Python數(shù)據(jù)科學入門
Dmitry Zinoviev著
熊子源 譯
第8章 繪圖
可編程的繪圖方法主要有三種：
- 增量繪圖 ：從一張空白畫布開始進行增量繪圖，然后使用專門的函數(shù)逐步添加圖形、坐標軸、標簽和圖例等。最后顯示出所繪制的圖像并可以保存在文件中。
- 集成繪圖 ：集成繪圖將描述圖形、圖表、坐標軸、標簽和圖例等所有必要參數(shù)傳遞給繪圖函數(shù)。可以實現(xiàn)即時繪制、裝飾并保存最終繪圖。
- 圖層繪圖 ：圖層工具用于展示要繪制的內容、如何繪制以及可展示其他任意特征的虛擬圖層。
第41單元 使用PyPlot進行基本繪圖
基本函數(shù)聲明：
| 函數(shù) | 聲明 |
|---|---|
| imshow() | 將矩陣顯示為圖像 |
| contour() | 將矩陣顯示為等高線圖 |
| contour() | 將矩陣顯示為填充等高線圖 |
| cmap() | 為繪圖指定了一個預制調色板 |
| subplot(n,m,number) | 將主圖劃分為n個虛擬行和m個虛擬列，并用number選擇子圖編號 |
| grid() | 實現(xiàn)網(wǎng)格的打開和關閉 |
| tight_layout() | 調整子圖，使其美觀和緊湊 |
| savefig() | 將當前圖形保存到文件中 |
第42單元 了解其他繪圖類型
Pyplot中的主要繪圖類型：
| 繪圖類型 | 函數(shù) |
|---|---|
| 豎直條形圖 | bar() |
| 水平條形圖 | barh() |
| “有須”的箱型圖 | boxplot() |
| 誤差條形圖 | errorbar() |
| 直方圖 | hist() |
| 雙對數(shù)圖 | loglog() |
| X軸對數(shù)圖 | semilogx() |
| Y軸對數(shù)圖 | semilogy() |
| 餅圖 | pie() |
| 線圖 | plot() |
| 日期圖 | plot_dates() |
| 極坐標圖 | polar() |
| 散點圖 | scatter() |
| 步階圖 | step() |
第43單元 精通繪圖裝飾
更改默認字體：（方便顯示你在繪制的圖上的文字）
Matplotlib.rc(“font”,family=”Arial”)
第44單元 用pandas繪圖
Pandas.tools.plotting() 用來結束對繪圖部分的介紹，并且最重要的是具有用于散點矩陣的工具。散點矩陣是一個非常優(yōu)秀的探索數(shù)據(jù)的工具，它對應的函數(shù)實現(xiàn)是scatter_matrix()，該函數(shù)能顯示主對角線中每列數(shù)據(jù)的直方圖以及所有其他矩陣中任意兩列的雙變量散點圖。
第9章 概率與統(tǒng)計
第46單元 回顧統(tǒng)計度量
數(shù)據(jù)位于何處？
樣本均值是所有觀察值的平均值：
數(shù)據(jù)分布有多廣？
樣本標準差是數(shù)據(jù)分散程度的度量：
（sx越大，數(shù)據(jù)分布的越廣）
數(shù)據(jù)分布的偏斜程度有多大？
樣本偏斜度是概率分布不對稱性的度量。（零偏斜度表示分布是對稱的）
兩個變量是否相關？
樣本協(xié)方差是衡量兩個隨機變量接近程度的度量：
皮爾遜相關系數(shù)（相關系數(shù)\相關），是協(xié)方差的歸一化：
（
"Sometimes the right path is not the easiest one."--《Pocahontas》
）
更多文章、技術交流、商務合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯(lián)系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
