数据分析必备：一步步教你如何用matplotlib做数据可视化（10）

1、Matplotlib 二维箭头图

箭头图将速度矢量显示为箭头，其中分量(u，v)位于点(x，y)。

quiver(x,y,u,v)

上述命令将矢量绘制为在x和y中每个对应元素对中指定的坐标处的箭头。
参数
下表列出了quiver()函数的参数 -
x - 1D或2D阵列，序列。箭头位置的x坐标
y - 1D或2D阵列，序列。箭头位置的y坐标
u - 1D或2D阵列，序列。箭头矢量的x分量
v - 1D或2D阵列，序列。箭头矢量的y分量
c - 1D或2D阵列，序列。箭头位置的x坐标
以下代码绘制了一个简单的箭袋图

import matplotlib.pyplot as plt
import numpy as np
import math
import seaborn as sns
plt.rcParams['font.sans-serif'] = ['SimHei'] # 步骤一(替换sans-serif字体)
plt.rcParams['axes.unicode_minus'] = False # 原文出自【立地货】，商业转载请联系作者获得授权，非商业请保留原文链接：
x,y = np.meshgrid(np.arange(-2, 2, .2), np.arange(-2, 2, .25))
z = x*np.exp(-x**2 - y**2)
v, u = np.gradient(z, .2, .2)
fig, ax = plt.subplots()
q = ax.quiver(x,y,u,v)
plt.show()

执行上面示例代码，得到以下结果

2、Matplotlib 箱线图

箱形图也称为须状图，显示包含最小值，第一四分位数，中位数，第三四分位数和最大值的一组数据的摘要。在方块图中，绘制从第一个四分位数到第三个四分位数的方框。垂直线穿过中间的框。须状从每个四分位数到最小值或最大值。
执行代码结果
让我们为箱形图创建数据。使用numpy.random.normal()函数来创建虚假数据。它需要三个参数，正态分布的均值和标准差，以及所需的值的数量。

np.random.seed(10)
collectn_1 = np.random.normal(100, 10, 200)
collectn_2 = np.random.normal(80, 30, 200)
collectn_3 = np.random.normal(90, 20, 200)
collectn_4 = np.random.normal(70, 25, 200)

上面创建的数组列表是创建boxplot所需的唯一输入。使用data_to_plot代码行，可以使用以下代码创建boxplot

fig = plt.figure()
#创建轴实例
ax = fig.add_axes([0,0,1,1])
#创建箱线图
bp = ax.boxplot(data_to_plot)
plt.show()

执行上面的代码行将生成以下输出

3、Matplotlib 小提琴图

小提琴图类似于箱形图，除了它们还显示不同值的数据的概率密度。这些图包括数据中位数的标记和表示四分位数范围的框，如标准框图中所示。在该箱图上叠加的是核密度估计。与箱形图一样，小提琴图用于表示跨不同“类别”的可变分布(或样本分布)的比较。
小提琴图形比普通图形更具信息性。事实上，虽然箱形图仅显示平均值/中位数和四分位数范围等汇总统计量，但小提琴图显示了数据的完整分布。

import matplotlib.pyplot as plt
np.random.seed(10)
collectn_1 = np.random.normal(100, 10, 200)
collectn_2 = np.random.normal(80, 30, 200)
collectn_3 = np.random.normal(90, 20, 200)
collectn_4 = np.random.normal(70, 25, 200)
##将这些不同的集合合并到一个列表中
data_to_plot = [collectn_1, collectn_2, collectn_3, collectn_4]
#创建一个图形实例
fig = plt.figure()
#创建轴实例
ax = fig.add_axes([0,0,1,1])
#创建箱线图
bp = ax.violinplot(data_to_plot)
plt.show()

执行上面示例代码，得到以下结果