使用直方图、饼图和条形图进行数据分析（Python代码）

对于定量数据，如果你想知道分布形状是对称还是不对称，并发现一些极大或极小的可疑值，可以使用绘制频率分布表，绘制频数分布直方图，绘制茎叶图进行可视化分析；对于定性数据，可以使用饼图和条形图直观地显示分布情况。 ？ ，您通常遵循以下 步骤 ：

• 步骤 1：查找范围。
• 第2步：确定组距和组数。
• 第三步：确定点。
• 第四步：列出频数分布表。
• 第五步：绘制频率分布直方图。遵循 的最重要的 原则 如下：
  1. 组应该是互斥的。
  2. 每组必须包含所有数据。
  3. 每组的组宽最好相同。

  下面结合具体例子来利用分布分析对定量数据进行特征分析。

  表3-2为“老七刺身”菜肴2014年第二季度的销售数据，绘制了销量频数分布表和频数分布图，并对定量数据进行了相应的分析。

  

  ▲表3-2“生鱼片”销售情况

  1.求范围

  范围 = 最大值 - 最小值 = 3960-45 = 3915

  2。分组

  根据业务数据的含义，希望分组间隔为500，分组数量如下。

  组数 = 范围/组距离 = 3915/500 = ≈8

  3。确定

  点的分布区间，如表3-3所示。

  

  ▲表3-3 分布区间

  4.绘制频数分布直方图

  根据分组间隔，得到表3-4的频数分布表。

  • 下面，第一列将数据范围分为几段，其中第一段必须包含最小值，最后一段必须包含最大值。通常将每个段设置为左闭右开的半开区间，例如第一段为[0.500)。
  • 第2栏的组中值是各组段的代表值，是将该组段的上限值和下限值相加并除以2得到的。
  • 第3列和第4列分别是频率和频率。
  • 第五列是累积频率。是否计算该栏的值要根据具体情况而定。

  

  ▲表3-4频率分布

  5.画频数分布直方图

  以菜品“生鱼片”2014年第二季度的日销量分段为横轴，以各分组分段的频数密度（频数与分组距离之比）为纵轴，将表3-4中的数据绘制在频率分布直方图上，如代码清单3-3所示。

  import pandas as pd
  import numpy as np
  catering_sale = '../data/'        # 餐饮数据
  data = (catering_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)','[2500,3000)','[3000,3500)','[3500,4000)']
  
  data['sale分层'] = (, bins, labels=labels)
  aggResult = (by=['sale分层'])['sale'].agg({'sale': })
  
  pAggResult = round(aggResult/(), 2, ) * 100
  
  import  as plt
  (figsize=(10,6))     # 设置图框大小尺寸
  pAggResult['sale'].plot(kind='bar',width=)  # 绘制频率直方图
  [''] = ['SimHei']               # 用来正常显示中文标签
  ('季度销售额频率分布直方图',fontsize=20)
  ()

  运行代码3-3，得到季度销售频数分布直方图，如图3-3所示。

  

  ▲ 图 3-3 季度销售频率分布直方图

  02 定性数据分布分析

  对于定性变量，通常根据变量的分类类型进行分组，可以用饼图和饼图来描述条形图。定性变量的分布，如代码表3-4所示。

  • 代码表 3-4 一定时期内不同菜品的销量分布

  import pandas as pd
  import  as plt
  catering_dish_profit = '../data/'# 餐饮数据
  data = (catering_dish_profit)  # 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']
  (figsize=(8, 6))  # 设置画布大小
  (x,labels=labels)  # 绘制饼图
  [''] = 'SimHei'
  ('菜品销售量分布（饼图）')  # 设置标题
  ('equal')
  ()
  
  # 绘制条形图
  x = data['菜品名']
  y = data['盈利']
  (figsize=(8, 4))  # 设置画布大小
  (x,y)
  [''] = 'SimHei'
  ('菜品')  # 设置x轴标题
  ('销量')  # 设置y轴标题
  ('菜品销售量分布（条形图）')# 设置标题
  ()  # 展示图片

  饼图的每个扇区代表每种类型的百分比或频率。饼图根据定性变量类型的数量进行分类。不同的部分，每个部分的大小与每种类型出现的频率成正比；条形图的高度代表每种类型的百分比或频率，条形图的宽度没有任何意义。

  执行代码表3-4，即可得到一定时期内不同菜品的销量分布图，如图3-4和图3-5所示。

  

  ▲ 图 3‑4 蔬菜销量分布（饼图）

  

  ▲ 图 3‑5 蔬菜销量分布（柱状图）

  作者简介：张良军，大数据挖掘与分析、模型资深专家识别专家，AI技术领域专家。