python實現(xiàn)讀取類別頻數數據畫水平條形圖案例

更新時間：2020年04月24日 11:12:37 作者：知-青

這篇文章主要介紹了python實現(xiàn)讀取類別頻數數據畫水平條形圖案例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

1、數據分組-->頻數分布表

環(huán)境配置：

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

按照你設定合適的間隔，把數據分為各個范圍的組，然后統(tǒng)計出在這個范圍內的頻數有多少，我沒有找到合適的函數，我就自己寫了一個函數，類似直方圖的工作，這是畫水平條形圖的數據準備。至于為什么要畫水平條形圖，當類別太多，使用水平條形圖比較簡潔，個人看法。下面給出代碼，就不解釋代碼含義了。

def data_count(dataa, r1, r2, step):
 r = pd.DataFrame(np.random.randn(1, 2))
 r.drop(0, inplace=True)
 while r1+step <= r2:
  num = 0
  for j in range(len(dataa)):
   if dataa[j] >= r1 and dataa[j] < r1+step:
    num = num + 1
  f = "%s~%d" % (r1, r1+step)
  # r = r.append([[int(r1), num], ]) # 使用單數表示
  r = r.append([[f, num], ]) # 使用范圍表示
  r1 = r1 + step
 return r

要注意的數據范圍只包含上界不含下界，數據公式這樣子1⩽data<5，只含上界，這樣就可以做出不重不漏。

2、頻數計算

這是運用data_count函數（上面代碼）進行頻數計算的演示，首先看一下原數據長什么樣，暫時麻煩就不公布了，你們自己按照自己的數據決定。

測試data_count函數代碼：

data_gap1 = data_count(g11[:], 1, 51, 1)
data_gap2 = data_count(g22[:], 1, 51, 1)

很簡單啦，就是函數的調用，你們都會的，給大家看一下輸出結果，如下圖：

輸出結果

感覺相當完美，函數也很萬能，只要輸入最小值最大值和間隔，就能出頻數分布表

3、水平條形圖

def plot_bar(plot_data, title):
 plt.figure(figsize=(10, 15))
 y = plot_data.iloc[:, 1].values
 tt = list(range(len(y)))
 index = plot_data.iloc[:, 0].values
 plt.bar(left=0, bottom=list(range(len(y))), width=y, color='blue', height=0.5,
   orientation='horizontal') # 水平對應bottom&width， height表示bar的寬度
 plt.yticks(tt, index)
 plt.ylabel('數據范圍')
 plt.xlabel('頻數')
 plt.title(title)
 plt.show()

上面中plt.bar(left=0, bottom=list(range(len(y))), width=y, color='blue', height=0.5,orientation='horizontal')這句代碼是最重要的，其中l(wèi)eft表示直方圖的開始的位置（也就是最左邊的地方），height是指直方圖的高度，當直方圖太粗時，可以通過width來定義直方圖的寬度，注意多個直方圖要用元組，yerr這個參數是防止直方圖觸頂。orientation='horizontal'指得水平條形圖，使用barh方法可以省略這個參數得設定。

有個坑，如果直接用bottom=類別數據，文本格式的類別會亂序，需要像我那樣先指定位置，在指定類別，如plt.yticks(tt, index)所作的工作。