常用的python可視化工具包是matplotlib，seaborn是在matplotlib基礎(chǔ)上做的進(jìn)一步封裝。入坑python可視化，對(duì)有些人來(lái)說(shuō)如同望山跑死馬，心氣上早輸了一節(jié)。其實(shí)學(xué)習(xí)一門(mén)新知識(shí)，首先要掌握的是這門(mén)知識(shí)的最少最核心知識(shí)，剩下的就讓它在實(shí)踐中拓展吧。

視圖分類(lèi)

可視化視圖的分類(lèi)常常從兩個(gè)維度：變量個(gè)數(shù)和變量之間的關(guān)系。按變量個(gè)數(shù)分可分為單變量分析和多變量分析。變量之間的關(guān)系常有下面四種：

比較關(guān)系，如：折線(xiàn)圖。

聯(lián)系，如：散點(diǎn)圖。

構(gòu)圖，如：餅圖。

分布，如：直方圖。

知道了這些，還不夠！你好要掌握如下幾種常見(jiàn)的視圖畫(huà)法。

工欲善其事，必先利其器！開(kāi)始畫(huà)圖之前你需要注意這幾個(gè)問(wèn)題：

引入合適的包

import matplotlib.pyplot as plt

import seaborn as sns

處理中文亂碼和負(fù)號(hào)問(wèn)題

plt.rcParams['font.sans-serif']=['SimHei'] # 用來(lái)正常顯示中文標(biāo)簽

plt.rcParams['axes.unicode_minus'] = False #用來(lái)正常顯示負(fù)號(hào)

Plus1：上面的中文設(shè)置在MAC平臺(tái)的Spyder上無(wú)效，需要替換成如下的設(shè)置：

plt.rcParams['font.family'] = ['Arial Unicode MS'] #用來(lái)正常顯示中文標(biāo)簽

Plus2：你可以把下面的這幾條語(yǔ)句當(dāng)成作圖過(guò)程中的固定代碼塊：

import matplotlib.pyplot as plt # 導(dǎo)入作圖庫(kù)

plt.rcParams['font.sans-serif'] = ['SimHei'] # 用來(lái)正常顯示中文標(biāo)簽

plt.rcParams['axes.unicode_minus'] = False # 用來(lái)正常顯示負(fù)號(hào)

plt.figure(figsize = (7, 5)) # 創(chuàng)建圖像區(qū)域，指定比例

好了現(xiàn)在開(kāi)始我們的繪圖之旅吧！

散點(diǎn)圖（scatter plot）

散點(diǎn)圖可以用來(lái)顯示兩個(gè)變量的關(guān)系，其核心示例代碼如下：

plt.scatter(x,y,marker='X')

plt.show()

對(duì)應(yīng)的生成圖如下：

折線(xiàn)圖

折線(xiàn)圖一般用來(lái)描述數(shù)據(jù)隨時(shí)間變化的趨勢(shì)，其核心代碼示例如下：

x =[i+1 for i in range(2009,2019)]

y =[5,3,6,20,17,16,19,30,32,35]

plt.plot(x,y)

plt.show()

其生成圖如下所示：

折線(xiàn)圖豪華升級(jí)版本代碼如下：

import numpy as np

import matplotlib.pyplot as plt

x =np.linspace(0,10,1000)

y=np.sin(x)+1

z=np.cos(x**2)+1

plt.figure(figsize=(8,4))

plt.plot(x,y,label='$\sin x+1$',color='red',linewidth=2)

plt.plot(x,z,'b--',label='$\cos x^2+1$')

plt.xlabel('Time(s) ')

plt.ylabel('Volt')

plt.title('A Simple Example')

plt.ylim(0,2.2)

plt.legend()

plt.show()

直方圖

直方圖又稱(chēng)質(zhì)量分布圖，能比較直觀的體現(xiàn)出不同階段，數(shù)量（質(zhì)量）的分布狀態(tài)，其核心示例代碼如下：

import matplotlib.pyplot as plt

import seaborn as sns

import numpy as np

import pandas as pd

a =np.random.randn(100)

b = pd.Series(a)

plt.hist(b)

plt.show()

其生成圖如下所示：

條形圖

條形圖和直方圖很像，如果說(shuō)通過(guò)直方圖可以了解到變量的數(shù)值分布，那么條形圖可以幫我們查看變量的類(lèi)別特征。其核心示例代碼如下：

x =['cat1','cat2','cat3','cat4','cat5']

y =[5,4,8,12,7]

plt.bar(x,y)

plt.show()

其生成圖如下：

箱線(xiàn)圖

箱線(xiàn)圖又稱(chēng)盒式圖，由五個(gè)數(shù)值點(diǎn)構(gòu)成：max（最大值）、min（最小值）、median（中位數(shù)）、Q3（上四分位數(shù)）和Q1（下四分位數(shù)）組成，比較直觀的圖示如下：

下面我們來(lái)模擬箱線(xiàn)圖的生成，其核心示例代碼如下：

import matplotlib.pyplot as plt

import seaborn as sns

import numpy as np

import pandas as pd

data = np.random.normal(size=(10,4))

lables =["A","B","C","D"]

plt.boxplot(data,labels=lables)

plt.show()

生成圖如下所示：

餅圖

餅圖常用來(lái)描述部分和整體之間的比例，其核心示例代碼如下

nums =[24,37,19,9]

lables =["A","B","C","D"]

plt.pie(x=nums,labels=lables)

plt.show()

其生成圖示例如下：

其豪華升級(jí)版本如下：

import matplotlib.pyplot as plt

labels = 'Frogs','Hogs','Dogs','Logs'

sizes =[15,30,45,10]

colors=['yellowgreen','gold','lightskyblue','lightcoral']

explode=(0,0.1,0,0)

plt.pie(sizes,explode =explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=True,startangle=90)

plt.axis('equal')

plt.show()

其示例圖如下所示：

熱力圖

熱力圖是一種直觀的多遠(yuǎn)變量分析方法，是一種矩陣表示方法，其中矩陣的不同元素值用不同的顏色來(lái)表示。在模擬時(shí)，我們需要導(dǎo)入seaborn中自帶的數(shù)據(jù)集fights。其核心示例代碼如下：

import matplotlib.pyplot as plt

import seaborn as sns

# data prepare

flights = sns.load_dataset("flights")

data=flights.pivot('year','month','passengers')

sns.heatmap(data)

plt.show()

其圖像示例如下：

未完待續(xù)…

總結(jié)

以上是生活随笔為你收集整理的python 可视化_python可视化基础的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。