如何使用Python绘制常用的统计图表？

医学统计数据分析中，我们经常会用到一些统计图表，例如：直方图、散点图、折线图、箱型图、饼图、条形图等。

Python有很多可视化库可以用于各类统计图的绘制，比如常用的matplotlib、seaborn、plotly、bokeh等。

今天我们简单介绍一些基本的统计图及其Python实现方法：

我们打开Python、Pycharm，在目录新建一个py文件，命名为“Plot”。

绘制直方图：

直方图是用于表示连续变量分布情况的一种统计图形。通常将连续变量按照一定的间隔分成若干个区间，然后统计每个区间内的样本数量，最后绘制成一个条形图，条形的高度表示该区间内的样本数量。在Python中，可以使用matplotlib库的hist()函数来绘制直方图，也可h以使用seaborn库的distplot()函数来绘制带有密度曲线的直方图。

import matplotlib.pyplot as plt import numpy as np\# 生成一些随机数据 data = np.random.randn(1000)\# 绘制直方图 plt.hist(data, bins\=20, color\='blue', alpha\=0.5)  
 plt.title('Histogram of Random Data')  
 plt.xlabel('Value')  
 plt.ylabel('Frequency')  
 plt.show()

在上面的代码中，我们首先生成了 1000 个随机数作为数据，然后使用 hist() 函数绘制直方图。bins 参数指定将数据划分为的区间数，color 参数设置矩形的颜色，alpha 参数设置矩形的透明度。最后，我们添加了标题和坐标轴标签，并使用 show() 函数显示图表。

我们可以通过点击图片输出中的编辑选项，对图表进行调整，点击保存图片。

我们还可以使用 distplot() 函数绘制直方图和概率密度函数曲线。kde 参数设置是否绘制拟合的概率密度函数曲线。其他参数的含义和 hist() 函数类似。最后，我们添加了标题和坐标轴标签，并使用 show() 函数显示图表。

import matplotlib.pyplot as plt import seaborn as sns import numpy as np\# 生成一些随机数据 data = np.random.randn(1000)\# 绘制直方图和概率密度函数曲线 sns.distplot(data, bins\=20, kde\=True, color\='green')  
 plt.title('Histogram with Density Plot')  
 plt.xlabel('Value')  
 plt.ylabel('Frequency')  
 plt.show()