Python可视化：常用图表的绘制

需要用到的第三方库：

        Matplotlib：基于Python的绘图库，提供完全的 2D 支持和部分 3D 图像支持。在跨平台和互动式环境中生成高质量数据时，matplotlib 会很有帮助。也可以用作制作动画。
        Seaborn：该 Python 库能够创建富含信息量和美观的统计图形。Seaborn 基于 matplotlib，具有多种特性，比如内置主题、调色板、可以可视化单变量数据、双变量数据，线性回归数据和数据矩阵以及统计型时序数据等，能让我们创建复杂的可视化图形。

1.折线图

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns# 数据准备
x = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]
y = [5, 3, 6, 20, 17, 16, 19, 30, 32, 35]# 使用Matplotlib画折线图
plt.plot(x, y, color="red")
plt.show()# 使用Seaborn画折线图
df = pd.DataFrame({'x': x, 'y': y})
sns.lineplot(x="x", y="y", data=df)
plt.show()

效果图：

2.散点图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns# 数据准备
N = 1000
x = np.random.randn(N)
y = np.random.randn(N)# 用Matplotlib画散点图
plt.scatter(x, y, marker='*', color="red")
plt.show()# 用Seaborn画散点图
df = pd.DataFrame({'x': x, 'y': y})
sns.jointplot(data=df, kind='scatter');
plt.show()

market 可以选择点的表示符号：* 表示星号、o 表示圆圈、x 表示叉

效果图：

3.条形图

import matplotlib.pyplot as plt
import seaborn as sns# 数据准备
x = ['Cat1', 'Cat2', 'Cat3', 'Cat4', 'Cat5']
y = [5, 4, 8, 12, 7]# 用Matplotlib画条形图
plt.bar(x, y, color="yellow")
plt.show()# 用Seaborn画条形图
sns.barplot(x, y)
plt.show()

效果图：

4.直方图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns# 数据准备
a = np.random.randn(100)
s = pd.Series(a)# 用Matplotlib画直方图
plt.hist(s)
plt.show()# 用Seaborn画直方图
# kde=True 会显示一条取值的曲线
sns.distplot(s, kde=True)
plt.show()

效果图：

5.饼图

import matplotlib.pyplot as plt# 数据准备
nums = [25, 37, 33, 37, 6]
labels = ['High-school','Bachelor','Master','Ph.d', 'Others']# 用Matplotlib画饼图
plt.pie(x = nums, labels=labels)
plt.show()

效果图：

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！