python数据可视化

以下是几个基于Python的数据可视化库及其代码示例：

1. Matplotlib

简介：Matplotlib是最基础、使用最广泛的Python绘图库，适用于各种静态、交互式和动画图表。

代码演示（绘制简单的线性图）：

import matplotlib.pyplot as plt
import numpy as np

# 生成随机数据
x = np.linspace(0, 2 * np.pi, 400)
y = np.sin(x ** 2)

# 绘制线性图
plt.plot(x, y)
plt.title('Matplotlib Line Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')

plt.show()

运行结果：

2. Seaborn

简介：Seaborn建立在Matplotlib之上，提供了更高层次的API，专注于数据可视化美学和复杂统计图形。

代码演示（绘制散点图矩阵）：

import seaborn as sns
import matplotlib.pyplot as plt

# 加载内置示例数据集
tips = sns.load_dataset("tips")

# 绘制散点图矩阵
sns.pairplot(tips, hue="day", diag_kind="kde")

plt.show()

运行结果：

【这里需要有效的上网工具，如果没有的话，可以参见另一篇文章python使用Seaborn数据集报错处理】

3. Pyecharts

简介：Pyecharts是对百度Echarts的Python接口封装，适合创建交互式网页图表，尤其适用于数据统计类图表展示。

代码演示（绘制柱状图）：​​​​​​​

from pyecharts.charts import Bar
from pyecharts import options as opts

data = [("衬衫", 55), ("羊毛衫", 20), ("雪纺衫", 16), ("裤子", 20), ("高跟鞋", 10), ("袜子", 20)]

bar = (
    Bar()
    .add_xaxis([item[0] for item in data])
    .add_yaxis("销量", [item[1] for item in data])
    .set_global_opts(title_opts=opts.TitleOpts(title="Pyecharts Bar Chart"))
)

bar.render()  # 在本地生成HTML文件，用于浏览器查看

运行结果：

4. Bokeh

简介：Bokeh专为现代Web浏览器设计，支持创建交互式、高性能的可视化图表，特别适用于大数据集。

代码演示（绘制交互式散点图）：

from bokeh.plotting import figure, show

p = figure(width=400, height=400)

# add a scatter circle renderer with a size, color, and alpha
p.scatter([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], size=20, color="navy", alpha=0.5)

# show the results
show(p)

运行结果：

5. Plotly

简介：Plotly是一个交互式可视化库，支持多种图表类型和在线协作。

代码演示（绘制动态折线图）：

import plotly.express as px
import pandas as pd

df = pd.read_csv('datasets-master/finance-charts-apple.csv')
fig = px.line(df, x='Date', y='AAPL.High', title='Plotly Line Plot')

fig.show()

运行结果：

【注意】以上代码示例需要相应的库已安装，并且可能需要根据实际环境调整数据源或展示方式。如果您在本地运行，确保已安装所需的库（如`pip install matplotlib seaborn pyecharts bokeh plotly`等）。部分库（如Bokeh、Plotly）的图表默认在Web浏览器中展示，因此需要相应的环境支持或调用正确的渲染方法。