绘图和可视化 《利用Python进行数据分析》第8章 读书笔记

Matplotlib绘图详解
最新推荐文章于 2024-09-26 12:28:15 发布
原创 最新推荐文章于 2024-09-26 12:28:15 发布 · 4.1k 阅读 · 10 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python #读书笔记 #数据分析 #可视化 #matplotlib

本文详细介绍了使用Matplotlib进行数据可视化的多种技巧，包括线型图、柱状图、直方图、散布图等的绘制方法，以及如何调整图表样式、添加注释和保存图表。

目录

绘图和可视化回归 第八章

代码下载链接

import matplotlib.pyplot as plt
import numpy as np
from numpy.random import randn
plt.plot(np.arange(10))
plt.show()

这里写图片描述

Figure和Subplot

fig=plt.figure()
ax1=fig.add_subplot(2,2,1)
ax2=fig.add_subplot(2,2,2)
ax3=fig.add_subplot(2,2,3)

plt.plot(np.random.randn(50).cumsum(),'k--')

[<matplotlib.lines.Line2D at 0x218cbf11ac8>]

_=ax1.hist(np.random.randn(100),bins=20,color='k',alpha=0.3)
ax2.scatter(np.arange(30),np.arange(30)+3*np.random.randn(30))
plt.show()

这里写图片描述

fig,axes=plt.subplots(2,3)
axes

array([[<matplotlib.axes._subplots.AxesSubplot object at 0x00000218CAB83198>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x00000218CBD430B8>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x00000218CAAB00F0>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x00000218CBD1E358>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x00000218CBCA96D8>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x00000218CC0934A8>]], dtype=object)

调整subplot周围的间距

# subplots_adjust(left=None,bottom=None,right=None,top=None,wpace=None,hspace=None)
fig,axes=plt.subplots(2,2,sharex=True,sharey=True)
for i in range(2):
    for j in range(2):
        axes[i,j].hist(np.random.randn(500),bins=50,color='k',alpha=0.5)
   
plt.subplots_adjust(wspace=0,hspace=0)
plt.show()

这里写图片描述

颜色、标记和线型

ax.plot(x,y,'g--')
ax.plot(x,y,linestyle='--',color='g')

plt.plot(np.random.randn(30).cumsum(),'ko--')
plt.show()

这里写图片描述

#还可以写成更明确的方式
plt.plot(np.random.randn(30).cumsum(),color='k',linestyle='dashed',marker='o')

[<matplotlib.lines.Line2D at 0x156662aff98>]

#在线形图中，非实际数据点默认是按线型方式插值的。可以通过drawstyle选项修改
data=np.random.randn(30).cumsum()
plt.plot(data,'ko--',label='Default')

[<matplotlib.lines.Line2D at 0x1566754bf60>]

plt.plot(data,'k-',drawstyle='steps-post',label='steps-post')
plt.legend(loc='best')
plt.show()

这里写图片描述

刻度、标签和图例

设置标题、轴标签、刻度以及刻度标签

fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum())

[<matplotlib.lines.Line2D at 0x15667734400>]

#要修改X轴的刻度，最简单的办法就是使用set_xticks和set_xticklabels
ticks=ax.set_xticks([0,250,500,750,1000])
labels=ax.set_xticklabels(['one','two','three','four','five'],rotation=30,fontsize='small')
ax.set_xlabel('Stages')
ax.set_title('My first matplotlib plot')
plt.show()

这里写图片描述

添加图例

fig=plt.figure()
ax=fig.add_subplot(1,1,1)
ax.plot(randn(1000).cumsum(),'k',label='one')
ax.plot(randn(1000).cumsum(),'k--',label='two')
ax.plot(randn(1000).cumsum(),'k.',label='three')
ax.legend(loc='best')
plt.show()

这里写图片描述

注解以及在Subplot上绘图

#text可以将文本绘制在图表的指定坐标（x,y)
ax.text(x,y,'Hello world',family='monospace',fontsize=10)

#在图表中添加一个图形，需要创建一个块对象shp,然后通过ax.add_patch(shp)将其添加到subplot中
fig=plt.figure()
ax=fig.add_subplot(1,1,1)
rect=plt.Rectangle((0.2,0.75),0.4,0.15,color='k',alpha=0.3)
circ=plt.Circle((0.7,0.2),0.15,color='b',alpha=0.3)
pgon=plt.Polygon([[0.15,0.15],[0.35,0.4],[0.2,0.6]],color='g',alpha=0.5)
ax.add_patch(rect)
ax.add_patch(circ)
ax.add_patch(pgon)
plt.show()

这里写图片描述

将图标保存到文件

plt.savefig('figpath.png',dpi=400,bbox_inches='tight')
#savefig并非一定要写入磁盘，也可以写入任何文件型的对象，比如StringIO
from io import StringIO
plt.savefig(buffer)
plot_data=buffer.getvaule()
#这对在Web上提供动态生成的图片是很实用的

matplotlib配置

#将全局的图形默认大小设置为10x10
plt.rc('figure',figsize=(10,10))
#将配置写成字典
font_opinions={'family':'monospace','weight':'bold','size':'samll'}
plt.rc('font',**font_options)

pandas中的绘图函数

提醒，关于这部分内容参考最新的pandas在线文档是最好的学习方式

线型图

#Series和DataFrame都有一个用于生成各类图表的plot方法，默认情况下，它们所生成的是线型图
from pandas import Series,DataFrame
s=Series(randn(10).cumsum(),index=np.arange(0,100,10))
s.plot()
plt.show()

这里写图片描述

#该Series的索引值会被传给matplotlib,并用以绘制X轴。可以通过use_index=False禁用。X轴的刻度和界限可以通过xticks和xlim选项进行调节
#Y轴就用yticks和ylim
#pandas的大部分糊涂方法都有一个可选的ax参数，它可以是一个matplotlib的subplot对象，能使你在网络布局中更为灵活地处理subplot的位置
#DataFrame的plot方法会在一个subplot中为各列绘制一条线，并自动创建图例
df=DataFrame(randn(10,4).cumsum(0),columns=['A','B','C','D'],index=np.arange(0,100,10))
df.plot()
plt.show()

这里写图片描述

柱状图

在生成线型图的代码中加上kind=‘bar’(垂直柱状图）或kind=’barh’(水平柱状图）即可生成柱状图，这时，Series和DataFrame的索引会被用作X（bar）或Y（barh）刻度

fig,axes=plt.subplots(2,1)
data=Series(np.random.rand(16),index=list('abcdefghijklmnop'))
data.plot(kind='bar',ax=axes[0],color='k',alpha=0.7)
data.plot(kind='barh',ax=axes[1],color='k',alpha=0.7)
plt.show()

这里写图片描述

#对于DataFrame,柱状图会将每一行的值分为一组
df=DataFrame(np.random.rand(6,4),index=['one','two','three','four','five','six'],columns=['A','B','C','D'])
df
ABCD
one0.6059690.3925030.1595060.689187
two0.7063560.5487500.4894650.886399
three0.5395840.5989800.4826150.478261
four0.2771140.6833940.4074970.671090
five0.2013490.7978980.4547400.355270
six0.1137810.2880680.5973940.130346
df.plot(kind='bar')
plt.show()

这里写图片描述

df.plot(kind='barh',stacked=True)
plt.show()

这里写图片描述

#柱状图还有一个非常不错的用户：利用value_counts图形化显示Series中各值出现频率，比如s.value_counts().plot(kind='bar')
#小栗子
import pandas as pd
tips=pd.read_csv('ch08/tips.csv')
party_counts=pd.crosstab(tips.day,tips['size'])#如果通过tips.size,取到的是一整列的和
party_counts
size123456
day
Fri1161100
Sat253181310
Sun039151831
Thur1484513
party_counts=party_counts.ix[:,2:5]
#然后进行规格化，使得各行的和为1（必须转成浮点数）
party_pcts=party_counts.div(party_counts.sum(1).astype(float),axis=0)
party_pcts
size2345
day
Fri0.8888890.0555560.0555560.000000
Sat0.6235290.2117650.1529410.011765
Sun0.5200000.2000000.2400000.040000
Thur0.8275860.0689660.0862070.017241
party_pcts.plot(kind='bar',stacked=True)
plt.show()

这里写图片描述

#通过该数据集可以看出，聚会规模则周末会变大

直方图和密度图

tips['tip_pct']=tips['tip']/tips['total_bill']
tips['tip_pct'].hist(bins=50)
plt.show()

这里写图片描述

#密度图 kind='kde'
tips['tip_pct'].plot(kind='kde')
plt.show()

这里写图片描述

#接下来看一个由两个不同的标准正态分布组成的双峰分布
comp1=np.random.normal(0,1,size=200)#N(0,1)
comp2=np.random.normal(10,2,size=200)# (10,4)
values=Series(np.concatenate([comp1,comp2]))
values.hist(bins=100,alpha=0.3,color='k',normed=True)
values.plot(kind='kde',style='k--')
plt.show()

这里写图片描述

散布图

scatterplot观察两个一维数组序列之间关系的有效手段

macro=pd.read_csv('ch08/macrodata.csv')
data=macro[['cpi','m1','tbilrate','unemp']]
#选择其中几列，计算对数差
trans_data=np.log(data).diff().dropna()
trans_data[-5:]
cpim1tbilrateunemp
198-0.0079040.045361-0.3968810.105361
199-0.0219790.066753-2.2772670.139762
2000.0023400.0102860.6061360.160343
2010.0084190.037461-0.2006710.127339
2020.0088940.012202-0.4054650.042560
plt.scatter(trans_data['m1'],trans_data['unemp'])
plt.title('Cahnges in log %s vs. log %s '%('m1','unemp'))
plt.show()

这里写图片描述

pd.scatter_matrix(trans_data,diagonal='kde',alpha=0.3)
plt.show()

这里写图片描述
[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kt1cFQRl-1611151888881)(output_47_0.png)]

绘制地图：图形化显示海地地震危机数据

import pandas as pd
data=pd.read_csv('ch08/Haiti.csv')
data.head()
SerialINCIDENT TITLEINCIDENT DATELOCATIONDESCRIPTIONCATEGORYLATITUDELONGITUDEAPPROVEDVERIFIED
04052* URGENT * Type O blood donations needed in #J...05/07/2010 17:26Jacmel, HaitiBirthing Clinic in Jacmel #Haiti urgently need...1. Urgences | Emergency, 3. Public Health,18.233333-72.533333YESNO
14051Food-Aid sent to Fondwa, Haiti28/06/2010 23:06fondwaPlease help food-aid.org deliver more food to ...1. Urgences | Emergency, 2. Urgences logistiqu...50.2260295.729886NONO
24050how haiti is right now and how it was during t...24/06/2010 16:21centriei feel so bad for you i know i am supposed to ...2. Urgences logistiques | Vital Lines, 8. Autr...22.278381114.174287NONO
34049Lost person20/06/2010 21:59GenocaWe are family members of Juan Antonio Zuniga O...1. Urgences | Emergency,44.4070628.933989NONO
44042Citi Soleil school18/05/2010 16:26Citi Soleil, HaitiWe are working with Haitian (NGO) -The Christi...1. Urgences | Emergency,18.571084-72.334671YESNO
data[['INCIDENT DATE','LATITUDE','LONGITUDE']][:10]
INCIDENT DATELATITUDELONGITUDE
005/07/2010 17:2618.233333-72.533333
128/06/2010 23:0650.2260295.729886
224/06/2010 16:2122.278381114.174287
320/06/2010 21:5944.4070628.933989
418/05/2010 16:2618.571084-72.334671
526/04/2010 13:1418.593707-72.310079
626/04/2010 14:1918.482800-73.638800
726/04/2010 14:2718.415000-73.195000
815/03/2010 10:5818.517443-72.236841
915/03/2010 11:0018.547790-72.410010
#CATEGORY字段含有一组以逗号分隔的代码，这些代码表示消息的类型
data['CATEGORY'][:6]

0          1. Urgences | Emergency, 3. Public Health, 
1    1. Urgences | Emergency, 2. Urgences logistiqu...
2    2. Urgences logistiques | Vital Lines, 8. Autr...
3                            1. Urgences | Emergency, 
4                            1. Urgences | Emergency, 
5                       5e. Communication lines down, 
Name: CATEGORY, dtype: object

data.describe()
SerialLATITUDELONGITUDE
count3593.0000003593.0000003593.000000
mean2080.27748418.611495-72.322680
std1171.1003600.7385723.650776
min4.00000018.041313-74.452757
25%1074.00000018.524070-72.417500
50%2163.00000018.539269-72.335000
75%3088.00000018.561820-72.293570
max4052.00000050.226029114.174287
#清除错误位置信息并移除缺失分类信息
data=data[(data.LATITUDE>18)&(data.LATITUDE<20)&(data.LONGITUDE>-75)
&(data.LONGITUDE<-70)&(data.CATEGORY.notnull())]

def to_cat_list(catstr):
    stripped=(x.strip() for x in catstr.split(','))
    return [x for x in stripped if x]
def get_all_categories(cat_series):
    cat_sets=(set(to_cat_list(x)) for x in cat_series)
    return sorted(set.union(*cat_sets))
def get_english(cat):
    code,names=cat.split('.')
    if '|' in names:
        names=names.split('|')[1]
    return code,names.strip()    
get_english('2.  Urgences logistique |Vital Lines')

('2', 'Vital Lines')

#做一个将编码跟名称映射起来的字典，我们用编码进行分析
all_cats=get_all_categories(data.CATEGORY)
#生成器表达式
english_mapping=dict(get_english(x) for x in all_cats)
english_mapping['2a']

'Food Shortage'

english_mapping['6c']

'Earthquake and aftershocks'

#抽取出唯一的分类编码，构造一个权零DataFrame
from pandas import DataFrame
def get_code(seq):
    return [x.split('.')[0] for x in seq if x]
all_codes=get_code(all_cats)
code_index=pd.Index(np.unique(all_codes))
dummy_frame=DataFrame(np.zeros((len(data),len(code_index))),index=data.index,columns=code_index)
dummy_frame.head()
11a1b1c1d22a2b2c2d...7c7d7g7h88a8c8d8e8f
00.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
40.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
50.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
60.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0
70.00.00.00.00.00.00.00.00.00.0...0.00.00.00.00.00.00.00.00.00.0

5 rows × 45 columns

#将各行中适当的项设置为1，然后再与data进行连接
for row,cat in zip(data.index,data.CATEGORY):
    codes=get_code(to_cat_list(cat))
    dummy_frame.ix[row][codes]=1     
data=data.join(dummy_frame.add_prefix('category_'))
data.head()
SerialINCIDENT TITLEINCIDENT DATELOCATIONDESCRIPTIONCATEGORYLATITUDELONGITUDEAPPROVEDVERIFIED...category_7ccategory_7dcategory_7gcategory_7hcategory_8category_8acategory_8ccategory_8dcategory_8ecategory_8f
04052* URGENT * Type O blood donations needed in #J...05/07/2010 17:26Jacmel, HaitiBirthing Clinic in Jacmel #Haiti urgently need...1. Urgences | Emergency, 3. Public Health,18.233333-72.533333YESNO...0.00.00.00.00.00.00.00.00.00.0
44042Citi Soleil school18/05/2010 16:26Citi Soleil, HaitiWe are working with Haitian (NGO) -The Christi...1. Urgences | Emergency,18.571084-72.334671YESNO...0.00.00.00.00.00.00.00.00.00.0
54041Radio Commerce in Sarthe26/04/2010 13:14Radio Commerce Shelter, Sarthei'm Louinel from Sarthe. I'd to know what can ...5e. Communication lines down,18.593707-72.310079YESNO...0.00.00.00.00.00.00.00.00.00.0
64040Contaminated water in Baraderes.26/04/2010 14:19Marc near BaraderesHow do we treat water in areas without Pipe?\t...4. Menaces | Security Threats, 4e. Assainissem...18.482800-73.638800YESNO...0.00.00.00.00.00.00.00.00.00.0
74039Violence at &quot;arcahaie bas Saint-Ard&quot;26/04/2010 14:27unable to find &quot;arcahaie bas Saint-Ard&qu...Goodnight at (arcahaie bas Saint-Ard) 2 young ...4. Menaces | Security Threats,18.415000-73.195000YESNO...0.00.00.00.00.00.00.00.00.00.0

5 rows × 55 columns

from mpl_toolkits.basemap import Basemap
def basic_haiti_map(ax=None,lllat=17.25,urlat=20.25,lllon=-75.0,urlon=-71.0):
    #创建极球面投影Basemap实例
    m=Basemap(ax=ax,projection='stere',lon_0=(urlon+lllon)/2,
              lat_0=(urlat+lllat)/2,llcrnrlat=lllat,
              urcrnrlat=urlat,llcrnrlon=lllon,urcrnrlon=urlon,resolution='f')
    #绘制海岸线，州界、国界以及地图边界
    m.drawcoastlines()
    m.drawstates()
    m.drawcounties()
    return m
#对于每一个分类，在数据集中找到对应的坐标，并在适当的subplot中绘制一个Basemap,转换坐标，然后通过Basemap的plot方法绘制点
fig,axes=plt.subplots(nrows=2,ncols=2,figsize=(12,10))
fig.subplots_adjust(hspace=0.05,wspace=0.05)
to_plot=['2a','1','3c','7a']
lllat=17.25
urlat=20.25
lllon=-75
urlon=-71
for code,ax in zip(to_plot,axes.flat):
    m=basic_haiti_map(ax,lllat=lllat,urlat=urlat,lllon=lllon,urlon=urlon)
    cat_data=data[data['category_%s' % code]==1]
    #计算地图的投影坐标
    x,y=m(list(cat_data.LONGITUDE),list(cat_data.LATITUDE))
    m.plot(x,y,'k.',alpha=0.5)
    ax.set_title('%s:%s' % (code,english_mapping[code]))
plt.show()

最后的地图由于软件原因没有显示出来，读者可以参考原书的相关章节

python数据分析与可视化
2301_82041400的博客
06-19 3473
数据清洗：填充缺失数据、消除噪声数据等，主要通过分析“脏数据”的产生原因和存在形式，利用现有的数据挖掘手段和方法去清洗“脏数据”，将“脏数据”转化为满足数据质量要求和应用要求的数据，从而提高数据集的质量，满足现阶段数据分析的需求。丰富的标准库和丰富的第三方库：Python 的标准库提供了大量的模块和函数，支持各种常见的任务，如文件 I/O、网络编程、数据库交互等。数据分析是指用适当的统计分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。
《利用python进行数据分析》学习笔记03 Python的数据结构、函数和文件
最新发布
weixin_49423538的博客
10-21 309
用方括号# 用list函数元组列表字典集合创建方式tup = ()或tuple()或list()a_set={}或set()是否可修改不可修改；若其中元素是可修改的，可以增、减、换，但不能整个替换可修改可修改可修改是否有序是是否否元素访问方法tup[0]索引、切片a_list[0]索引、切片元素添加元素删除poppop串联/合并extendupdate并集union或｜元素替换有效的元素任意Python对象任意Python对象。
Python数据可视化分析
Dongguazhuzhuzhu的博客
06-26 1348
python有些非常强大的数据分析能力，并且还可以利用Python进行爬虫，写游戏，以及自动化运维，在这些领域中有着很广泛的应用，这些优点就使得一种技术去解决所有的业务服务问题，这就充分的体现的Python有利于各个业务之间的融合。我们在处理数据的时候，一般都希望数据能够转化成可运算的数字形式，这样，不管是没学过编程的人还是学过编程的人都能够看懂这个数据。人工智能需要的是即时性，而Python是一种非常简洁的语言，同时有着丰富的数据库以及活跃的社区，这样就能够轻松的提取数据，从而为人工智能做出优质的服务。
利用python 进行数据分析 第8章 （1）
qq_40102852的博客
04-19 427
绘图和可视化绘图引用  import matplotlib.pyplot as plt matplotlib 的图像都位于Figure  对象中。可以用plt.figure 创建一个新的Figure:flg=plt.figure(),   plt.figure 有一些选项，特别是figsize，它用于确保当图片保存到磁盘时具有一定的大小和纵横比。不能通过空Figure 绘图。必须用add_subp...
利用Python进行数据分析的读书笔记项目_数据清洗数据可视化Pandas库NumPy库Matplotlib绘图JupyterNotebook统计方法机器学习基础.zip
09-13
利用Python进行数据分析的读书笔记项目_数据清洗数据可视化Pandas库NumPy库Matplotlib绘图JupyterNotebook统计方法机器学习基础.zip
Python 数据分析：基于Plotly 的动态可视化绘图,557页
09-07
本教程将深入探讨如何利用Plotly进行动态可视化绘图，帮助你提升数据分析的洞察力。 Plotly库分为两个主要部分：Plotly.py和Plotly Dash。Plotly.py是Python的数据可视化库，它允许你在Jupyter笔记本、Python脚本或...
《利用Python进行数据分析》学习笔记 第9章 绘图和可视化
jasonzhang0105的博客
04-23 345
第9章 绘图和可视化 9.1 matplotlib API入门 Figure和Subplot matplotlib的图像都位于Figure对象中，用plt.figure创建一个新的Figure 通过空Figure绘图，必须用add_subplot创建一个或多个subplot才行： 执行一条绘图命令，matplotlib会在最后一个用过的subplot（如果没有则创建一个）上进行...
《利用Python进行数据分析》阅读笔记
weixin_52209561的博客
05-20 979
利用Python进行数据分析》这本书是由Wes McKinney编写的，他是Python pandas项目的创始人。这本书详细介绍了如何使用pandas进行数据分析，以及如何利用Python的其他库，如NumPy和IPython，来处理、清洗和规整数据。Series和statsmodels是Python的一个库，用于拟合多种统计模型，进行统计测试和数据探索。scikit-learn是Python的一个库，支持简单和复杂的机器学习算法。
《利用python进行数据分析》读书笔记
老兵Coding
06-15 3380
《利用python进行数据分析》是一本利用python的Numpy、Pandas、Matplotlib库进行数据分析的基础介绍，非常适合初学者。 重要的python库 NumPy http://numpy.org Pandas http://pandas.pydata.org matplotlib http://matplotlib.org IPython 和 Jupyter http://ipython.org http://jupyter.org Scipy http://scipy.org sci
【Python】【数据分析】Python 数据分析与可视化：全面指南
热门推荐
人生苦短，睡觉要紧，睡醒再说
09-26 2万+
本文演示了如何使用 Python 进行数据分析与可视化。关键步骤包括数据处理、分析和可视化。使用pandas进行数据清洗与分析，使用matplotlib和seaborn进行可视化，展示了不同的图表和分析结果。在实际应用中，数据分析与可视化是一个迭代的过程，您可以根据需求不断调整和优化。希望这篇博客能为您提供一个清晰的入门指南，助力您在数据分析与可视化的旅程中不断前行！如果有任何问题或建议，欢迎在评论区讨论！
Python可视化分析
noobiee的博客
09-28 2440
关键词 Matplotlib、Pyecharts、Seaborn、Plotly、Bokeh 简介 - pyecharts - A Python Echarts Plotting Library built with love.Plotly'sployly常用的两个绘图模块：graph_objs（go）和express（px）
【python数据分析】万字长文-数据分析之python可视化实战教程(强烈推荐!!!)
qq_39172059的博客
02-29 1819
当我们进行复杂图表绘制时，需要灵活性强。我通常喜欢实用matplotlib库来绘制复杂图表，其底层api支持几乎各种款式自定义，缺点就是需要对代码和函数接口深入了解。matplotlib库中创建图的方式主要有下面几种
Python数据可视化入门教程（非常详细）_python 数据展示
m0_59235508的博客
04-09 3353
什么是数据可视化？ 数据可视化是为了使得数据更高效地反应数据情况，便于让读者更高效阅读，通过数据可视化突出数据背后的规律，以此突出数据中的重要因素，如果使用Python做数据可视化，建议学好如下这四个Python数据分析包，分别是：学好以上四个数据分析包，做可视化足够用了，全文较长，建议耐心看完，学习后即可使用Python做数据可视化，具体的代码实操部分可以实际用代码进行演示，这样才能更好的掌握，下面一起来学习~Pandas 是 Python的核心数据分析支持库，提供了快速、灵活、明确的数据结构，旨在简单、
Python数据分析可视化工具
桃之夭夭，灼灼其华
12-07 1180
开发环境：Ubuntu16.04+Python2.7+jupyter pyecharts 可交互的饼图工具 from sklearn import datasets from pyecharts import Pie data = pd.DataFrame(datasets.load_iris().target) attr = ["0", "1","2"] pie = Pie('...
python数据分析图形可视化,python做可视化数据图表
2301_81895949的博客
02-23 990
数据可视化是数据分析和数据科学中非常重要的一部分。通过可视化，我们可以更好地理解数据、发现数据之间的关系、展示数据的趋势和模式，并向他人传达我们的发现python用海龟库画笑脸。Python是一种功能强大的编程语言，拥有许多用于数据可视化的库和工具。其中，Matplotlib是最常用的绘图库之一，它提供了各种绘图函数和方法，可以绘制折线图、散点图、柱状图、饼图等等。Seaborn是基于Matplotlib的高级绘图库，它提供了更美观和简化的绘图接口，能够轻松绘制统计图表。
Python数据分析 可视化数据图表 入门这篇就够了
制定持续可量化的目标，不断坚持。
02-05 2919
使用plt.rcParams['xtick.direction'] = 'in' x轴的刻度线向内显示。使用plt.rcParams['ytick.direction'] = 'in' y轴的刻度线向内显示。将在坐标(3, 20)处添加一个指向坐标(4, 21)的注释标签"Label"。设置x轴的坐标轴范围使用xlim()函数设置。设置y轴的坐标轴范围使用ylim()函数设置。设置x轴的刻度使用xticks()函数设置。设置y轴的刻度使用yticks()函数设置。使用legend()函数。
Python数据分析与可视化学习指南
学习Python进行数据分析和可视化是当前数据科学领域中最核心、最实用的技能之一。随着大数据时代的到来，各行各业对数据处理与洞察的需求急剧增长，而Python凭借其简洁的语法、强大的库支持以及活跃的社区生态，已经...
评论 7
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值