Python 数据可视化

Python 提供了多种强大的库用于数据可视化,常用的库包括 MatplotlibSeabornPlotlyPandasBokeh 等。以下是这些库的简介和一些常见的数据可视化示例。


1. Matplotlib

Matplotlib 是 Python 中最常用的绘图库,提供了类似 MATLAB 的绘图接口。

示例:绘制折线图

python 复制代码
import matplotlib.pyplot as plt

# 数据
x = [1, 2, 3, 4, 5]
y = [10, 20, 25, 30, 40]

# 创建图形
plt.plot(x, y, marker='o', linestyle='-', color='b', label='Line Chart')

# 添加标题和标签
plt.title("Simple Line Chart")
plt.xlabel("X Axis")
plt.ylabel("Y Axis")

# 显示图例
plt.legend()

# 显示图形
plt.show()

示例:绘制柱状图

python 复制代码
import matplotlib.pyplot as plt

# 数据
categories = ['A', 'B', 'C', 'D']
values = [15, 25, 30, 20]

# 创建柱状图
plt.bar(categories, values, color='skyblue')

# 添加标题和标签
plt.title("Bar Chart")
plt.xlabel("Categories")
plt.ylabel("Values")

# 显示图形
plt.show()

2. Seaborn

Seaborn 是基于 Matplotlib 的高级绘图库,提供了更美观的默认样式和更简单的接口。

示例:绘制散点图

python 复制代码
import seaborn as sns
import pandas as pd

# 数据
data = pd.DataFrame({
    'X': [1, 2, 3, 4, 5],
    'Y': [10, 20, 25, 30, 40]
})

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

# 显示图形
plt.show()

示例:绘制热力图

python 复制代码
import seaborn as sns
import numpy as np

# 数据
data = np.random.rand(5, 5)

# 绘制热力图
sns.heatmap(data, annot=True, cmap='coolwarm')

# 显示图形
plt.show()

3. Plotly

Plotly 是一个交互式绘图库,支持生成动态和交互式图表。

示例:绘制交互式折线图

python 复制代码
import plotly.express as px
import pandas as pd

# 数据
df = pd.DataFrame({
    'X': [1, 2, 3, 4, 5],
    'Y': [10, 20, 25, 30, 40]
})

# 绘制折线图
fig = px.line(df, x='X', y='Y', title="Interactive Line Chart")

# 显示图形
fig.show()

示例:绘制交互式散点图

python 复制代码
import plotly.express as px
import pandas as pd

# 数据
df = pd.DataFrame({
    'X': [1, 2, 3, 4, 5],
    'Y': [10, 20, 25, 30, 40],
    'Category': ['A', 'B', 'A', 'B', 'A']
})

# 绘制散点图
fig = px.scatter(df, x='X', y='Y', color='Category', title="Interactive Scatter Plot")

# 显示图形
fig.show()

4. Pandas

Pandas 内置了基于 Matplotlib 的简单绘图功能,适合快速可视化。

示例:绘制直方图

python 复制代码
import pandas as pd
import numpy as np

# 数据
data = pd.Series(np.random.randn(1000))

# 绘制直方图
data.hist(bins=30, color='skyblue')

# 显示图形
plt.show()

5. Bokeh

Bokeh 是一个用于创建交互式图表的库,特别适合在网页中展示。

示例:绘制交互式折线图

python 复制代码
from bokeh.plotting import figure, show
from bokeh.io import output_notebook

# 启用 Notebook 输出
output_notebook()

# 数据
x = [1, 2, 3, 4, 5]
y = [10, 20, 25, 30, 40]

# 创建图形
p = figure(title="Interactive Line Chart", x_axis_label='X', y_axis_label='Y')
p.line(x, y, legend_label="Line", line_width=2)

# 显示图形
show(p)

6. 综合示例:使用多种库绘制图形

以下是一个综合示例,展示如何使用 Matplotlib、Seaborn 和 Plotly 绘制同一组数据的不同图形。

python 复制代码
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
import pandas as pd

# 数据
data = pd.DataFrame({
    'X': [1, 2, 3, 4, 5],
    'Y': [10, 20, 25, 30, 40]
})

# Matplotlib 折线图
plt.plot(data['X'], data['Y'], marker='o')
plt.title("Matplotlib Line Chart")
plt.show()

# Seaborn 散点图
sns.scatterplot(x='X', y='Y', data=data)
plt.title("Seaborn Scatter Plot")
plt.show()

# Plotly 交互式折线图
fig = px.line(data, x='X', y='Y', title="Plotly Interactive Line Chart")
fig.show()

总结

  • Matplotlib:适合基础绘图,功能强大但代码稍复杂。
  • Seaborn:基于 Matplotlib,提供更美观的默认样式和高级图表。
  • Plotly:适合创建交互式图表,支持动态展示。
  • Pandas:适合快速可视化,内置简单绘图功能。
  • Bokeh:适合创建交互式图表,特别适合网页展示。

根据你的需求选择合适的库进行数据可视化!

相关推荐
好开心啊没烦恼1 小时前
Python 数据分析:计算,分组统计1,df.groupby()。听故事学知识点怎么这么容易?
开发语言·python·数据挖掘·数据分析·pandas
lljss20202 小时前
Python11中创建虚拟环境、安装 TensorFlow
开发语言·python·tensorflow
空中湖2 小时前
tensorflow武林志第二卷第九章:玄功九转
人工智能·python·tensorflow
CodeCraft Studio3 小时前
CAD文件处理控件Aspose.CAD教程:使用 Python 将绘图转换为 Photoshop
python·photoshop·cad·aspose·aspose.cad
Python×CATIA工业智造5 小时前
Frida RPC高级应用:动态模拟执行Android so文件实战指南
开发语言·python·pycharm
wenzhangli75 小时前
OneCode 图表组件核心优势解析
数据可视化
onceco5 小时前
领域LLM九讲——第5讲 为什么选择OpenManus而不是QwenAgent(附LLM免费api邀请码)
人工智能·python·深度学习·语言模型·自然语言处理·自动化
我叫小白菜6 小时前
【Java_EE】单例模式、阻塞队列、线程池、定时器
java·开发语言
狐凄6 小时前
Python实例题:基于 Python 的简单聊天机器人
开发语言·python
weixin_446122467 小时前
JAVA内存区域划分
java·开发语言·redis