Matplotlib,Seaborn,Pyecharts数据可视化基础

 Matplotlib数据可视化基础

matplotlib 是 Python 中的一个非常流行的绘图库，它提供了丰富的绘图接口和工具，使得用户能够轻松地绘制各种高质量的静态、动态和交互式的 2D 图形，以及部分 3D 图形。

matplotlib 的基本使用通常涉及以下几个步骤：

导入必要的模块：

通常，你需要导入 matplotlib.pyplot 模块，它提供了类似于 MATLAB 的绘图框架。

import matplotlib.pyplot as plt

准备数据：

你需要准备好要绘制的数据。这些数据可以是 NumPy 数组、列表等。

创建图形和坐标轴：

使用 plt.figure() 创建图形窗口，plt.axes() 或 plt.subplot() 来添加坐标轴。但通常，你可以直接使用 plt 的各种绘图函数（如 plt.plot()），它们会自动创建必要的图形和坐标轴。

绘制图形：

使用 plt 的各种绘图函数来绘制你的数据。例如，plt.plot() 用于绘制线图，plt.scatter() 用于绘制散点图，plt.bar() 用于绘制柱状图等。

设置标签和标题：

使用 

plt.xlabel(), plt.ylabel(), plt.title() 

等函数来设置坐标轴标签和图形标题。

显示图形：

使用 plt.show() 来显示图形。在交互式环境中（如 Jupyter Notebook），这一步可能是可选的。

例子 matplotlib 绘制一个线图：

	import matplotlib.pyplot as plt
	import numpy as np

# 准备数据  
x = np.linspace(0, 10, 100)  
y = np.sin(x) 

# 绘制图形  
plt.plot(x, y) 

# 设置标签和标题  
plt.xlabel('x')  
plt.ylabel('sin(x)')  
plt.title('Example Plot') 

# 显示图形  
plt.show()

实列： 

第一步：引入数据库，读取数据，data.head()查看数据是否读取成功。

第二步：绘制柱形图

第三步：效果图

 第四步：绘制散点图

第五步：散点图效果

 第六步：绘制折线图

第七步：折线图代码

第八步：代码效果图

除了基本的绘图功能外，matplotlib 还支持自定义颜色、线型、标记、图例、网格等，并且可以与 Pandas、Seaborn 等其他库集成，以提供更加强大和灵活的绘图功能。

Seaborn数据可视化基础

Seaborn数据可视化基础主要包括以下几个方面

1. 简介：

   • Seaborn是一个基于Matplotlib的Python数据可视化库，提供了更高级别的数据可视化接口。

   • 它与Matplotlib和Pandas等库高度兼容，非常适合作为数据挖掘过程中的可视化工具。

   • Seaborn通过更简洁的API和内置的样式、调色板等工具，能够创建出更美观、更具吸引力的图形。

2. 特点：

   • 简化API：相比于Matplotlib的复杂性和庞大的参数数量，Seaborn的API更加简洁易用，特别适合初学者。

   • 统计图表支持：Seaborn专注于统计数据可视化，提供了多种内置图表类型，如散点图、线形图、箱线图、小提琴图、热力图等，非常适合展示和分析统计信息。

   • 定制化：用户可以通过设置样式、颜色主题等来自定义图表的外观，以适应不同的需求和个人偏好。

3. 常用数据可视化函数：

   • 散点图：sns.scatterplot(x='feature1', y='feature2', data=data)

   • 线形图：sns.lineplot(x='x_axis', y='y_axis', data=data)

     </