Python數(shù)據(jù)可視化中常用的繪圖庫

這篇文章運用簡單易懂的例子給大家介紹Python數(shù)據(jù)可視化中常用的繪圖庫，內(nèi)容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。

1. matplotlib繪圖原理

關(guān)于matplotlib更詳細的繪圖說明，大家可以參考下面這篇文章，相信你看了以后一定學(xué)得會。

matplotlib繪圖原理：http://suo.im/678FCo

1）繪圖原理說明

通過我自己的學(xué)習(xí)和理解，我將matplotlib繪圖原理高度總結(jié)為如下幾步：

導(dǎo)庫;創(chuàng)建figure畫布對象;獲取對應(yīng)位置的axes坐標系對象;調(diào)用axes對象，進行對應(yīng)位置的圖形繪制;顯示圖形;

2）案例說明

# 1.導(dǎo)入相關(guān)庫
import matplotlib as mpl
import matplotlib.pyplot as plt
# 2.創(chuàng)建figure畫布對象
figure = plt.figure()
# 3.獲取對應(yīng)位置的axes坐標系對象
axes1 = figure.add_subplot(2,1,1)
axes2 = figure.add_subplot(2,1,2)
# 4.調(diào)用axes對象，進行對應(yīng)位置的圖形繪制
axes1.plot([1,3,5,7],[4,9,6,8])
axes2.plot([1,2,4,5],[8,4,6,2])
# 5.顯示圖形
figure.show()

結(jié)果如下：

2. seaborn繪圖原理

在這四個繪圖庫里面，只有matplotlib和seaborn存在一定的聯(lián)系，其余繪圖庫之間都沒有任何聯(lián)系，就連繪圖原理也都是不一樣的。

seaborn是matplotlib的更高級的封裝。因此學(xué)習(xí)seaborn之前，首先要知道m(xù)atplotlib的繪圖原理。由于seaborn是matplotlib的更高級的封裝，對于matplotlib的那些調(diào)優(yōu)參數(shù)設(shè)置，也都可以在使用seaborn繪制圖形之后使用。

我們知道，使用matplotlib繪圖，需要調(diào)節(jié)大量的繪圖參數(shù)，需要記憶的東西很多。而seaborn基于matplotlib做了更高級的封裝，使得繪圖更加容易，它不需要了解大量的底層參數(shù)，就可以繪制出很多比較精致的圖形。不僅如此，seaborn還兼容numpy、pandas數(shù)據(jù)結(jié)構(gòu)，在組織數(shù)據(jù)上起了很大作用，從而更大程度上的幫助我們完成數(shù)據(jù)可視化。

由于seaborn的繪圖原理，和matplotlib的繪圖原理一致，這里也就不詳細介紹了，大家可以參考上面matplotlib的繪圖原理，來學(xué)習(xí)seaborn究竟如何繪圖，這里還是提供一個網(wǎng)址給大家。

seaborn繪圖原理：http://suo.im/5D3VPX

1）案例說明

# 1.導(dǎo)入相關(guān)庫
import seaborn as sns
import matplotlib.pyplot as plt

df = pd.read_excel("data.xlsx",sheet_name="數(shù)據(jù)源")

sns.set_style("dark")
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
# 注意：estimator表示對分組后的銷售數(shù)量求和。默認是求均值。
sns.barplot(x="品牌",y="銷售數(shù)量",data=df,color="steelblue",orient="v",estimator=sum)
plt.show()

結(jié)果如下：

注意：可以看到在上述的繪圖代碼中，你應(yīng)該有這樣一個感受，圖中既有matplotlib的繪圖代碼，也有seaborn的繪圖代碼。其實就是這樣的，我們就是按照matplobt的繪圖原理進行圖形繪制，只是有些地方改成seaborn特有的代碼即可，剩下的調(diào)整格式，都可以使用matplotlib中的方法進行調(diào)整

3. plotly繪圖原理

首先在介紹這個圖的繪圖原理之前，我們先簡單介紹一下plotly這個繪圖庫。

• plotly是一個基于javascript的繪圖庫，plotly繪圖種類豐富，效果美觀；
• 易于保存與分享plotly的繪圖結(jié)果，并且可以與Web無縫集成；
• ploty默認的繪圖結(jié)果，是一個HTML網(wǎng)頁文件，通過瀏覽器可以直接查看；

它的繪圖原理和matplotlib、seaborn沒有任何關(guān)系，你需要單獨去學(xué)習(xí)它。同樣我還是提供了一個網(wǎng)址給你，讓你更詳細的學(xué)習(xí)plotly。

plotly繪圖原理：http://suo.im/5vxNTu

1）繪圖原理說明

通過我自己的學(xué)習(xí)和理解，我將plotly繪圖原理高度總結(jié)為如下幾步：

• 繪制圖形軌跡，在ployly里面叫做trace，每一個軌跡是一個trace。
• 將軌跡包裹成一個列表，形成一個“軌跡列表”。一個軌跡放在一個列表中，多個軌跡也是放在一個列表中。
• 創(chuàng)建畫布的同時，并將上述的軌跡列表，傳入到Figure()中。
• 使用Layout()添加其他的繪圖參數(shù)，完善圖形。
• 展示圖形。

2）案例說明

import numpy as np
import pandas as pd
import plotly as py
import plotly.graph_objs as go
import plotly.expression as px
from plotly import tools

df = pd.read_excel("plot.xlsx")
# 1.繪制圖形軌跡，在ployly里面叫做`trace`，每一個軌跡是一個trace。
trace0 = go.Scatter(x=df["年份"],y=df["城鎮(zhèn)居民"],name="城鎮(zhèn)居民")
trace1 = go.Scatter(x=df["年份"],y=df["農(nóng)村居民"],name="農(nóng)村居民")
# 2.將軌跡包裹成一個列表，形成一個“軌跡列表”。一個軌跡放在一個列表中，多個軌跡也是放在一個列表中。
data = [trace0,trace1]
# 3.創(chuàng)建畫布的同時，并將上述的`軌跡列表`，傳入到`Figure()`中。
fig = go.Figure(data)
# 4.使用`Layout()`添加其他的繪圖參數(shù)，完善圖形。
fig.update_layout(
  title="城鄉(xiāng)居民家庭人均收入",
  xaxis_title="年份",
  yaxis_title="人均收入（元）"
)
# 5.展示圖形。
fig.show()

結(jié)果如下：

4. pyecharts繪圖原理

Echarts是一個由百度開源的數(shù)據(jù)可視化工具，憑借著良好的交互性，精巧的圖表設(shè)計，得到了眾多開發(fā)者的認可。而python是一門富有表達力的語言，很適合用于數(shù)據(jù)處理。當(dāng)數(shù)據(jù)分析遇上了數(shù)據(jù)可視化時，pyecharts誕生了。

pyecharts分為v0.5和v1兩個大版本，v0.5和v1兩個版本不兼容，v1是一個全新的版本，因此我們的學(xué)習(xí)盡量都是基于v1版本進行操作。

和plotly一樣，pyecharts的繪圖原理也是完全不同于matplotlib和seaborn，我們需要額外的去學(xué)習(xí)它們的繪圖原理，基于此，同樣提供一個網(wǎng)址給你，讓你更詳細的學(xué)習(xí)pyecharts。

pyecharts的繪圖原理：http://suo.im/5S1PF1

1）繪圖原理說明

通過我自己的學(xué)習(xí)和理解，我將plotly繪圖原理高度總結(jié)為如下幾步：

• 選擇圖表類型；
• 聲明圖形類并添加數(shù)據(jù)；
• 選擇全局變量；
• 顯示及保存圖表；

2）案例說明

# 1.選擇圖表類型：我們使用的是線圖，就直接從charts模塊中導(dǎo)入Line這個模塊；
from pyecharts.charts import Line
import pyecharts.options as opts
import numpy as np

x = np.linspace(0,2 * np.pi,100)
y = np.sin(x)

(
 # 2.我們繪制的是Line線圖，就需要實例化這個圖形類，直接Line()即可；
 Line()
 # 3.添加數(shù)據(jù)，分別給x,y軸添加數(shù)據(jù)；
 .add_xaxis(xaxis_data=x)
 .add_yaxis(series_name="繪制線圖",y_axis=y,label_opts=opts.LabelOpts(is_show=False))
 .set_global_opts(title_opts=opts.TitleOpts(title="我是標題",subtitle="我是副標題",title_link="https://www.baidu.com/"),
         tooltip_opts=opts.TooltipOpts())
).render_notebook() # 4.render_notebook()用于顯示及保存圖表；

結(jié)果如下：

小結(jié)

通過上面的學(xué)習(xí)，我相信肯定會讓大家對于這些庫的繪圖原理，一定會有一個新的認識。

其實其實不管是任何編程軟件的繪圖庫，都有它的繪圖原理。我們與其盲目的去繪制各種各樣的圖形，不如先搞清楚它們的套路后，再去進行繪圖庫的圖形練習(xí)，這樣下去，我覺得大家會有一個很大的提高。

關(guān)于Python數(shù)據(jù)可視化中常用的繪圖庫就分享到這里了，希望以上內(nèi)容可以對大家有一定的幫助，可以學(xué)到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。