本文示例：根据箱型图、直方图的代码和数据的条件查询方法，画出航空公司男性和女性用户的年龄分布箱型图和直方图。

目录

图形概念

1.箱型图

2.直方图

步骤：

1、导入相关库

2、对数据进行处理

 3、绘制图形

                箱型图

                直方图

图形概念

1.箱型图

        箱型图是一种用作显示一组数据分散情况资料的统计图，它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比 较。箱线图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后， 连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数在箱体中间。

25%分位数（下四分位数）：序列中有25%的数据小于这个数

中位数（50%分位数）：序列中有50%的数据小于这个数

75%分位数（上四分位数）：序列中有75%的数据小于这个数

最大值：序列100%的数据小于这个数

最小值：序列没有数据小于这个数

2.直方图

直方图(Histogram)，又称质量分布图，是一种统计报告图，由一系列高度不等的纵向条纹或线段表示数据分布的情况。 一般用横轴表示数据类型，纵轴表示分布情况。直方图容易和柱形图搞混淆，外观上没有区别，但是直方图一般指用来描述数据的分布的柱形图。

直方图的常见作用有以下三点：

(1)显示质量波动的状态；

(2)较直观地传递有关过程质量状况的信息；

(3)通过研究质量波动状况之后，就能掌握过程的状况，从而确定在什么地方集中力量进行质量改进工作。

步骤：

1、导入相关库

import pandas as pd
from pyecharts import options as opts
from pyecharts.charts import Boxplot
from pyecharts.charts import Bar

1、Boxplot库是pyecharts中的一个图表类型，用于显示数据的统计分布情况。
2、Bar库是pyecharts中的另外一个图表类型，用于绘制柱状图。Bar图可以展示不同类别的数据大小之间的比较，也可以用于显示时间序列数据的变化。

读取文件，获取数据集

data = pd.read_excel(r'航空公司数据-剔除空年龄.xlsx')
data

2、对数据进行处理

筛选出表格中性别为男的存给变量a1,性别为女的存给变量a3

a1 = data['性别']=="男"
a2 = data['性别']=="女"

 把表格中性别为男的数据存给变量a3并打印出来

a3 = data.loc[a1,:]
a3

 把表格中性别为女的数据存给变量a4并打印出来

a4 = data.loc[a2,:]
a4

把年龄那一列变为二维列表

pyecherts 中有特殊的要求，加入的数据必须是列表类型的，所以在画图之前我先对所需数据进行处理，处理的方法有以下几种（list()函数、字符串转列表、tolist()等），这里我用的是tolist()函数。

y1 = [a3['年龄'].tolist()] # 注意需要二维列表
y2 = [a4['年龄'].tolist()]

创建一个箱型图对象，并加入男性的二维列表数据

c = Boxplot()
c.prepare_data(y1) # [最小值,下四分位数,中位数,上四分位数,最大值]

女性的同上

c = Boxplot()
c.prepare_data(y2)

 3、绘制图形

箱型图

# from pyecharts import options as opts
# from pyecharts.charts import Boxplot

c = Boxplot() # 先创建出图形对象
c.add_xaxis([""])  # 必须输入，但多数时候不需要
c.add_yaxis("男", 
            c.prepare_data(y1), # 数据经过prepare_data方法处理得到[最小值,下四分位数,中位数,上四分位数,最大值]
            itemstyle_opts = opts.ItemStyleOpts(color='#FFDAB9',
                                                border_color='#F08080',
                                               )
           ) 
c.add_yaxis("女", 
            c.prepare_data(y2),
            itemstyle_opts = opts.ItemStyleOpts(color='#87CEEB',   #配置箱子颜色
                                                border_color='blue', #箱子的边框颜色
                                               )
           )
# 全局配置项
c.set_global_opts(title_opts=opts.TitleOpts(title="男女性年龄分布箱型图"),  #标题
                  yaxis_opts=opts.AxisOpts(  # y轴的标题
                        type_="value",   # 类型
                        name="年龄",  # y轴标签
                        splitarea_opts=opts.SplitAreaOpts(   # 设置标签不显示
                            is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
                        ),
                    ),      
                 )

c.render_notebook()

结果展示：

这组数据显示出：

男性                                                        女性

直方图

画图前分组并把筛选出来的数据转为列表

dict = data.groupby(by=['性别','年龄'])['年龄'].count()   #分组
x1 = dict['女'].index.tolist()    #把筛选出来的数据转为列表
x11 = dict['女'].values.tolist()
x2 = dict['男'].index.tolist()
x22 = dict['男'].values.tolist()

绘制女性直方图

x = [i for i in dict.index]
y = dict.tolist()
c = (
    Bar()
    .add_xaxis(x1)
    .add_yaxis("女", x11, 
               category_gap=0, # 设置柱子之间的间距为0
               color='#87CEEB')
    .set_global_opts(title_opts=opts.TitleOpts(title="Bar-直方图"))
)
c.render_notebook()

 绘制男性直方图

x = [i for i in dict.index]
y = dict.tolist()
c = (
    Bar()
    .add_xaxis(x2)
    .add_yaxis("男", x22, 
               category_gap=0, # 设置柱子之间的间距为0
               color='#ff8080')
    .set_global_opts(title_opts=opts.TitleOpts(title="Bar-直方图"))
)
c.render_notebook()