文丨Chris Moffitt

編譯丨姜瑞琪

觸脈咨詢數據分析師

用過python的人都會面臨一個問題，尤其是初學者：我應該選哪個來實現數據可視化？

面對眾多的選項，要弄清楚什么時候使用哪個的問題沒那么容易。

這就是今天分享這篇文章的初衷，通過列舉一些使用頻率較高的工具，以及使用它們創建簡單的條形圖的方法，幫助各位進行簡單的梳理。

以下就是將要用來創建繪制數據的示例：

·Pandas

·Seaborn

·Ggplot

在示例中，我將使用pandas進行數據處理并使用它來完成可視化的效果。其實，在大多數情況下，可視化工具可以在沒有pandas的情況下使用，但pandas+可視化工具的組合很常見，這是一個很好的起始點。

pandas

我通常會用pandas DataFrame開始制作各種繪圖的工作。這樣有一個優勢，就是pandas提供內置的繪圖功能，它是matplotlib之上的一層。

首先，導入我們的模塊并將數據放入DataFrame中，此外，還將對數據進行排序并讓其限制在前10行中。

所有的示例中使用的預算行都相同，以下是導入DataFrame后前5個項目的樣子：

我們可以手動設置外觀并創建一個條形圖：

如果想保存生成的圖像，則需要以下的代碼：

制作成功后會如下所示：

如果想對Y軸進行更多格式化，則需要一些matplotlib的操作，而不能僅僅通過pandas來實現。

Seaborn

Seaborn是基于matplotlib的可視化庫，它能讓數據可視化在視覺上更具有吸引力，并且能夠很好的與pandas一起使用。

我喜歡用Seaborn的一點就在于它能夠快速更改調色板以使其外觀更好看。

標準導入并讀取數據：

在使用的時候，我發現一件事情就是必須使用x_order明確設置x_axis上項目的順序。

對這節代碼設置順序，并設置繪圖和條形圖顏色的樣式：

示例中，我們使用matplotlib旋轉x軸標題，以便在實際場景中可以閱讀。視覺上，顯示看起來不錯。理想情況下，可以使用matplotlib中的plt.yticks在y軸上設置刻度線的格式。

ggplot

ggplot與Seaborn相似，都是建立在matplotlib之上，并以一種簡單的方式優化提升matplotlib可視化的視覺吸引力。但有一點與seaborn不同，它是R的ggplot2端口，因此，某些API是非Python的，但功能非常強大。

繼續導入并讀取我們的數據：

現在，我們可以通過將幾個ggplot命令連接在一起來構建繪圖：

通過使用print p可以顯示圖形。

實操中，確實需要花一些時間才能弄清楚如何將文本旋轉90度，以及如何在x軸上排列標簽。

我發現scale_y_continous是一個很酷的功能，它能使標簽的使用變得更簡單。

如果要保存圖像，可以使用ggsave輕松進行：

最終生成的圖像。

總結：

使用Python繪制數據圖表時，選擇太多是好事兒也是壞事兒。這意味著我們需要根據要完成的工作找出適合的方法，去確定這些工具能否有用。

這沒辦法給出一個明確的定義，以此為基準進行選擇。以下是我總結的一些想法：

·pandas對于簡單的繪制圖表很方便，但通常需要搭配matplotlib進行使用。

·seaborn可以支持復雜的可視化方法，在配色方案上也有一定優勢。但是，仍需要用matplotlib進行調整。

·ggplot仍然在不斷優化。

希望對各位有所幫助~

原文鏈接：https://pbpython.com/visualization-tools-1.html，有所刪減及修改

總結

以上是生活随笔為你收集整理的利用python数据可视化_想用Python做数据可视化？先迈过这个“坎”的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。