使用 Python 进行数据可视化之Matplotlib

海拥haiyong 2021-10-29 14:54:25
云计算 后端 Python 数据可视化 虚拟化

???? 作者主页:海拥 ???? 作者简介:????CSDN全栈领域优质创作者、????HDZ核心组成员、????蝉联C站周榜前十 ???? 粉丝福利:​粉丝群​ 每周送四本书,每月送各种小礼品(搪瓷杯、抱枕、鼠标垫、马克杯等)

在当今世界,我们每天都会产生大量数据。有时要分析某些趋势的数据,如果数据是原始格式,模式可能会变得困难。为了克服这种数据可视化发挥作用。数据可视化提供了良好的、有组织的数据图形表示,使其更易于理解、观察和分析。在本系列教程中,我们将讨论如何使用 Python 可视化数据。

我们将一一讨论这些库,并绘制一些最常用的图形。

注意: 如果您想了解有关这些库的深入信息,可以按照他们的完整教程进行操作。

在深入研究这些库之前,首先,我们需要一个数据库来绘制数据。我们将在本完整教程中使用 tips database。让我们讨论一下这个数据库的简介。

使用的数据库

tips 数据库

tips 数据库是20世纪90年代初期顾客在餐厅的两个半月的小费记录。它包含 6 列,例如 total_bill、tip、sex、smoker、day、time、size。

您可以从​ ​这里下载​​ tips 数据库。

例子:

import pandas as pd


# 读取数据库
data = pd. read_csv( "tips.csv")

# 打印前 10 行
print( data. head( 10))
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.

输出:

使用 Python 进行数据可视化之Matplotlib_数据可视化

Matplotlib

Matplotlib 是一个易于使用的低级数据可视化库,它构建在 NumPy 数组上。它由散点图、线图、直方图等各种图组成。 Matplotlib 提供了很大的灵活性。

要安装此库,请在终端中输入以下命令。

pip install matplotlib
  • 1.

使用 Python 进行数据可视化之Matplotlib_后端_02

安装 Matplotlib 后,让我们看看使用这个库最常用的绘图。

散点图

散点图用于观察变量之间的关系,并用点来表示它们之间的关系。matplotlib 库中的scatter()方法用于绘制散点图。

例子:

import pandas as pd
import matplotlib. pyplot as plt


# 读取数据库
data = pd. read_csv( "tips.csv")

# day 对 tip 的散点图
plt. scatter( data[ 'day'], data[ 'tip'])

# 为 Plot 添加标题
plt. title( "Scatter Plot")

# 设置 X 和 Y 标签
plt. xlabel( 'Day')
plt. ylabel( 'Tip')

plt. show()
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.

输出:

使用 Python 进行数据可视化之Matplotlib_python_03

如果我们可以添加颜色并更改点的大小,则此图会更有意义。我们可以通过分别使用 scatter 函数的c 和 s参数来做到这一点。我们还可以使用colorbar()方法显示颜色条。

import pandas as pd
import matplotlib. pyplot as plt


# 读取数据库
data = pd. read_csv( "tips.csv")

# day对tip的散点图
plt. scatter( data[ 'day'], data[ 'tip'], c = data[ 'size'],
s = data[ 'total_bill'])

# 为Plot添加标题
plt. title( "Scatter Plot")

# 设置 X 和 Y 标签
plt. xlabel( 'Day')
plt. ylabel( 'Tip')

plt. colorbar()

plt. show()
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.
  • 20.
  • 21.

使用 Python 进行数据可视化之Matplotlib_后端_04

折线图

折线图用于表示不同轴上两个数据 X 和 Y 之间的关系。它是使用plot() 函数绘制的。让我们看看下面的例子。

例子:

import pandas as pd
import matplotlib. pyplot as plt


# 读取数据库
data = pd. read_csv( "tips.csv")

# day对tip的折线图
plt. plot( data[ 'tip'])
plt. plot( data[ 'size'])

# 为Plot添加标题
plt. title( "Scatter Plot")

# 设置 X 和 Y 标签
plt. xlabel( 'Day')
plt. ylabel( 'Tip')

plt. show()
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.
  • 19.

输出:

使用 Python 进行数据可视化之Matplotlib_数据_05

条形图

柱状图或叫条形图是表示与长度和高度的矩形条数据的类别是正比于它们所代表的值的图。它可以使用bar()方法创建。

例子:

import pandas as pd
import matplotlib. pyplot as plt


# 读取数据库
data = pd. read_csv( "tips.csv")

# day对tip的条形图
plt. bar( data[ 'day'], data[ 'tip'])

plt. title( "Bar Chart")

# 设置 X 和 Y 标签
plt. xlabel( 'Day')
plt. ylabel( 'Tip')

# 添加图例
plt. show()
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.
  • 15.
  • 16.
  • 17.
  • 18.

输出:

使用 Python 进行数据可视化之Matplotlib_数据_06

直方图

直方图基本上是用来在一些基团的形式来表示数据。它是一种条形图,其中 X 轴表示 bin 范围,而 Y 轴提供有关频率的信息。的HIST()函数用于计算和创建直方图。在直方图中,如果我们传递分类数据,那么它将自动计算该数据的频率,即每个值出现的频率。

例子:

import pandas as pd
import matplotlib. pyplot as plt


# 读取数据库
data = pd. read_csv( "tips.csv")

# total_bill直方图
plt. hist( data[ 'total_bill'])

plt. title( "Histogram")

# 添加图例
plt. show()
  • 1.
  • 2.
  • 3.
  • 4.
  • 5.
  • 6.
  • 7.
  • 8.
  • 9.
  • 10.
  • 11.
  • 12.
  • 13.
  • 14.

输出:

使用 Python 进行数据可视化之Matplotlib_数据_07

以上是关于 Matplotlib 使用 Python 进行数据可视化的全部示例,下一节我们来谈谈 Seaborn

抽粉丝送书啦

欢迎大家在评论区提出意见和建议! (抽两位幸运儿送书,实物图如下)????

使用 Python 进行数据可视化之Matplotlib_数据可视化_08

《Python大数据分析从入门到精通》

【内容简介】

本书结合Python在数据分析领域的特点,介绍如何在数据平台上集成使用Python。本书内容分为3大部分。第1部分(第1~ 3章)为搭建开发环境和导入测试数据;第2部分(第4~ 12章)为Python对HDFS、Hive、Pig、HBase、Spark的操作,主要是对常用API的说明;第3部分(第13~16章)是在前面章节的基础上,介绍如何进行数据的分析、挖掘、可视化等内容。
本书不仅阐述了Python在大数据平台上的应用技巧,而且关于大数据平台管理和操作的介绍说明贯穿全书,因此对于希望学习大数据知识的读者,本书同样非常适合。

版权声明
本文为[海拥haiyong]所创,转载请带上原文链接,感谢
https://blog.51cto.com/haiyongblog/4375008

  1. Python題,我剛學,還不會
  2. Je viens d'apprendre, pas encore.
  3. 云计算开发:Python3-find()方法详解
  4. Real time access to stock data, free—— Python crawler Sina stock actual combat
  5. Développement de l'informatique en nuage: détails de la méthode Python 3 - find ()
  6. 如何使用Python进行超参调参和调优
  7. 如何使用Python進行超參調參和調優
  8. Comment utiliser Python pour le réglage hyperparamétrique
  9. Première connaissance du module urllib Python
  10. Python入门:看了这篇文章如果1个小时没法入门Python,那么还是换个语言吧!!
  11. Python(day1):Python 3 教程
  12. Python(day3):Python3 安装与环境搭建
  13. Python (day3): installation et environnement Python 3
  14. Python (day1): tutoriel Python 3
  15. Démarrer avec Python: Si vous ne pouvez pas commencer avec Python en une heure, changez de langue!!
  16. Pandas:DataFrame对象的基础操作
  17. 关于#python#的问题:月球上物体的体重在地球上的16.5%,编写程序输出未来10年在地球上和月球上的体重状况
  18. 反转一个3位整数(Python 实现)
  19. Inverse un entier de 3 bits (implémentation Python)
  20. Questions sur # Python #: les objets lunaires pèsent 16,5% de la masse de la terre et un programme est programmé pour produire la masse de la terre et de la lune au cours des 10 prochaines années
  21. Compared with Excel, it is easy to learn Python report automation practice!
  22. 7 excellent open source libraries for learning Python Programming
  23. Use of Python pandas!!!!! Explain in detail
  24. Python Qt GUI设计:QPrinter打印图片类(基础篇—21)
  25. Use of Python pandas!!!!! Explain in detail
  26. 2n行输入,Python,判断字母个数
  27. Notes de Python (XV): dérivation de liste
  28. Notes sur Python (XVI): générateur et Itérateur
  29. Notes de Python (18): décorateur
  30. 2n entrée de ligne, Python, nombre de lettres de jugement
  31. Notes Python (17): fermetures
  32. Notes sur Python (20): fonctions d'ordre supérieur intégrées
  33. 想问问这个Python编程咋做呀?
  34. 想問問這個Python編程咋做呀?
  35. Vous voulez savoir ce que fait cette programmation python?
  36. 11.5K Star,一个开源的 Python 静态类型检查库
  37. Sweetviz:让你只需三行代码实现Python探索性数据分析
  38. Sweetviz:讓你只需三行代碼實現Python探索性數據分析
  39. Sweetviz: vous permet d'effectuer une analyse exploratoire des données python avec seulement trois lignes de code
  40. 11.5k Star, une bibliothèque de vérification de type statique Python Open Source
  41. 刚学Python,想让大大给我解释一下代码
  42. 剛學Python,想讓大大給我解釋一下代碼
  43. Je viens d'apprendre Python et je veux que tu m'expliques le Code.
  44. Python QT GUI Design: qmainwindow, QWidget and qdialog window classes (Fundamentals - 10)
  45. Python爬虫项目实战:快手网页版滑块captchaSession分析
  46. python计算时间十二小时制
  47. Temps de calcul Python 12 heures
  48. Python crawler Project actual Fighting: faster Web Version Slider CAPTCHA session Analysis
  49. Python要学习多久可以掌握?多久可以精通?
  50. Combien de temps Python va - t - il apprendre à maîtriser? Combien de temps faut - il pour maîtriser?
  51. 从官网上下载的python安装包安装不了
  52. 深度学习项目:如何使用Python和OpenCV进行人脸识别
  53. python编辑语言如内容所示
  54. La langue d'édition Python est affichée dans le contenu
  55. 有谁知道这怎么回事嘛(Python的简单代码)
  56. 有誰知道這怎麼回事嘛(Python的簡單代碼)
  57. Qui sait ce qui se passe?
  58. Python求某个数的因数【因数是指能被这个数整除的数。例如6的因数有:1、2、3、6; 7的因数有:1、7; 8的因数有:1、2、4、8】。
  59. Python calcule les facteurs d'un nombre [les facteurs sont des nombres qui peuvent être divisés par ce nombre. Par exemple, les facteurs de 6 sont: 1, 2, 3, 6; les facteurs de 7 sont: 1, 7; et les facteurs de 8 sont: 1, 2, 4, 8].
  60. 如何创建一个python程序来模拟电影院的座位预订