目录

需求

效果

数据分析绘图示例

代码解释

运行结果

---

需求

分析一个班级中学生成绩分布，并绘图

效果

数据分析绘图示例

import matplotlib.pyplot as plt
import numpy as np

# 假设的学生成绩数据
np.random.seed(0)  # 设置随机种子以确保结果可复现
scores = np.random.normal(loc=75, scale=15, size=100)  # 生成100个正态分布的成绩，平均分为75，标准差为15

# 绘制直方图
plt.figure(figsize=(12, 6))

# 直方图
plt.subplot(1, 2, 1)
plt.hist(scores, bins=10, edgecolor='black', alpha=0.7)
plt.title('学生成绩分布直方图')
plt.xlabel('成绩')
plt.ylabel('学生人数')
plt.grid(True)

# 箱线图
plt.subplot(1, 2, 2)
plt.boxplot(scores, vert=False, patch_artist=True)
plt.title('学生成绩分布箱线图')
plt.xlabel('成绩')
plt.grid(True)

# 显示图表
plt.tight_layout()
plt.show()

代码解释

1. 数据生成：

   • 使用 numpy 生成假设的学生成绩数据。这里我们假设成绩服从正态分布，平均分为75，标准差为15，生成100个数据点。
   • np.random.seed(0) 设置随机种子以确保每次运行结果一致。

2. 绘制直方图：

   • 使用 plt.hist 绘制直方图，bins=10 表示将成绩分成10个区间，edgecolor='black' 设置直方图边缘颜色，alpha=0.7 设置透明度。
   • 添加标题、标签和网格线，以便图表更易读。

3. 绘制箱线图：

   • 使用 plt.boxplot 绘制箱线图，vert=False 表示水平方向绘制，patch_artist=True 表示填充箱体颜色。
   • 添加标题、标签和网格线，以便图表更易读。

4. 显示图表：

   • 使用 plt.tight_layout() 自动调整子图布局，避免重叠。
   • 使用 plt.show() 显示图表。

运行结果

运行上述代码后，你将看到两个图表：

1. 直方图：展示了学生成绩的分布情况，可以看到各个分数段的学生人数。
2. 箱线图：展示了学生成绩的五数概括（最小值、第一四分位数、中位数、第三四分位数、最大值），并显示异常值。