【精选】干货!Python四大常用绘图库,深度解析!

您所在的位置:网站首页 python图库气球 【精选】干货!Python四大常用绘图库,深度解析!

【精选】干货!Python四大常用绘图库,深度解析!

2023-11-15 15:25| 来源: 网络整理| 查看: 265

90707fb749516e9f585fd38ee66ee407.png

人生苦短,菜鸟学Python!

最近有不少读者同学来问我,Python绘图库太多,我知不知道学哪一个?即使我选择了某一个绘图库后,我也不知道怎么学,我不知道第一步做什么,也不知道接下来该怎么做,四个字一学就忘。

其实这也是我当时很困扰的一个问题,我当时在学习完numpy和pandas后,就开始了matplotlib的学习。我反正是非常崩溃的,每次就感觉绘图代码怎么这么多,绘图逻辑完全一团糟,不知道如何动手。

后面随着自己反复的学习,我找到了学习Python绘图库的方法,那就是学习它的绘图原理。正所谓:“知己知彼,百战不殆”,学会了原理,剩下的就是熟练的问题了。

今天我们就用一篇文章,带大家梳理matplotlib、seaborn、plotly、pyecharts的绘图原理,让大家学起来不再那么费劲!

1b4200b2b76be4964cba39ea3dc181a5.png 1. matplotlib绘图原理

关于matplotlib更详细的绘图说明,大家可以参考下面这篇文章,相信你看了以后一定学得会。

matplotlib绘图原理:http://suo.im/678FCo

1)绘图原理说明

通过我自己的学习和理解,我将matplotlib绘图原理高度总结为如下几步:

① 导库;

② 创建figure画布对象;

③ 获取对应位置的axes坐标系对象;

④ 调用axes对象,进行对应位置的图形绘制;

⑤ 显示图形;

2)案例说明 # 1.导入相关库 import matplotlib as mpl import matplotlib.pyplot as plt # 2.创建figure画布对象 figure = plt.figure() # 3.获取对应位置的axes坐标系对象 axes1 = figure.add_subplot(2,1,1) axes2 = figure.add_subplot(2,1,2) # 4.调用axes对象,进行对应位置的图形绘制 axes1.plot([1,3,5,7],[4,9,6,8]) axes2.plot([1,2,4,5],[8,4,6,2]) # 5.显示图形 figure.show()

结果如下:

794a6e00363c96fce1cfbc11ecf2cf0b.png 2. seaborn绘图原理

在这四个绘图库里面,只有matplotlib和seaborn存在一定的联系,其余绘图库之间都没有任何联系,就连绘图原理也都是不一样的。

seaborn是matplotlib的更高级的封装。因此学习seaborn之前,首先要知道matplotlib的绘图原理。由于seaborn是matplotlib的更高级的封装,对于matplotlib的那些调优参数设置,也都可以在使用seaborn绘制图形之后使用。

我们知道,使用matplotlib绘图,需要调节大量的绘图参数,需要记忆的东西很多。而seaborn基于matplotlib做了更高级的封装,使得绘图更加容易,它不需要了解大量的底层参数,就可以绘制出很多比较精致的图形。不仅如此,seaborn还兼容numpy、pandas数据结构,在组织数据上起了很大作用,从而更大程度上的帮助我们完成数据可视化。

由于seaborn的绘图原理,和matplotlib的绘图原理一致,这里也就不详细介绍了,大家可以参考上面matplotlib的绘图原理,来学习seaborn究竟如何绘图,这里还是提供一个网址给大家。

seaborn绘图原理:http://suo.im/5D3VPX

1)案例说明 # 1.导入相关库 import seaborn as sns import matplotlib.pyplot as plt df = pd.read_excel("data.xlsx",sheet_name="数据源") sns.set_style("dark") plt.rcParams["font.sans-serif"] = ["SimHei"] plt.rcParams["axes.unicode_minus"] = False # 注意:estimator表示对分组后的销售数量求和。默认是求均值。 sns.barplot(x="品牌",y="销售数量",data=df,color="steelblue",orient="v",estimator=sum) plt.show()

结果如下:

69953bc28dccc52123caf874030b9017.png

注意:可以看到在上述的绘图代码中,你应该有这样一个感受,图中既有matplotlib的绘图代码,也有seaborn的绘图代码。其实就是这样的,我们就是按照matplobt的绘图原理进行图形绘制,只是有些地方改成seaborn特有的代码即可,剩下的调整格式,都可以使用matplotlib中的方法进行调整。

3. plotly绘图原理

首先在介绍这个图的绘图原理之前,我们先简单介绍一下plotly这个绘图库。

plotly是一个基于javascript的绘图库,plotly绘图种类丰富,效果美观;

易于保存与分享plotly的绘图结果,并且可以与Web无缝集成;

ploty默认的绘图结果,是一个HTML网页文件,通过浏览器可以直接查看;

它的绘图原理和matplotlib、seaborn没有任何关系,你需要单独去学习它。同样我还是提供了一个网址给你,让你更详细的学习plotly。

plotly绘图原理:http://suo.im/5vxNTu

1)绘图原理说明

通过我自己的学习和理解,我将plotly绘图原理高度总结为如下几步:

① 绘制图形轨迹,在ployly里面叫做trace,每一个轨迹是一个trace。

② 将轨迹包裹成一个列表,形成一个“轨迹列表”。一个轨迹放在一个列表中,多个轨迹也是放在一个列表中。

③ 创建画布的同时,并将上述的轨迹列表,传入到Figure()中。

④ 使用Layout()添加其他的绘图参数,完善图形。

⑤ 展示图形。

2)案例说明 import numpy as np import pandas as pd import plotly as py import plotly.graph_objs as go import plotly.expression as px from plotly import tools df = pd.read_excel("plot.xlsx") # 1.绘制图形轨迹,在ployly里面叫做`trace`,每一个轨迹是一个trace。 trace0 = go.Scatter(x=df["年份"],y=df["城镇居民"],name="城镇居民") trace1 = go.Scatter(x=df["年份"],y=df["农村居民"],name="农村居民") # 2.将轨迹包裹成一个列表,形成一个“轨迹列表”。一个轨迹放在一个列表中,多个轨迹也是放在一个列表中。 data = [trace0,trace1] # 3.创建画布的同时,并将上述的`轨迹列表`,传入到`Figure()`中。 fig = go.Figure(data) # 4.使用`Layout()`添加其他的绘图参数,完善图形。 fig.update_layout(     title="城乡居民家庭人均收入",     xaxis_title="年份",     yaxis_title="人均收入(元)" ) # 5.展示图形。 fig.show()

结果如下:

bfcac0a8f9a44bbb2eea7114f5bc8de1.png 4. pyecharts绘图原理

Echarts是一个由百度开源的数据可视化工具,凭借着良好的交互性,精巧的图表设计,得到了众多开发者的认可。而python是一门富有表达力的语言,很适合用于数据处理。当数据分析遇上了数据可视化时,pyecharts诞生了。

pyecharts分为v0.5和v1两个大版本,v0.5和v1两个版本不兼容,v1是一个全新的版本,因此我们的学习尽量都是基于v1版本进行操作。

和plotly一样,pyecharts的绘图原理也是完全不同于matplotlib和seaborn,我们需要额外的去学习它们的绘图原理,基于此,同样提供一个网址给你,让你更详细的学习pyecharts。

pyecharts的绘图原理:http://suo.im/5S1PF1

1)绘图原理说明

通过我自己的学习和理解,我将plotly绘图原理高度总结为如下几步:

① 选择图表类型;

② 声明图形类并添加数据;

③ 选择全局变量;

④ 显示及保存图表;

2)案例说明 # 1.选择图表类型:我们使用的是线图,就直接从charts模块中导入Line这个模块; from pyecharts.charts import Line import pyecharts.options as opts import numpy as np x = np.linspace(0,2 * np.pi,100) y = np.sin(x) (  # 2.我们绘制的是Line线图,就需要实例化这个图形类,直接Line()即可;  Line()  # 3.添加数据,分别给x,y轴添加数据;  .add_xaxis(xaxis_data=x)  .add_yaxis(series_name="绘制线图",y_axis=y,label_opts=opts.LabelOpts(is_show=False))  .set_global_opts(title_opts=opts.TitleOpts(title="我是标题",subtitle="我是副标题",title_link="https://www.baidu.com/"),                   tooltip_opts=opts.TooltipOpts()) ).render_notebook() # 4.render_notebook()用于显示及保存图表;

结果如下:

8e89e6aefb2fe0145541fc9452eb35d1.png 小结

通过上面的学习,我相信肯定会让大家对于这些库的绘图原理,一定会有一个新的认识。

其实其实不管是任何编程软件的绘图库,都有它的绘图原理。我们与其盲目的去绘制各种各样的图形,不如先搞清楚它们的套路后,再去进行绘图库的图形练习,这样下去,我觉得大家会有一个很大的提高。

推荐阅读: 入门: 最全的零基础学Python的问题  | 零基础学了8个月的Python  | 实战项目 |学Python就是这条捷径 干货:爬取豆瓣短评,电影《后来的我们》 | 38年NBA最佳球员分析 |   从万众期待到口碑扑街!唐探3令人失望  | 笑看新倚天屠龙记 | 灯谜答题王 |用Python做个海量小姐姐素描图 |碟中谍这么火,我用机器学习做个迷你推荐系统电影 趣味:弹球游戏  | 九宫格  | 漂亮的花 | 两百行Python《天天酷跑》游戏! AI: 会做诗的机器人 | 给图片上色 | 预测收入 | 碟中谍这么火,我用机器学习做个迷你推荐系统电影 小工具: Pdf转Word,轻松搞定表格和水印! | 一键把html网页保存为pdf!|  再见PDF提取收费! | 用90行代码打造最强PDF转换器,word、PPT、excel、markdown、html一键转换 | 制作一款钉钉低价机票提示器! |60行代码做了一个语音壁纸切换器天天看小姐姐!|

年度爆款文案

1).卧槽!Pdf转Word用Python轻松搞定!

2).学Python真香!我用100行代码做了个网站,帮人PS旅行图片,赚个鸡腿吃

3).首播过亿,火爆全网,我分析了《乘风破浪的姐姐》,发现了这些秘密 

4).80行代码!用Python做一个哆来A梦分身 

5).你必须掌握的20个python代码,短小精悍,用处无穷 

6).30个Python奇淫技巧集 

7).我总结的80页《菜鸟学Python精选干货.pdf》,都是干货 

8).再见Python!我要学Go了!2500字深度分析!

9).发现一个舔狗福利!这个Python爬虫神器太爽了,自动下载妹子图片

点阅读原文,看B站我的视频!



【本文地址】


今日新闻


推荐新闻


CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3