、變異系數，從分布上看，有偏度，峰度等。需要考慮的還有極大值，極小值（數值型變數）和頻數，構成比（分類或等級變數）。

對於數值型數據，首先希望了解一下數據取值范圍的分布，因此可以用統計圖直觀展示數據分布特徵，如：柱狀圖、正方圖、箱式圖、頻率多邊形和餅狀圖。

按照發布的時間先後作為橫坐標，數值范圍的分布情況如圖所示.

還可以根據最終分類的結果查看這些數值數據在不同類別上的分布統計。

箱線圖可以更直觀的查看異常值的分布情況。

異常值指數據中的離群點，此處定義超出上下四分位數差值的1.5倍的范圍為異常值，查看異常值的位置。

參考：
python數據分析之數據分布 - yancheng111 - 博客園
python數據統計分析 -

科爾莫戈羅夫檢驗(Kolmogorov-Smirnov test)，檢驗樣本數據是否服從某一分布，僅適用於連續分布的檢驗。下例中用它檢驗正態分布。

在使用k-s檢驗該數據是否服從正態分布，提出假設：x從正態分布。最終返回的結果，p-value=0.9260909172362317，比指定的顯著水平（一般為5%）大，則我們不能拒絕假設：x服從正態分布。這並不是說x服從正態分布一定是正確的，而是說沒有充分的證據證明x不服從正態分布。因此我們的假設被接受，認為x服從正態分布。如果p-value小於我們指定的顯著性水平，則我們可以肯定的拒絕提出的假設，認為x肯定不服從正態分布，這個拒絕是絕對正確的。

衡量兩個變數的相關性至少有以下三個方法：

皮爾森相關系數（Pearson correlation coefficient） 是反應倆變數之間線性相關程度的統計量，用它來分析正態分布的兩個連續型變數之間的相關性。常用於分析自變數之間，以及自變數和因變數之間的相關性。

返回結果的第一個值為相關系數表示線性相關程度，其取值范圍在[-1,1]，絕對值越接近1，說明兩個變數的相關性越強，絕對值越接近0說明兩個變數的相關性越差。當兩個變數完全不相關時相關系數為0。第二個值為p-value，統計學上，一般當p-value<0.05時，可以認為兩變數存在相關性。

斯皮爾曼等級相關系數(Spearman』s correlation coefficient for ranked data ) ，它主要用於評價順序變數間的線性相關關系，在計算過程中，只考慮變數值的順序（rank, 秩或稱等級），而不考慮變數值的大小。常用於計算類型變數的相關性。

返回結果的第一個值為相關系數表示線性相關程度，本例中correlation趨近於1表示正相關。第二個值為p-value，p-value越小，表示相關程度越顯著。

kendall ：

也可以直接對整體數據進行相關性分析，一般來說，相關系數取值和相關強度的關系是：0.8-1.0 極強 0.6-0.8 強 0.4-0.6 中等 0.2-0.4 弱 0.0-0.2 極弱。

㈡ Python 數據可視化：數據分布統計圖和熱圖

本課將繼續介紹 Seaborn 中的統計圖。一定要牢記，Seaborn 是對 Matplotlib 的高級封裝，它優化了很多古老的做圖過程，因此才會看到一個函數解決問題的局面。

在統計學中，研究數據的分布情況，也是一個重要的工作，比如某些數據是否為正態分布——某些機器學習模型很在意數據的分布情況。

在 Matplotlib 中，可以通過繪制直方圖將數據的分布情況可視化。在 Seaborn 中，也提供了繪制直方圖的函數。

輸出結果：

sns.distplot 函數即實現了直方圖，還順帶把曲線畫出來了——曲線其實代表了 KDE。

除了 sns.distplot 之外，在 Seaborn 中還有另外一個常用的繪制數據分布的函數 sns.kdeplot，它們的使用方法類似。

首先看這樣一個示例。

輸出結果：

① 的作用是設置所得圖示的背景顏色，這樣做的目的是讓下面的 ② 繪制的圖像顯示更清晰，如果不設置 ①，在顯示的圖示中看到的就是白底圖像，有的部分看不出來。

② 最終得到的是坐標網格，而且在圖中分為三部分，如下圖所示。

相對於以往的坐標網格，多出了 B 和 C 兩個部分。也就是說，不僅可以在 A 部分繪制某種統計圖，在 B 和 C 部分也可以繪制。

繼續操作：

輸出結果：

語句 ③ 實現了在坐標網格中繪制統計圖的效果，jp.plot 方法以兩個繪圖函數為參數，分別在 A 部分繪制了回歸統計圖，在 B 和 C 部分繪制了直方圖，而且直方圖分別表示了對應坐標軸數據的分布，即：

我們把有語句 ② 和 ③ 共同實現的統計圖，稱為聯合統計圖。除了用 ② ③ 兩句可以繪制這種圖之外，還有一個函數也能夠「兩步並作一步」，具體如下：

輸出結果：

㈢ Python 數據可視化：繪制箱線圖、餅圖和直方圖

上一課介紹了柱形圖和條形圖，本課將介紹另外幾種統計圖表。

Box Plot 有多種翻譯，盒須圖、盒式圖、盒狀圖或箱線圖、箱形圖等，不管什麼名稱，它的基本結構是這樣的：

這種圖是由美國著名統計學家約翰·圖基（John Tukey）於 1977 年發明的，它能顯示出一組數據的上限、下限、中位數及上下四分位數。

為了更深入理解箱線圖的含義，假設有這樣一組數據：[1, 3, 5, 8, 10,11, 16, 98 ]，共有 8 個數字。

首先要計算箱線圖中的「四分位數」，注意不是 4 個數：

對於已經排序的數據 [1, 3, 5, 8, 10,11, 16, 98 ]，下四分位數（Q1）的位置是數列中從小到大第 2.25 個數，當然是不存在這個數字的——如果是第 2 個或者第 3 個，則存在。但是，可以用下面的原則，計算出此位置的數值。

四分位數等於與該位置兩側的兩個整數的加權平均數，此權重取決於相對兩側整數的距離遠近，距離越近，權重越大，距離越遠，權重越小，權數之和等於 1。

根據這個原則，可以分別計算本例中數列的 3 個四分位數。

在此計算基礎上，還可以進一步計算四分位間距和上限、下限的數值。

先看一個簡單示例，了解基本的流程。

輸出結果：

這里繪制了兩張箱線圖，一張沒有顯示平均值，另外一張顯示了平均值，所使用的方法就是 boxplot，其完整參數列表為：

參數很多，不要擔心記憶問題，更別擔心理解問題。首先很多參數都是可以「望文生義」的，再有，與以前所使用的其他方法（函數）的參數含義也大同小異。

輸出結果：

所謂的「凹槽」，不是簡單形狀的改變，左右折線的上限區間表示了數據分布的置信區間，橫線依然是上限和下限。

㈣ 如何將已知數據用python寫成正態分布並且畫圖

importnumpyasnp
importmatplotlib.pyplotasplt

y=[2,5,7,10,16,23,20,16,9,6,6,3,1,1]
x=[59,60,61,62,63,64,65,66,67,68,69,70,71,72]
fig,ax=plt.subplots()
ax.bar(x,y,0.3,alpha=0.5,color='b',label='abc')
plt.axis([55,75,0,25])
ax.set_xlabel('XXX')
ax.set_ylabel('YYY')
ax.set_title('ABC')
ax.legend()
fig.tight_layout()
plt.show()

㈤ 「Python」使用Pyecharts生成疫情分布地圖

最近受江蘇疫情影響，好多小夥伴都居家辦公咯！為了密切關注疫情動態，最近寫了爬取疫情分布的腳本，參考上篇鏈接。

既然我們已經獲得了相應的江蘇各個地級市的疫情數據，那麼我們如何來使用Python實現將數據可視化在地圖上呢？

Apache Echarts 是一個由網路開源的數據可視化，憑借著良好的交互性，精巧的圖表設計，得到了眾多開發者的認可。而 Python 是一門富有表達力的語言，很適合用於數據處理。當數據分析遇上數據可視化時，pyecharts 誕生了。

簡單來說，pyecharts具有以下特性：

3. Pyecharts 安裝

使用pip進行安裝如下：

因為我們需要使用pycharts繪制地圖，此時我們還需要安裝相應的地圖文件包：

其中：

echarts-countries-pypkg 包為全球國家地圖

echarts-china-provinces-pypkg包為中國省級地圖

echarts-china-cities-pypkg 包為中國市級地圖

安裝完上述繪制地圖相關的python包後，我們接下來開始畫疫情分布地圖。

首先，我們先來查看一段Pyecharts相關實現：

上述代碼解釋如下：

運行後會在當前目錄生成 map_jiangsu_0803.html,用瀏覽器打開後結果如下：

當滑鼠移動到對應區域後，會顯示出對應地級市今日新增人數。

上述腳本雖然可以實現我們的功能，但是顏色灰灰的，太過於單調，接下來我們來想辦法進行美化,實現代碼如下：

代碼解釋如下：

運行後會在當前目錄生成 map_jiangsu_0803_new.html,用瀏覽器打開後結果如下：

同理我們可以得到現有確診人數分布如下：

進而我們可以得到累計確診人數分布如下：

㈥ python 繪制三維圖形、三維數據散點圖

1. 繪制3D曲面圖

from matplotlib import pyplot as plt

import numpy as np

from mpl_toolkits.mplot3d import Axes3D

fig=plt.figure()

ax=Axes3D(fig)

x=np.arange(-4,4,0.25)

y=np.arange(-4,4,0.25)

x,y=np.meshgrid(x,y)

r=np.sqrt(x**2, y**2)

z=np.sin（r）

//繪面函數

ax.plot_surface（x,y,z,rstride=1,cstride=1,cmap=「rainbow」

plt.show（）

2.繪制三維的散點圖（表述一些數據點分布）

4a.mat數據地址：http blog.csdn.net/eddy_zhang/article/details/50496164

from matplotlib import pyplot as plt

import scipy.io as sio

from mpl_toolkits.mplot3d import Axes3D

matl=『4a.mat』

data=sio.loadmat（matl）

m=data[『data』]

x,y,z=m[0],m[1],m[2]

//創建一個繪圖工程

ax=plt.subplot（111,project=『3D』）

//將數據點分成三部分畫，在顏色上有區分度

ax.scatter（x[：1000], y[：1000], z[：1000],c=『y』 ）//繪制數據點

ax.scatter（x[1000：4000], y[1000：4000], z[1000：4000],c=『r』 ）//繪制數據點

ax.scatter（x[4000：], y[4000：], z[4000：],c=『g』 ）//繪制數據點

ax.set_zlable（『z』）//坐標軸

ax.set_ylable（『y』）//坐標軸

ax.set_xlable（『x』）

plt.show（）

㈦ Python 數據可視化：分類特徵統計圖

上一課已經體驗到了 Seaborn 相對 Matplotlib 的優勢，本課將要介紹的是 Seaborn 對分類數據的統計，也是它的長項。

針對分類數據的統計圖，可以使用 sns.catplot 繪制，其完整參數如下：

本課使用演繹的方式來學習，首先理解這個函數的基本使用方法，重點是常用參數的含義。

其他的參數，根據名稱也能基本理解。

下面就依據 kind 參數的不同取值，分門別類地介紹各種不同類型的分類統計圖。

讀入數據集：

然後用這個數據集制圖，看看效果：

輸出結果：

毫無疑問，這里繪制的是散點圖。但是，該散點圖的橫坐標是分類特徵 time 中的三個值，並且用 hue='kind' 又將分類特徵插入到圖像中，即用不同顏色的的點代表又一個分類特徵 kind 的值，最終得到這些類別組合下每個記錄中的 pulse 特徵值，並以上述圖示表示出來。也可以理解為，x='time', hue='kind' 引入了圖中的兩個特徵維度。

語句 ① 中，就沒有特別聲明參數 kind 的值，此時是使用默認值 'strip'。

與 ① 等效的還有另外一個對應函數 sns.stripplot。

輸出結果：

② 與 ① 的效果一樣。

不過，在 sns.catplot 中的兩個參數 row、col，在類似 sns.stripplot 這樣的專有函數中是沒有的。因此，下面的圖，只有用 sns.catplot 才能簡潔直觀。

輸出結果：

不過，如果換一個叫角度來說，類似 sns.stripplot 這樣的專有函數，表達簡單，參數與 sns.catplot 相比，有所精簡，使用起來更方便。

仔細比較，sns.catplot 和 sns.stripplot 兩者還是稍有區別的，雖然在一般情況下兩者是通用的。

因此，不要追求某一個是萬能的，各有各的用途，存在即合理。

不過，下面的聲明請注意： 如果沒有非常的必要，比如繪制分區圖，在本課中後續都演示如何使用專有名稱的函數。

前面已經初步解釋了這個函數，為了格式完整，這里再重復一下，即 sns.catplot 中參數 kind='strip'。

如果非要將此函數翻譯為漢語，可以稱之為「條狀散點圖」。以分類特徵為一坐標軸，在另外一個坐標軸上，根據分類特徵，將該分類特徵數據所在記錄中的連續值沿坐標軸描點。

從語句 ② 的結果圖中可以看到，這些點雖然縱軸的數值有相同的，但是沒有將它們重疊。因此，我們看到的好像是「一束」散點，實際上，所有點的橫坐標都應該是相應特徵分類數據，也不要把分類特徵的值理解為一個范圍，分散開僅僅是為了圖示的視覺需要。

輸出結果：

④ 相對 ② 的圖示，在於此時同一縱軸值的都重合了——本來它們的橫軸值都是一樣的。實現此效果的參數是 jitter=0，它可以表示點的「振動」，如果默認或者 jitter=True，意味著允許描點在某個范圍振動——語句 ② 的效果；還可設置為某個 0 到 1 的浮點，表示許可振動的幅度。請對比下面的操作。

輸出結果：

語句 ② 中使用 hue='kind' 參數向圖中提供了另外一個分類特徵，但是，如果感覺圖有點亂，還可以這樣做：

輸出結果：

dodge=True 的作用就在於將 hue='kind' 所引入的特徵數據分開，相對 ② 的效果有很大差異。

並且，在 ⑤ 中還使用了 paletter='Set2' 設置了色彩方案。

sns.stripplot 函數中的其他有關參數，請讀者使用幫助文檔了解。

此函數即 sns.catplot 的參數 kind='swarm'。

輸出結果：

再繪制一張簡單的圖，一遍研究這種圖示的本質。

輸出結果：

此圖只使用了一個特徵的數據，簡化表象，才能探究 sns.swarmplot 的本質。它同樣是將該特徵中的數據，依據其他特徵的連續值在圖中描點，並且所有點在默認情況下不彼此重疊——這方面與 sns.stripplot 一樣。但是，與之不同的是，這些點不是隨機分布的，它們經過調整之後，均勻對稱分布在分類特徵數值所在直線的兩側，這樣能很好地表示數據的分布特點。但是，這種方式不適合「大數據」。

sns.swarmplot 的參數似乎也沒有什麼太特殊的。下面使用幾個，熟悉一番基本操作。

在分類維度上還可以再引入一個維度，用不同顏色的點表示另外一種類別，即使用 hue 參數來實現。

輸出結果：

這里用 hue = 'smoker' 參數又引入了一個分類特徵，在圖中用不同顏色來區分。

如果覺得會 smoker 特徵的值都混在一起有點亂，還可以使用下面方式把他們分開——老調重彈。

輸出結果：

生成此效果的參數就是 dodge=True，它的作用就是當 hue 參數設置了特徵之後，將 hue 的特徵數據進行分類。

sns.catplot 函數的參數 kind 可以有三個值，都是用於繪制分類的分布圖：

下面依次對這三個專有函數進行闡述。