python統計圖

⑴ python 有那麼神嗎

很多對Python不熟悉的人，認為Python在最近這些年的興起是運氣而已。本文幫助大家回顧一下過去十幾年Python的3次增長和對應的歷史背景。

Python設計之處的特點，包括易學易用，以及作為膠水語言。易學易用是個難以量化的東西，但至少我接觸的絕大多數朋友都認同Python在學習和使用上是比大部分語言簡單的。有些人不認同Python通常也不是認為Python相對其他語言難學，而是認為Python的運行速度慢，或者動態類型語言的通病。至於膠水語言就比較窄了，面向作為膠水而設計的語言是很少的，印象里只有Lua算得上一個。另一個Python相較其他語言的優勢是字元串處理。

以下介紹Python獲得發展的3次機遇期。

2006年的搜索/NLP：2006年前後正好是搜索引擎公司發展的爆發期。那一年Google中國李開復搞了關門弟子計劃，網路也做了諸多廣告，比如網路更懂中文系列。在那個時代搜索引擎就是IT行業的高科技。之後不久，阿里巴巴也搞了個ASC(阿里巴巴搜索技術研究中心)，後來多次追潮流更名，一直作為阿里巴巴內部的前沿研發部門。

而Python用作搜索引擎和NLP是很有歷史的。早期Google在90年代開發搜索引擎爬蟲就是使用Python實現的。而即便是現在，開發爬蟲，Python也基本上就是第一選擇。很多人學習Python的入門程序也是爬蟲。而Python適合開發爬蟲的關鍵在於Python的字元串處理是很方便的。

也就是從2006年末開始，國內的python-cn郵件列表湧入了大量的新人，並以爬蟲為例開始深入學習Python。

2010年的WEB創業潮：2010年開始，國內外出現了新一輪的創業潮，大家開發的是各種各樣的網站。此時的WEB開發上，Python已經逐步成為主流WEB伺服器開發選項中的一種。相對於同時代的Java和PHP等，有著開發效率上的優勢。

正因為早期創業公司需要迅速的迭代和試錯，使得這個時代的Python成為了一個不錯的選項。進而讓更多工程師開始學習起來Python。

也就是從這個時期開始，才逐漸有較多的公司會公開招聘Python工程師。在此前招聘Python工程師的廣告是非常非常少見的。

2014年的Deep Learning：從2014年開始火起來的深度學習上，Python的優勢是近乎絕對的。深度學習的主流開發語言只有C++和Python兩種了，其他語言可以認為根本就沒能在這里分到什麼像樣的空間。所有主流的Deep Learning框架，也是官方直接提供了C++和Python兩種介面。而由於C++開發的難度，當前確實有不少從業工程師是直接用Python搞定深度學習的相關步驟。

這次Python的增長期被更多不了解Python的人認為是Python的狗屎運。但其背後的邏輯反倒是非常堅固的。原因就是Python是個很好的膠水。最初的起點是numpy庫。

numpy是封裝了BLAS的科學計算庫。BLAS是對CPU向量指令集高度優化的數學運算庫。通過BLAS進行科學計算可以得到頂級的計算性能，這個計算性能比未經向量指令集優化的C程序還能快上數倍。而numpy的另一個重要特點就是，把buffer做了封裝，使得buffer的內容是無需Python處理的，而是實際交給特定的軟體庫來處理，numpy只是負責維護該buffer的生命周期，形狀等元數據。這就使得numpy的計算性能不會受到Python的影響，但同時卻可以利用Python的易學易用來管理buffer的生命周期。

numpy對buffer的管理帶來的易用性優勢在後來得到了很大的發展。如以下幾點：

• OpenCV：在opencv-python中就是使用了numpy.array來管理圖像數據，卻沒有像C++介面一樣使用Mat。同樣的頂級性能。

• PyCuda/PyOpenCL：也是利用了numpy.array來透明傳遞數據給GPU做高性能計算。尤其是集成了JIT，使得可以用字元串的方式傳遞kernel function，不再像C++一樣要獨立編譯一遍。

• Caffe/TensorFlow：同樣利用了numpy.array，並利用了PyCuda/PyOpenCL的集成。

所以這樣一路發現下來，由Python是個好膠水，就真的把若干很好用的庫全流程的粘在了一起。在流程集成上都是頂級的性能，而沒有Python的性能損耗，同時帶來了非常好的易用性。

相比其他語言，對這些C/C++庫的玩法都是先封裝一層對象，包準封裝的前後對不上。而且因為大部分語言並不是面向膠水設計，開發C介面都很困難。自然與這些高性能計算庫的結合困難重重。累計起來就與Python產生了差距。

題主所提到的R語言，是一種領域相關的語言，是做統計領域的，類似的還有做科學計算的Matlab。如果程序的輸出只是一份報告，甚至一份統計圖，問題是不大的。但想要成為產品，與其他系統集成則成了難題。一般的伺服器部署產品，是不會選擇在工程上這么不專業的語言。所以，實際應用時，還是要有工程師負責將演算法提取出來，移植到產品級的語言和平台上。舉個例子，R雖然可以正常的訪問MySQL資料庫之類的。但產品級系統中，涉及到memcache、kafka、etcd等，可就沒有R語言的介面了。所以這些領域相關語言，寫一些自己電腦上跑的小程序還可以，進入產品是沒什麼希望了。

再者就是因為通用性一直難以跨越出自己的領域，所以這類語言的生命周期一般都不太長，失去自己領域的強支撐後會很快消亡。所以建議題主還是花一些精力去看看業界通用的一些語言。

⑵ python中如何畫餅圖

餅形圖：
餅圖是圓形統計圖。
整個圖表的區域代表100％或全部數據。
餅圖中顯示的餅圖區域代表數據部分的百分比。
餅圖的各個部分稱為楔形。
楔形的弧長決定餅圖中楔形的面積。
楔形的面積決定了零件相對於整體的相對量子或百分比。
餅圖經常用於業務演示中，因為它們可以快速概述業務活動，例如銷售，運營等。
餅形圖還大量用於調查結果，新聞文章，資源使用圖（如磁碟和內存）中。
使用Python Matplotlib繪制簡單的餅圖
可以使用pyplot模塊中的函數pie（）繪制餅圖。 以下python代碼示例使用pie（）函數繪制了一個餅圖。
默認情況下，pyplot的pie（）功能沿逆時針方向排列餅圖中的餅形或楔形。

⑶ 新手如何學習Python數據分析

python數據分析的門檻較低，如果是python零基礎開始學，學習的步驟大概是python基礎、數據採集、數據處理、數據分析、數據可視化。
首先學習一點python基礎的知識，Python語言基礎，函數，文件操作，面向對象，異常處理，模塊和包，Linux系統使用，Mysql資料庫等；
其次就可以學習一些基本的爬蟲，進行數據採集，當然也有很多爬蟲工具，直接使用即可。
然後就可以學習數據分析方面知識，主要是學習pandas、numpy等等；
再然後就要學習數據可視化來向別人展現數據，常用matplotlib實現，主要包括一些基本的統計圖的繪制，比如條形圖，柱狀圖，散點圖。還有一些進階繪圖，比如分位數圖，相關系數圖等等。還需要掌握3D繪圖可視化。

⑷ 如何在python中根據資料庫中數據畫出可視化統計圖

如何在python中根據資料庫中數據畫出可視化統計圖
一：數據格式：
2015-04-02
DXX006
Type1
1
2015-04-02
DXXB11
Type2
1
2010-10-12
DXX001
Other
1

⑸ python中怎麼畫一個按地區統計的數據都圖,

安裝所需包——pyecharts。兩種安裝方式：1、pip install pyecharts；2、從JetBrains PyCharm中 File——>Settings...——>Project——>Project Interpreter 點擊右上角的綠色「+」，在搜索框中輸入「pyecharts」，點擊安裝即可（個人習慣用第二種）。

進入pyecharts官網，下載並安裝所需地圖軟體——echarts-china-counties-pypkg

⑹ 如何學python

1. 明確目標
很多人在學習Python之前很少想這個，更多是因為Python很火才學習的，除了這個目標，我們可以定一個更加具有吸引力的目標，比如，很喜歡人工智慧機器人，想自己開發一款機器人軟體等，也許可以讓目標更具持久性!
2. 做好Python系統規劃
Python的學習是一個需要長期堅持的過程，要對Python的每一模塊的學習制定相應的學習進度，如果你自己制定的計劃不合理，可以請有經驗人士幫您制定，老男孩教育老師很樂意為您效勞，科學合理的學習進度，能夠起到事半功倍的效果，當然，堅持學習是最重要的!
3. 具體的學習手段的選擇
對於Python的學習，可以採用自學和報班學習的方式，相比較而言，報班學習無論是從學習效率以及學習成功率來說都是很高的，有條件的可以報Python培訓班，還分周末班、網路班和脫產班，能夠滿足不同需求的人員的培訓需求!

⑺ python中如何用篩選過的數據進行圖表統計

1. 用JS插件做前端描點 python 提供數據，這個就選擇真實樣式，輸出就可以，好的插件就有flot,charts等等

2. 用python圖形庫，這個要結合numpy來展示，具體的案列，我給你個網址你看看，寫的很詳細

   http://python.jobbole.com/84218/
   

⑻ python中怎麼畫箱線圖

如下灰色框里的就是箱形圖（英文：Box plot）：又稱為盒須圖、盒式圖、盒狀圖或箱線圖，是一種用作顯示一組數據分散情況資料的統計圖。因型狀如箱子而得名。

箱形圖最大的優點就是不受異常值的影響，可以以一種相對穩定的方式描述數據的離散分布情況。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

data = [1200, 1300, 1400, 1500, 1600, 1700, 1800, 1900, 2000, 2100]

df = pd.DataFrame(data)
df.plot.box(title="hua tu")
plt.grid(linestyle="--", alpha=0.3)
plt.show()

⑼ 如何用python繪制簡單條形圖

如何用python繪制簡單條形圖呢？這里離不開matplotlib的使用。
條形圖是數據可視化圖形中很基礎也很常用的一種圖，簡單解釋下：條形圖也叫長條圖（英語：bar chart），亦稱條圖（英語：bar graph）、條狀圖、棒形圖、柱狀圖、條形圖表，是一種以長方形的長度為變數的統計圖表。長條圖用來比較兩個或以上的價值（不同時間或者不同條件），只有一個變數，通常利用於較小的數據集分析。長條圖亦可橫向排列，或用多維方式表達。
那麼一個普通的條形圖是長什麼樣子的呢？
當！當！當！就是下圖的這個樣子：
圖先亮出來啦，接下來研究這個圖是怎麼畫的吧，先看一下原數據長什麼樣子：
實際畫圖的流程和畫折線圖很相近，只是用到的畫圖函數不一樣，繪制條形圖的函數plt.bar（）：
由於這只是最簡單的一個條形圖，實際上條形圖的函數plt.bar（）還有不少可以探索的參數設置，和對折線圖函數plt.plot()的探索差不多，有興趣的孩子可以自己去進行探索哦。
按照條形長短進行排序展示的條形圖
當然也可以有其他的設置，比如說上圖中的線條高低參差不齊，這是因為x軸的數據是按照學校名稱進行排序的，那麼可不可以按照分數的高低進行排序呢？也就是讓所有的長方形按照從高到矮或者從矮到高的順序進行排列？
當然可以啦！這里需要強調的是，條的高低排列等信息都是來源於原數據的，要想讓條形的順序發生改變，需要對畫圖的來源數據進行更改呢！
把原數據逆序排序後截取前十名數據賦值給data_yuwen，作為新的數據源傳入畫圖函數plt.bar()，畫出來的圖自然就不一樣了。
先看一眼數據長什麼樣子：
根據這個數據源繪制出的圖形如下，由於用來畫圖的數據進行了降序排序操作，所以生成條形圖的條也會進行降序排序展示：
很多時候，我們常見的條形圖還有另一種展現形式，那就是橫向的條形圖，比較火的那種動態條形圖絕大多數也都是橫向的條形圖，那麼橫向的條形圖如何繪制呢？
理解plt.bar()主要參數
其實也不難，只要清楚plt.bar()函數中主要參數的作用就可以了！條形圖函數中有五個主要參數，分別是x，height，width，bottom，orientation。其中x控制的是每個條在x軸上位置，height控制的是每個條的長度，width控制的是每個條的寬度，bottom控制的是每個條在y軸方向的起始位置，orientation控制的是條形的方向，是縱向還是橫向，默認是縱向的。
通過一個小例子理解下這幾個參數的作用：
上邊的幾行代碼輸出的圖形如下：
對比著代碼和實際輸出的條形圖，各個主要參數的作用是不是一目瞭然啦？
橫向條形圖
理解了這幾個參數作用後，縱向的條形圖轉換成橫向的條形圖就沒什麼難度了！
需要設置所有條形在x軸的位置都為0，也就全部從最左側開始畫條形;由於是橫向條形圖，所以實際上條的寬度顯示的是數據大小，將width參數設置成原數據中的語文成績；bottom控制每個條在y軸方向的起始位置，設置bottom=range（10）設置每個條形在y軸的起始位置各不相同避免有條形重疊；height控制的是每個條在y軸方向上的長度，條形圖橫向設置後，在y軸上的長度失去了衡量數據的意義，所以直接設置一個常數即可；最後設置條形的方向為橫向，即orientation=「horizontal」。
溫馨提示：數據和標簽一定要匹配，即plt.bar()重點的數據要和plt.yticks()中提取出來的標簽一一對應，一旦不匹配，整個圖展現的結果就是一個錯誤的結果！
上述代碼生成的條形圖如下：
感覺上邊這種生成橫向條形圖的方式有點點繞，和人們的習慣認知有點不大一樣，難道畫一個橫向條形圖就非得轉變自己的習慣認知這么反人類嗎？
當然不是的，實際上有更簡單的方法繪制一個橫向條形圖，之所以沒有一開始就直接用這種簡單的方法，也是為了讓大家體會下條形圖參數的靈活設置而已，而且如果比較繞的方法都能理解了，簡單的方法理解和運用起來就更沒有難度了啊！
不賣關子了，我們來認識下和plt.bar()函數類似的plt.barh()函數。
plt.barh()函數是專門繪制水平條形圖的函數，主要的參數有：
y 控制y軸顯示的標簽來源width 控制橫向條形的長度，即用來進行對比的數據源height 條形的寬度需要設置的參數主要就是這三個，比用plt.bar()函數繪制水平條形圖簡單了很多，具體代碼如下：
效果圖：
和用plt.bar()函數繪制的橫向條形圖一毛一樣對不對？以後有需求繪制橫向條形圖，盡量用plt.barh()函數吧，畢竟它是專門繪制這種類型圖的，簡單好用。
然而實際工作中對於條形圖的需求不只是這些，比如例子中只是對各個學校語文成績的展示，有時候需要各個學科的成績同時展現在一幅條形圖中，有時候也需要繪制堆積條形圖對各學科的成績以及總成績進行展示，這些圖又該如何繪制呢？其實只要理解了各個參數的含義，繪制這些圖也不在話下，至於具體怎麼畫，且看下回分解啊！

⑽ python matlab畫灰度圖統計圖

個人意見，一個圖裡面，一個橫坐標你是想怎樣對應多個縱坐標值喃，你還需要一個標准在圖里表示某列里某個像素值的發布情況，就有3個變數，xyz軸3D圖應該更清晰，或者每列裡面的每個像素值在xy軸里有一個區間，類似表格，該區間的顏色表示發布多少情況。