标识设计师,商丘网站优化,网络营销招聘岗位有哪些,微企点建站平台介绍常用的python可视化工具包是matplotlib#xff0c;seaborn是在matplotlib基础上做的进一步封装。入坑python可视化#xff0c;对有些人来说如同望山跑死马#xff0c;心气上早输了一节。其实学习一门新知识#xff0c;首先要掌握的是这门知识的最少最核心知识#xff0c;剩…常用的python可视化工具包是matplotlibseaborn是在matplotlib基础上做的进一步封装。入坑python可视化对有些人来说如同望山跑死马心气上早输了一节。其实学习一门新知识首先要掌握的是这门知识的最少最核心知识剩下的就让它在实践中拓展吧。
视图分类
可视化视图的分类常常从两个维度变量个数和变量之间的关系。按变量个数分可分为单变量分析和多变量分析。变量之间的关系常有下面四种
比较关系如折线图。
联系如散点图。
构图如饼图。
分布如直方图。
知道了这些还不够你好要掌握如下几种常见的视图画法。工欲善其事必先利其器开始画图之前你需要注意这几个问题
引入合适的包
import matplotlib.pyplot as plt
import seaborn as sns
处理中文乱码和负号问题
plt.rcParams[font.sans-serif][SimHei] # 用来正常显示中文标签
plt.rcParams[axes.unicode_minus] False #用来正常显示负号
Plus1上面的中文设置在MAC平台的Spyder上无效需要替换成如下的设置
plt.rcParams[font.family] [Arial Unicode MS] #用来正常显示中文标签
Plus2你可以把下面的这几条语句当成作图过程中的固定代码块
import matplotlib.pyplot as plt # 导入作图库
plt.rcParams[font.sans-serif] [SimHei] # 用来正常显示中文标签
plt.rcParams[axes.unicode_minus] False # 用来正常显示负号
plt.figure(figsize (7, 5)) # 创建图像区域指定比例
好了现在开始我们的绘图之旅吧
散点图scatter plot
散点图可以用来显示两个变量的关系其核心示例代码如下
plt.scatter(x,y,markerX)
plt.show()
对应的生成图如下折线图
折线图一般用来描述数据随时间变化的趋势其核心代码示例如下
x [i1 for i in range(2009,2019)]
y [5,3,6,20,17,16,19,30,32,35]
plt.plot(x,y)
plt.show()
其生成图如下所示折线图豪华升级版本代码如下
import numpy as np
import matplotlib.pyplot as plt
x np.linspace(0,10,1000)
ynp.sin(x)1
znp.cos(x**2)1
plt.figure(figsize(8,4))
plt.plot(x,y,label$\sin x1$,colorred,linewidth2)
plt.plot(x,z,b--,label$\cos x^21$)
plt.xlabel(Time(s) )
plt.ylabel(Volt)
plt.title(A Simple Example)
plt.ylim(0,2.2)
plt.legend()
plt.show()直方图
直方图又称质量分布图能比较直观的体现出不同阶段数量质量的分布状态其核心示例代码如下
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()
其生成图如下所示条形图
条形图和直方图很像如果说通过直方图可以了解到变量的数值分布那么条形图可以帮我们查看变量的类别特征。其核心示例代码如下
x [cat1,cat2,cat3,cat4,cat5]
y [5,4,8,12,7]
plt.bar(x,y)
plt.show()
其生成图如下箱线图
箱线图又称盒式图由五个数值点构成max最大值、min最小值、median中位数、Q3上四分位数和Q1下四分位数组成比较直观的图示如下下面我们来模拟箱线图的生成其核心示例代码如下
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,labelslables)
plt.show()
生成图如下所示饼图
饼图常用来描述部分和整体之间的比例其核心示例代码如下
nums [24,37,19,9]
lables [A,B,C,D]
plt.pie(xnums,labelslables)
plt.show()
其生成图示例如下其豪华升级版本如下
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,labelslabels,colorscolors,autopct%1.1f%%,shadowTrue,startangle90)
plt.axis(equal)
plt.show()
其示例图如下所示热力图
热力图是一种直观的多远变量分析方法是一种矩阵表示方法其中矩阵的不同元素值用不同的颜色来表示。在模拟时我们需要导入seaborn中自带的数据集fights。其核心示例代码如下
import matplotlib.pyplot as plt
import seaborn as sns
# data prepare
flights sns.load_dataset(flights)
dataflights.pivot(year,month,passengers)
sns.heatmap(data)
plt.show()
其图像示例如下未完待续…
