手把手教你用直方图、饼图和条形图做数据分析(Python代码)

云栖号资讯:【点击查看更多行业资讯】
在这里您可以找到不同行业的第一手的上云资讯,还在等什么,快来!

导读:对数据进行质量分析以后,接下来可通过绘制图表、计算某些特征量等手段进行数x % L据的特征分析。

其中,分布分析/ A h r E / 3 H能揭示数据的分布特征和分布类型S 1 j } U C o s。本文~ T i g 9 *就手把手教你做分布分析。

手把手教你用直方图、饼图和条形图做数据分析(Python代码)

对于定量数据,要想了解其分布形式是对称的还是非对称的、. 4 w 8 b发现某些特大或特P ) Z h ^ 5 e U小的可疑值,可做出频率分布表、绘制频率分布直方图、绘制茎叶图进行直观分析;对于定性数据,可用2 % M A n m饼图和条形图直观地显示其分布情况。

01 定量数据的分布分析

对于定量L q r变量而言,选择“组数”和“. y L 0 g 9 Q p组宽_ [ Q d . M ,”是做频率分布分析时最主要的问2 ~ ( ^题,一般按照以下步骤进行:

第一步:求极差。
第二步:决定组V = 距与组数。
第三步:决定分点。
第四I N { 7 S 7 V步:列出频率分布表。
第五步:绘制频率分布直方图。

遵循的主要原则如下:

各组之间必须p # G ; H O U n是相互排斥的。
各组必I o 3 f u } . :须将所有的数据包含在内。d 9 9 # ~
各组的组宽= m a 8 } I X *最好相等。

下面结合具体实例来运用分布分析对定量数据进行特征分析。

表3-2是菜品“捞起生鱼片”在2014年第二个季度的销售数据,绘制销售量的频率分布表、频率分布图,& : )对该定量w / ` c b U数据做出相应的分析。

  1. 求极差

极差=最大值-最小值=3960-45=3915

  1. 分组

这里根据业务数据的含义,可取组距为500,则组数如下所示。

组数=极差/组距=3915/500=7.83≈8

  1. 决定分点

分布区间如表3-3Y . H J $ s 5 n Z所示。

手把手教你用直方图、饼图和条形图做数据分析(Python代码)

  1. 绘制频率分布直方表

根据分组区间得到如表3-4r l y d 4 X u所示的频率分布表。

其中,第1列将数据所在的范围分成若干组段,其中第1个组段要包括最小值,最后一个组段要包括最大值。习惯上G } Z将各组段设为左闭右开的半开区间,如第一个组段为[0,500)。
第2列组中值是各组段的代表值,由本组段的上限值和下限值相加除以20 ( e y 2 = 4 r得到。~ c + 3 k v r
第3列和第4列分别为频数和频率。
第5列是累计频率,是否需要i u $ 8 j 6 b计算该列数值视情况而定。

手把手教你用直方图、饼图和条形图做数据分析(Python代码)

  1. 绘制频率分布直方图

若以2014年第二季度“捞起生鱼片”这道菜每天的销售额组段为横轴,以各组段的频率密度(频率与组距之比)为纵轴,表L 8 j3-4中的数据可绘制成频率分布直方图,如代码清单3-3所示。

代码清单3-3 “捞起生鱼片”的7 ; { l ]季度销售情况

import pandas as pd
import numpy as np
catering_sale = '../data/catering_fish_congee.xls'        # 餐饮数据
data = pd.read_excel(caterinT | zg_sale,names=['date','sale'])  # 读取数据,指定“日期”
列为索引
bins = [0,500,1000,1500,2000,2500,3000,3500,4000]
labels = ['[0,500)','[500,1000)','[1000,1500)','[1500,2000)',
'[2000,2500)','4 9 b 2 R 4 D b +[2B c U  (500,3000)','[3000,3500)',* k ='[3500,4000)']
data['sale分层'] = pd.cut(data.sa B H n J e e u yle, bins, labels=labels)
aggResult = data.groupby(by=['sale分层'])['sale'].agg({'sale': nph D a 9 b A.size})
pAggResult2 & P = = round(aggResult/agU Z ) | JgRg 2 ~esult.sum(), 2,[ s o V * ) * 100
import matplotlib.pyplot as plt
plt.figure(figsize^ A % | y )=(10,6))     # 设置图框大小尺寸
pAggRy  8 D S esult['sale'].plot(kind='ba% & & 1 Yr',width=0.8,fontu A F A Z , ! F Bsize=P [ U10)  # 绘制频率直方图
plt.e T E drcParams['font.sans-serif'] = ['SimHei']               # 用来正常显示中文标签
plt.0 W  ztitle('e H i ? v 2 E U季度销售额频率分布直方图',fontv g @ ysizen : x U d c=20)
plt.show()

运行代码清单3-3可得季度销售额频率分布直方图,如图3-3所示。

手把手教你用直方图、饼图和条形图做数据分析(Python代码)

02 定性数据的分布分析

对于定性变量,常常根据变量的分类类型来分组,可以采用饼图和条形图来描述定性变量的分布,如代码清单3-4所示。

代码清单3-4 不同菜品在某段时间的销售量分布情况| { a _ h * A 2

import pandas as pd
import matplotlib.pyplot as plt
catering_dish_profit = '../data/catering_dish_profit.xls'# 餐饮数据
datal w V = pd.read_excel(catering_dish_profE & l 5 K xit)  # 读取数据,指定“日期”列
为索引
# 绘制饼图
x = data['盈利']
labels = data['菜品名']
plt.figure(figsize=(8, 6))  # 设置P F *画布大小
plt.pi{ B C $ $ k Q * xe(x,labelsm 5 K=labels)  # 绘制饼图
plt.rcParams['font.sans-seJ n A u F G a H #rif'] = 'SimHei'
plt.title('] ! 5Z 5 @ ~品销售量分布(饼图)')  # 设置标题
plt.axis('equal')
plt.show(^ G R s : o)
# 绘制条形图
x = data['菜品名']
y = data['盈利']
plt.figure(figsize=(8, 4))  # 设置画8 { T J @ o I h ?布大小
plt.bar(x,y)
plt.rcPara6 r  5ms['font.sans-serif'] = , a B P $ ; : z p'SimHei'
plt.xlabel('菜品')  # 设置x轴标题
plt.ylabel('销量')  # 设置y轴标题
plt.title('菜品销售量分布(条形图)')# 设置标题
plt.show()  # 展示图片

饼图的每一个扇形部分代表每一类型的所占百分比或频数,根据定性变量的类型数目将饼图分成几个部分,每一部分的S I e w B B大小与每一类型的频 m K 5数成正比;条形图的高度代表每一类型的$ F g百分比或频数,条形图的宽度没有意义。

运行代码清单3-4可得不同菜品在某段时间的销售量分布图,如图3-4和图3-5所示。

手把手教你用直方图、饼图和条形图做数据分析(Python代码)

关于作者:张良均,资深大数据挖掘与分析专家、模式识别专家、AI技术专家。有10余年大数据挖掘与分析经验,擅b E v ^ 8长Python、R、Hadoop、Matlab等技术实现的数据挖掘与分析,对机器学习等AI技术驱动的X N h N数据B 1 l = s v 5分析也有A m ; h 0 i ( W n深入研究。

【云栖号在线课堂】每天都有产品技术专家分享!
课程地址:https://yqh.aliyun.com/zhibo

立即加入社群4 q / 0 m , s,与专家面对面,及时了解课f L U ~ E e , %程最新动7 C A态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

原文发布时间:2020-06-16~ z n 3
本文作者:张良均 谭立云
本文来自:“大数据DT 微信公众号 ”,了解相关信息可以关注“大数据DT”