正文

掌握Python数据可视化，从这5大库开始

/0 浏览量
0430

1. Matplotlib

Matplotlib 是 Python 中最基础且最广泛使用的绘图库之一。它提供了丰富的绘图功能，可以创建各种类型的图表，如折线图、柱状图、散点图等。Matplotlib 的优点在于其灵活性和广泛的应用范围，虽然需要编写较多的代码，但可以创建复杂的图表。

1.1 安装 Matplotlib

pip install matplotlib

1.2 基本绘图示例

import matplotlib.pyplot as plt

# 准备数据
x = [1, 2, 3, 4, 5]
y = [10, 20, 25, 30, 35]

# 创建图表对象
plt.figure()

# 绘制折线图
plt.plot(x, y, label='Line 1')

# 添加标题和标签
plt.title('Sample Line Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图例
plt.legend()

# 显示图表
plt.show()

2. Seaborn

Seaborn 是基于 Matplotlib 的高级绘图库，专注于统计图表的绘制。它提供了更简洁的语法和更美观的默认样式，使得创建统计图表变得更加容易。

2.1 安装 Seaborn

pip install seaborn

2.2 基本绘图示例

import seaborn as sns
import matplotlib.pyplot as plt

# 准备数据
data = {'x': [1, 2, 3, 4, 5], 'y': [10, 20, 25, 30, 35]}

# 创建图表对象
plt.figure()

# 绘制散点图
sns.scatterplot(data=data, x='x', y='y')

# 添加标题和标签
plt.title('Sample Scatter Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图表
plt.show()

3. Plotly

Plotly 是一个交互式图表库，支持创建动态和交互式图表，特别适用于 Web 应用和数据报告。它提供了丰富的图表类型和自定义选项。

3.1 安装 Plotly

pip install plotly

3.2 基本绘图示例

import plotly.express as px

# 准备数据
data = {'x': [1, 2, 3, 4, 5], 'y': [10, 20, 25, 30, 35]}

# 创建图表对象
fig = px.scatter(data, x='x', y='y')

# 更新图表样式
fig.update_layout(title='Sample Scatter Plot', xaxis_title='X-axis', yaxis_title='Y-axis')

# 显示图表
fig.show()

4. Pandas

Pandas 是一个强大的数据分析库，它自带了一些绘图功能，可以快速生成图表，特别适合数据分析过程中的可视化。

4.1 安装 Pandas

pip install pandas

4.2 基本绘图示例

import pandas as pd
import matplotlib.pyplot as plt

# 准备数据
data = {'x': [1, 2, 3, 4, 5], 'y': [10, 20, 25, 30, 35]}
df = pd.DataFrame(data)

# 创建图表对象
plt.figure()

# 绘制折线图
df.plot(kind='line')

# 添加标题和标签
plt.title('Sample Line Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

# 显示图表
plt.show()

5. Bokeh

Bokeh 是一个交互式可视化库，适合处理大型数据集。它允许用户在 Web 浏览器中查看和交互式地探索数据。

5.1 安装 Bokeh

pip install bokeh

5.2 基本绘图示例

from bokeh.plotting import figure, show

# 准备数据
x = [1, 2, 3, 4, 5]
y = [10, 20, 25, 30, 35]

# 创建图表对象
p = figure(title='Sample Scatter Plot', tools='pan,wheel_zoom,box_zoom,reset')

# 添加散点图
p.scatter(x, y)

# 更新图表样式
p.xaxis.axis_label = 'X-axis'
p.yaxis.axis_label = 'Y-axis'

# 显示图表
show(p)

通过以上五个库，您可以开始学习并掌握 Python 数据可视化的基础知识。随着实践经验的积累，您将能够创建出更加复杂和美观的图表。

-- 展开阅读全文 --