数据可视化

最新推荐文章于 2024-04-01 11:11:28 发布

原创最新推荐文章于 2024-04-01 11:11:28 发布 · 221 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#数据可视化

Python 同时被 2 个专栏收录

8 篇文章

订阅专栏

数据可视化

2 篇文章

订阅专栏

本文介绍如何使用Python的matplotlib库绘制饼图和直方图，包括数据处理、图表设置及展示等关键步骤。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

#画饼图
def print_pie(input_data):
    res = {}
    for each in input_data:
        res[each] = res.get(each, 0) + 1
    label=[]
    X=[] 
    for j in res:
        label.append(j)
        X.append(res[j])
    
    fig = plt.figure()
    plt.pie(X,labels=label,autopct='%1.2f%%') #画饼图（数据，数据对应的标签，百分数保留两位小数点）
    plt.title("Pie chart")
    plt.show()  
#
#频率直方图
plt.hist(df1['age'],100,normed=1,histtype='bar',facecolor='yellowgreen',alpha=0.75) 
plt.show()    
#频率直方图
plt.hist(df1['age'],100,normed=1,histtype='bar',facecolor='yellowgreen',alpha=0.75) 
plt.show()



fig,(ax0,ax1) = plt.subplots(nrows=2,figsize=(9,6))  
#第二个参数是柱子宽一些还是窄一些，越大越窄越密  
ax0.hist(df1['age'],100,normed=1,histtype='bar',facecolor='yellowgreen',alpha=0.75)  

ax0.set_title('YES')  
ax1.hist(df2['age'],100,normed=1,histtype='bar',facecolor='PINK',alpha=0.75)  

ax1.set_title("NO")  
fig.subplots_adjust(hspace=0.4)  
plt.show()