2 绘制扇形图

绘制一个展示男女乘客比例的扇形图

得出男女的具体数字

sex_per = df["Sex"].value_counts()
sex_per

# 把画图的包导入进来
import matplotlib.pyplot as plt

# 这种绘图方式主要用于有多个子图以及复杂的图形布局的时候。

fig,ax = plt.subplots()

# plt.subplots() 会创建一个新的图形（figure）和对应的轴（axes）对象。
# 这个函数返回一个元组，第一个元素是图（figure），第二个元素是轴（axes）。

# fig 是用来设置图形的一些全局属性，比如标题、坐标轴范围等。
# ax 是一个包含两个轴的子图对象，可以用于绘制图形。

ax.pie(sex_per, labels=sex_per.index)
# 
# 第一个参数是，绘图的数据
# 第二个参数是图中的标签,这句话亦可 ax.pie(sex_per, labels=["male","female"])

ax.set_title("Pie Chart")

plt.show()

# 用于在用户界面中打开一个窗口来显示绘制的图形。
# 如果你在绘图过程中省略了plt.show()，那么图形可能不会以预期的方式显示出来。
# 这是因为plt.show()会触发图形的渲染和显示过程。
# 在一些情况下，例如在Jupyter Notebook或IPython中，plt.show()可能不是必需的，
# 因为图形会自动显示。但在其他环境中，例如在脚本或Python交互式解释器中，使用plt.show()是必要的，否则图形将不会显示。
# 因此，虽然plt.show()不是绝对必需的，但在绘图过程中通常建议使用它以确保图形正确显示。

 

# 没有多个子图的时候直接用plt绘图即可
plt.pie(sex_per, labels=sex_per.index)
ax.set_title("Pie Chart")
plt.show()

 

3 绘制散点图

 绘制一个展示票价 Fare, 与乘客年龄和性别的散点图

# 票价与年龄 的散点图


# 用ax绘图，把横纵坐标的数据输入进去
plt.scatter(df["Fare"],df["Age"])
# 添加标题
plt.title(" Fare vs Age")
# 横坐标的标签
plt.xlabel("Fare")
plt.ylabel("Age")
# 纵坐标的标签

plt.show()

将文字的某一列（“男”和“女”）转成数字

# 使用map，用一个函数进行映射，将字符串转成数字
Sex = df.Sex.map(lambda x: 0 if x=='male' else 1)
Sex

 4 绘制直方图

plt.hist(df.Fare)
plt.title("The histogram of Fare")
plt.xlabel("Fare")
plt.ylabel("Frequency")

 

5 柱状图

import matplotlib.pyplot as plt  
  
# 数据  
# 每一个柱子的名字
bars = ('A', 'B', 'C', 'D', 'E')  
# 横坐标每一个数字,实际的数字
x_pos = range(len(bars))  
# 柱子的高度
height = [3, 7, 2, 5, 6]  
  
# 创建柱状图  
# 第一个参数写横坐标的真实数字，第二个参数写柱子的高度
plt.bar(x_pos, height)  
  
# x轴上  每个真实的数字，对应的替换的字母名字
plt.xticks(x_pos, bars)  
  
# 显示图像  
plt.show()