摘要：先介紹條形圖直方圖，然后用亂數生成一系列資料，保存到串列中，最后統計出相關隨機資料的概率并展示
前述介紹了由點進行劃線形成的拆線圖和散點形成的曲線圖，連點成線，主要用到了matplotlib中的plot()和scatter()這個函式，但在實際生活作業中，不僅有折線圖，還經常會出現月份經濟資料對比圖，身高統計圖等，制成圖表就很容易對比看出差異，
下面用matplotlib中bar()函式和hist()來實作條形圖和直方圖，
一、bar()函式
bar()函式的最主要的幾個引數如下：
bar(x, height, width=0.8, bottom=None, *, align='center', data=https://www.cnblogs.com/codingchen/p/None, **kwargs)
引數1：x : 標量型，x軸上的坐標，浮點數或類陣列結構，注意x可以為字串陣列
引數2：height：y軸上的坐標，浮點數或類陣列結構
引數3：width：指定柱形圖的寬度，浮點數或類陣列結構，默認值為0.8
引數4：bottom：標量或標量類陣列型，y坐標的起始高度
引數5：align：柱狀圖在x軸上的對齊方式，可選{‘center’, ‘edge’} center：中心對稱 edge：邊緣對稱
引數6：**kwargs：接收的關鍵字引數傳遞給關聯的Rectangle， 回傳值：BarContainer實體，其patches屬性是柱體的串列
條形圖（柱狀圖）一個簡單的示例，隨便設定12個月份，并給定某些資料，代碼如下：
plt.bar([1,2,3,4,5,6,7,8,9,10,11,12,13],[5,2,7,8,2,1,8,6,2,5,6,7,10], label="Test one", color='red') #x位置上數列[1,2,3,4,5,6,7,8,9,10,11,12,13]，表示為相對y軸，柱狀圖在X軸的位置，后面一列為對應y軸的高度，
plt.legend() #運行結果里圖例名稱顯示出來
plt.xlabel('bar number')
plt.ylabel('bar height')
plt.title('TEST')
plt.show()
第一行中的color=‘red’表示柱狀圖全部顯示為紅，為顯示區別，做以下修改：
import matplotlib.pyplot as plt plt.bar([1,3,5,7,9,11],[5,7,8,6,7,10], label="Test one", color='#202204') plt.bar([2,4,6,8,10,12],[8,6,2,5,6,7], label="Test two", color='g') # color也可是16進制，如上顯示的 #202204 plt.legend() #運行結果里圖例名稱顯示出來 plt.xlabel('bar number') plt.ylabel('bar height') plt.title('TEST') plt.show()
具體顯示結果如下：
二，hist()函式
hist(x，bins=None，range=None，density=None，weights=None，cumulative=False，bottom=None，histtype=“bar”， align=“mid”，orientation=“vertical”，rwidth=None，log=False，color=None，label=None，stacked=False，normed=None， hold=None，data=https://www.cnblogs.com/codingchen/p/None，**kwargs）
hist()函式的基礎引數如下：
x ：表示輸入值，可以是單個陣列，或者不需要相同長度的陣列序列，
bins：表示繪制條柱的個數，若給定一個整數，則回傳 “bins+1” 個條柱，默認為10，
range：bins的上下范圍（最大和最小值），
color：表示條柱的顏色，默認為None，
facecolor #直方圖顏色
edgecolor #直方圖邊框顏色
alpha # 透明度
histtype #直方圖型別，‘bar’, ‘barstacked’, ‘step’, ‘stepfilled’
orientation # 水平或垂直方向
rwidth #柱子與柱子之間的距離，默認是0
下面通過一個例子來說明hist()函式的作用：
import matplotlib.pyplot as plt population_ages = [18,34,23,56,32,45,78,23,45,12,31,25,61,27,34,57,54,26,45,37,36,8,14,17,13,88,99,49,63,105,121,116] #設定一組年齡 bins = [0,10,20,30,40,50,60,80,90,100,130] #年齡分段 plt.hist(population_ages, bins, histtype='bar', rwidth=0.8,color='#199209') plt.xlabel('The Age Group') plt.ylabel('The number') plt.title('The Age Range') plt.legend() plt.show()
注意：bins[]中60，80和100,130中間缺少是故意為之，為了顯示區別
運行結果如下：
很明顯，hist()函式會自動根據引數bins中的區分將引數x中的資料自動進行統計，
搞事情，既然引數x(如例子中的population_ages)可能是數列，那能否用隨機函式自動生成陣列，然后在進行統計呢？當然可以，
三、資料統計
色子經常用來娛樂（用作他途造成后果與我無關），它有6個面，分別點數為1，2，3，4，5，6，可利用隨機函式（上篇中的choice函式）來隨機產生，比如choice([1,2,3,4,5,6])，產生N次（比如20萬次）并將每次結果保存到串列中，最后統計出各點的總數或所點比例，
分析：
1）先建一個類，其功能就是運行一次，就隨機選擇6個面（點數）
2）將色子實體化，并給定一個引數（運行的次數），圖形化顯示出來，
class Sezi(): def __init__(self,sides):#給自身定義一個面數，方便后面修改引數進行其他操作 self.sides = sides #色子可以是6面，也可以是8面，10面，12面，需要給定 def roll(self): return choice([1,2,3,4,5,6])#每投一次，隨機選擇一個點數 testsezi = Sezi(6) #實體化，6個面 results = [] # 定義一個空的數列，用來保存每次投擲的點數 for roll_num in range(100): #回圈，投100次 result = testsezi.roll() #將每次投擲結果保存到變數result中 results.append(result) #存入到數列results print(results) #直接列印出來
運行結果：
與此同時，為了后面方便，引入另一個隨機函式randint(x, y)，這個函式的作用是產生x-y之間的數字，比如randint(1,10)，就產生1到10之間的數字，
choice([1,2,3,4,5,6])可以修改為randint(1,self.sides)，這樣實體化后，需要輸入隨意一個面數，就會隨機產生對應的數字，
上述還只是列印在互動欄，且類、實體還是在一個檔案中，分成不同的檔案，并資料統計用圖的形式顯示，
1，重新修改色子類
檔案名sezi.py，里面代碼如下：
from random import * class Sezi(): def __init__(self,sides):#給自身定義一個面數,面數對應點數 self.sides = sides #色子可以是6面，也可以是8面，10面，12面，需要給定 self.side=0 self.bins=[] while self.side < self.sides: #獲取面數，并得到一個面數的bins,可直接呼叫， self.side += 1 self.bins.append(self.side) def roll(self): return randint(1,self.sides)#每投一次，隨機選擇一個點數
2、新建一個名稱sezigame.py的檔案，代碼如下
import matplotlib.pyplot as plt from sezi import * testsezi = Sezi(8) #實體化，8個點 results = [] # 定義一個空的數列，用來保存每次投擲的點數 for roll_num in range(50000): #回圈，投50000次 result = testsezi.roll() #將每次投擲結果保存到變數result中 results.append(result) #存入到數列results plt.hist(results, testsezi.bins, histtype='bar', rwidth=0.8,color='#199209') #直接呼叫testsezi.bins
運行結果：
如果有2個相同的色子呢？
同時擲兩個骰子，最小為2，最大為12，結果分布情況自然也就不同，
將名稱sezigame.py的檔案修改，改動后的代碼如下：
import matplotlib.pyplot as plt from sezi import * sezi_1 = Sezi(6) #實體化，6個面 sezi_2 = Sezi(6) results = [] # 定義一個空的數列，用來保存每次投擲的點數 for roll_num in range(50000): #回圈，投50000次 result = sezi_1.roll()+sezi_2.roll() #將兩次投擲結果保存到變數result中 results.append(result) #存入到數列results max_result = sezi_1.sides+sezi_2.sides #2個最大值為12，最小為2 side = 0 new_bins = [] while side <= max_result: side += 1 new_bins.append(side) plt.xlabel('The sides') plt.ylabel('The numbers') plt.title('The frequency') plt.hist(results,new_bins, histtype='bar',color='#199209',rwidth=0.618)
運行結果如下：
是不是有點正態分布的感覺了？
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/465962.html
標籤：Python