数据分析篇二：实用技巧全解析
使用Matplotlib绘制数据可视化图表是数据分析中常见的任务。本文将通过几个实例，展示如何利用Matplotlib绘制条形图、横向条形图、多条条形图以及直方图，并说明如何设置中文字体和调整图表的各项参数。条形图条形图是一种常见的统计图表形式，用于比较不同类别数据的数值大小。以下是如何使用Matplotlib绘制电影票房统计的条形图的示例代码：frommatplotlibimportpyplotaspltfrommatplotlibimportfont_manager设置中文字体my
使用Matplotlib绘制数据可视化图表是数据分析中常见的任务。本文将通过几个实例，展示如何利用Matplotlib绘制条形图、横向条形图、多条条形图以及直方图，并说明如何设置中文字体和调整图表的各项参数。
条形图
条形图是一种常见的统计图表形式，用于比较不同类别数据的数值大小。以下是如何使用Matplotlib绘制电影票房统计的条形图的示例代码：
from matplotlib import pyplot as plt from matplotlib import font_manager设置中文字体
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/simsun.ttc", size=14)
进行电影票房统计，数据来源：58921.com
a = ['战狼二', '红海行动', '美人鱼', '唐人街探案', '我不是药神'] b = [56.39, 36.22, 33.9, 33.71, 30.75]
设置图形大小
plt.figure(figsize=(12, 10), dpi=80)
绘制条形图用bar, width表示宽度
plt.bar(range(len(a)), b, width=0.4)
调整x轴为汉字
plt.xticks(range(len(a)), a, fontProperties=my_font)
添加描述信息
plt.xlabel("电影名称", fontProperties=my_font) plt.ylabel("票房（亿）", fontProperties=my_font) plt.title("电影票房", fontProperties=my_font)
plt.show()
效果图：
横向条形图
横向条形图与条形图类似，但其条形是水平方向的，适用于当类别标签较长时。以下是如何绘制横向条形图的代码示例：
from matplotlib import pyplot as plt from matplotlib import font_manager设置中文字体
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/simsun.ttc", size=14)
进行电影票房统计，数据来源：58921.com
a = ['战狼二', '红海行动', '美人鱼', '唐人街探案', '我不是药神'] b = [56.39, 36.22, 33.9, 33.71, 30.75]
设置图形大小
plt.figure(figsize=(12, 10), dpi=80)
绘制横向条形图用barh，这里不用width用height
plt.barh(range(len(a)), b, height=0.4)
调整y轴为汉字
plt.yticks(range(len(a)), a, fontProperties=my_font)
添加描述信息
plt.xlabel("票房（亿）", fontProperties=my_font) plt.ylabel("电影名称", fontProperties=my_font) plt.title("电影票房", fontProperties=my_font)
plt.show()
效果图：
多条条形图
多条条形图可以用来比较不同时间点或不同类别下的数据。以下是如何绘制多条条形图的代码示例：
from matplotlib import pyplot as plt from matplotlib import font_manager设置中文字体
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/simsun.ttc", size=14)
a表示电影名称
a = ['海王', '龙猫', '印度合伙人', '网络迷踪', '无名之辈']
2018-12-17日依次票房
d_17 = [4135, 791, 539, 238, 180]
2018-12-18日依次票房
d_18 = [3655, 673, 435, 182, 148]
2018-12-19日依次票房
d_19 = [3303, 611, 469, 181, 160]
设置图形大小
plt.figure(figsize=(12, 10), dpi=80)
绘制x轴
每天的往后移动0.3，也就是width的值
x_17 = list(range(len(a))) x_18 = [i + 0.3 for i in x_17] x_19 = [i + 0.3 for i in x_18]
绘制d_17图像
plt.bar(x_17, d_17, width=0.3, label='2018-12-17日')
绘制d_18图像
plt.bar(x_18, d_18, width=0.3, label='2018-12-18日')
绘制d_19图像
plt.bar(x_19, d_19, width=0.3, label='2018-12-19日')
右上角显示中文分类
plt.legend(prop=my_font)
在中间显示电影名称
plt.xticks(x_18, a, fontProperties=my_font)
plt.xlabel("电影名称", fontProperties=my_font) plt.ylabel("票房（万）", fontProperties=my_font) plt.title("电影票房", fontProperties=my_font)
plt.show()
效果图：
直方图
直方图用于展示数据的分布情况，常用于统计某个时间段的频率。以下是如何绘制直方图的代码示例：
import random from matplotlib import pyplot as plt from matplotlib import font_manager设置中文字体
my_font = font_manager.FontProperties(fname="C:/Windows/Fonts/simsun.ttc", size=14)
a 生成300个1-100的随机数
a = [random.randint(1, 100) for i in range(300)]
设置图形大小
plt.figure(figsize=(12, 10), dpi=80)
绘制直方图用hist函数
第一个参数就是我们的数字列表
第二个参数表示分成多少组
组数在数学中计算是(最大值-最小值)/组距(自己设置)
这里我们设置组距为3
bin_width = 3
计算我们需要分成多少组
num_bins = int((max(a) - min(a)) // bin_width)
plt.hist(a, num_bins)
设置x轴刻度，步长为我们的组距
plt.xticks(range(min(a), max(a) + bin_width, bin_width))
给个表格，方面我们看清数据,透明度为0.5
plt.grid(alpha=0.5)
plt.show()
效果图：
Matplotlib还可以绘制其他类型的图形，但其基本原理与上述图形类似，通过设置不同的参数和函数即可实现。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
AirBuddy 3 是面向 macOS 的蓝牙外设增强工具，可集中查看 AirPods、Beats 与苹果设备电量，提供快速连接、播放控制、电量提醒、桌面小组件和多台 Mac 外设接力等功能。
AirServer macOS版可把 Mac 转换为无线投屏接收端，通过 AirPlay 或 Google Cast 接收手机、平板和电脑画面，并支持多设备同时连接、高清镜像及会话录制，适合家庭娱乐、课堂教学、会议演示和应用展示。
火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力，依托字节自研豆包多模态大模型，凭借火山方舟一站式平台，提供模型精调、推理部署、智能应用搭建等全链路服务，结合高性能AI算力，助力各行业快速落地大模型数字化与智能化应用。
PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台，提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具，适合短剧、漫剧、广告及社交媒体内容制作。
Autodesk Maya 是面向影视、电视、动画和游戏行业的专业三维制作软件，集多边形与 NURBS 建模、角色绑定、关键帧和动作捕捉动画、Bifrost 特效模拟、材质开发及 Arnold 渲染于一体，