基于Python的科研论文配图绘制（六）

Datawhale 8月 组队学习活动

参考书籍：《科研论文配图绘制指南—— 基于Python》，宁海涛著，人民邮电出版社

PS：已开学，中心已向学校内容为主

一、单变量图

单变量图指使用数据组的一个变量进行相应图的绘制。其中数据变量分为连续变量和离散型变量。

1.基于连续变量绘制的单变量图的类型

（1）直方图：表示数据分布和离散情况，使用一系列宽度相等、高度不等的长方形来表示相应的每个分组内的数据元个数。可以显示各组数据的分布情况，也体现了组间数据差异、数据异常等情况。

（2）密度图：是直方图的一个变种类型。体现了数据在连续时间段内的分布状况。它不会因分组个数而导致数据显示不全，帮助用户判断数据的整体趋势。

（3）Q-Q图：Q代表分位数，Q-Q图本质是概率图，作用是检验数据分布是否服从某一个分布。不但可以检验样本数据是否符合某种数据分布，而且可以通过对数据分布形状的比 较，来发现数据在位置、标度和偏度方面的属性。

（4）P-P图：与Q-Q图相似，根据变量的累积概率与指定的理论分布累积概率的关系绘制，检 验样本数据是否符合某一概率分布。检验样本数据符合预期分布时，图中的各点将会呈现 一条直线。

（5）经验分布函数图：检验样本数据是否符合某种预期分布。

2.图形绘制

在 Matplotlib 中使用 axes.Axes.hist() 函数绘制。参数 x 为要绘制的样本数据，参数 bins 用于定义分布区间。参数 density 对应的值为布尔类型，该参数决定绘图结果是否为密度图，默认值为 False 。同时还可以使用 SciencePlots 的绘图主题进行进一步美化。还可以使用 scipy.stats.norm() 函数对绘制数据实现正态拟合，计算出概率密度函数结果。

二、核心代码实现

（未完待续）