学习python库matplotlib之常见统计图折线和散点图(3)

1 采用matplotlib绘制常见统计图

常见的统计图主要有折线图，散点图，柱状图，直方图和饼图，他们之间最明显的特征特点区别如下：

各种图名称	图意义和区别
折线图	变化情况趋势
散点图	变量之间关系
柱状图	分类变量数量对比
直方图	连续变量统计分布
饼图	总体构成百分比

2 折线图的特点及应用场景

折线图：以折线的上升或下降来表示统计数量的增减变化的统计图

特点：能够显示数据的变化趋势，反映事物的变化情况。(变化)

绘制部分请见：https://blog.csdn.net/lbj1260200629/article/details/88417791

应用场景

呈现公司产品(不同区域)每天活跃用户数
呈现app每天下载数量
呈现产品新功能上线后,用户点击次数随时间的变化
拓展：画各种数学函数图像

3 散点图的特点以及API

3.1 散点图的特点

散点图：用两组数据构成多个坐标点，考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。

特点：判断变量之间是否存在数量关联趋势,展示离群点(分布规律)

3. 2 散点图的API - matplotlib.pyplot. scatter()

matplotlib.pyplot. scatter (x, y, s=none, c=none, marker=none, cmap= None,norm=none, vmin=none, vmax=none, alpha=none, Linewidths=none,verts=none, edgecolors=none, hold=none, data= None, **kwargs)

参数：
- x,y:相同长度的数组序列
- s :散点的大小标量或形同数组，可选参数，默认20
- c :散点的色彩或颜色序列，可选
- maker:标记风格，可选，默认是‘o’
- norm:数据的亮度
- alpha:散点的透明度

3.3 绘制散点图

    def MyScatter():
        """
        绘制散点图
        :return:
        """
        import matplotlib.pyplot as plt
        import matplotlib as mpl
        import numpy as np
    
        # 设置在jupyter中matplotlib的显示情况
        # % matplotlib inline
    
        # 解决中文显示问题
        mpl.rcParams['font.sans-serif'] = ['SimHei']
        mpl.rcParams['axes.unicode_minus'] = False
    
        plt.figure(figsize=(8, 6))
        n = 1000
        # rand 均匀分布和 randn高斯分布
        x = np.random.randn(1, n)
        y = np.random.randn(1, n)
        T = np.arctan2(x, y)  # np.random.rand(n) * 125
    
        plt.scatter(x, y, c=T, s=30, alpha=0.4, marker='o')
        # T:散点的颜色
        # s：散点的大小
        # alpha:是透明程度
        plt.show()
    MyScatter()