這篇文章主要介紹了Python數(shù)據(jù)可視化常用4大繪圖庫(kù)原理詳解,文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下

今天我們就用一篇文章，帶大家梳理matplotlib、seaborn、plotly、pyecharts的繪圖原理，讓大家學(xué)起來(lái)不再那么費(fèi)勁！

1. matplotlib繪圖原理

關(guān)于matplotlib更詳細(xì)的繪圖說(shuō)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(huì)。

matplotlib繪圖原理：http://suo.im/678FCo

1)繪圖原理說(shuō)明

通過(guò)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(kù);創(chuàng)建figure畫布對(duì)象;獲取對(duì)應(yīng)位置的axes坐標(biāo)系對(duì)象;調(diào)用axes對(duì)象，進(jìn)行對(duì)應(yīng)位置的圖形繪制;顯示圖形;

2)案例說(shuō)明

# 1.導(dǎo)入相關(guān)庫(kù) import matplotlib as mpl import matplotlib.pyplot as plt # 2.創(chuàng)建figure畫布對(duì)象 figure = () # 3.獲取對(duì)應(yīng)位置的axes坐標(biāo)系對(duì)象 axes1 = (2,1,1) axes2 = (2,1,2) # 4.調(diào)用axes對(duì)象，進(jìn)行對(duì)應(yīng)位置的圖形繪制 ([1,3,5,7],[4,9,6,8]) ([1,2,4,5],[8,4,6,2]) # 5.顯示圖形 ()

結(jié)果如下：

2. seaborn繪圖原理

在這四個(gè)繪圖庫(kù)里面，只有matplotlib和seaborn存在一定的聯(lián)系，其余繪圖庫(kù)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(jí)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(jí)的封裝，對(duì)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(jí)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(xì)介紹了，大家可以參考上面matplotlib的繪圖原理，來(lái)學(xué)習(xí)seaborn究竟如何繪圖，這里還是提供一個(gè)網(wǎng)址給大家。

seaborn繪圖原理：http://suo.im/5D3VPX

1)案例說(shuō)明

# 1.導(dǎo)入相關(guān)庫(kù) import seaborn as sns import matplotlib.pyplot as pltdf = pd.read_excel("",sheet_name="數(shù)據(jù)源")("dark") [""] = ["SimHei"] [""] = False # 注意：estimator表示對(duì)分組后的銷售數(shù)量求和。默認(rèn)是求均值。 (x="品牌",y="銷售數(shù)量",data=df,color="steelblue",orient="v",estimator=sum) ()

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(gè)感受，圖中既有matplotlib的繪圖代碼，也有seaborn的繪圖代碼。其實(shí)就是這樣的，我們就是按照matplobt的繪圖原理進(jìn)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(jìn)行調(diào)整

3. plotly繪圖原理

首先在介紹這個(gè)圖的繪圖原理之前，我們先簡(jiǎn)單介紹一下plotly這個(gè)繪圖庫(kù)。

• plotly是一個(gè)基于javascript的繪圖庫(kù)，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(wú)縫集成；
• ploty默認(rèn)的繪圖結(jié)果，是一個(gè)HTML網(wǎng)頁(yè)文件，通過(guò)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(dú)去學(xué)習(xí)它。同樣我還是提供了一個(gè)網(wǎng)址給你，讓你更詳細(xì)的學(xué)習(xí)plotly。

plotly繪圖原理：http://suo.im/5vxNTu

1)繪圖原理說(shuō)明

通過(guò)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(gè)軌跡是一個(gè)trace。
• 將軌跡包裹成一個(gè)列表，形成一個(gè)“軌跡列表”。一個(gè)軌跡放在一個(gè)列表中，多個(gè)軌跡也是放在一個(gè)列表中。
• 創(chuàng)建畫布的同時(shí)，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(shuō)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 toolsdf = pd.read_excel("") # 1.繪制圖形軌跡，在ployly里面叫做`trace`，每一個(gè)軌跡是一個(gè)trace。 trace0 = (x=df["年份"],y=df["城鎮(zhèn)居民"],name="城鎮(zhèn)居民") trace1 = (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(gè)列表，形成一個(gè)“軌跡列表”。一個(gè)軌跡放在一個(gè)列表中，多個(gè)軌跡也是放在一個(gè)列表中。 data = [trace0,trace1] # 3.創(chuàng)建畫布的同時(shí)，并將上述的`軌跡列表`，傳入到`Figure()`中。 fig = (data) # 4.使用`Layout()`添加其他的繪圖參數(shù)，完善圖形。 (,xaxis_title="年份",yaxis_title="人均收入(元)" ) # 5.展示圖形。 ()

結(jié)果如下：

4. pyecharts繪圖原理

Echarts是一個(gè)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(jì)，得到了眾多開發(fā)者的認(rèn)可。而python是一門富有表達(dá)力的語(yǔ)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(shí)，pyecharts誕生了。

pyecharts分為和v1兩個(gè)大版本，和v1兩個(gè)版本不兼容，v1是一個(gè)全新的版本，因此我們的學(xué)習(xí)盡量都是基于v1版本進(jìn)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(gè)網(wǎng)址給你，讓你更詳細(xì)的學(xué)習(xí)pyecharts。

pyecharts的繪圖原理：http://suo.im/5S1PF1

1)繪圖原理說(shuō)明

通過(guò)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(shuō)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(gè)模塊； from pyecharts.charts import Line import pyecharts.options as opts import numpy as npx = np.linspace(0,2 * ) y = (x)(# 2.我們繪制的是Line線圖，就需要實(shí)例化這個(gè)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=(is_show=False)).set_global_opts(title_opts=(title="我是標(biāo)題",subtitle="我是副標(biāo)題",title_link=""),tooltip_opts=()) ).render_notebook() # ()用于顯示及保存圖表；

結(jié)果如下：

小結(jié)

通過(guò)上面的學(xué)習(xí)，我相信肯定會(huì)讓大家對(duì)于這些庫(kù)的繪圖原理，一定會(huì)有一個(gè)新的認(rèn)識(shí)。

其實(shí)其實(shí)不管是任何編程軟件的繪圖庫(kù)，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(jìn)行繪圖庫(kù)的圖形練習(xí)，這樣下去，我覺得大家會(huì)有一個(gè)很大的提高。

以上就是本文的全部?jī)?nèi)容，希望對(duì)大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

總結(jié)

以上是生活随笔為你收集整理的ant如何形成时间轴和图库_Python数据可视化常用4大绘图库原理详解_python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。