Python基础 _做图汇总

作图知识点汇总

1. 导入所需库

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

# 读取Excel文件中的数据
df = pd.read_excel('data.xlsx')

2. 折线图（Line Chart）

plt.figure(figsize=(10, 6))
plt.plot(df['日期'], df['值'], marker='o')
plt.title('折线图')
plt.xlabel('日期')
plt.ylabel('值')
plt.grid(True)
plt.show()

3. 散点图（Scatter Plot）

plt.figure(figsize=(10, 6))
plt.scatter(df['变量1'], df['变量2'])
plt.title('散点图')
plt.xlabel('变量1')
plt.ylabel('变量2')
plt.grid(True)
plt.show()

4. 柱状图（Bar Chart）

plt.figure(figsize=(10, 6))
plt.bar(df['类别'], df['值'])
plt.title('柱状图')
plt.xlabel('类别')
plt.ylabel('值')
plt.show()

5. 直方图（Histogram）

plt.figure(figsize=(10, 6))
plt.hist(df['值'], bins=20)
plt.title('直方图')
plt.xlabel('值')
plt.ylabel('频率')
plt.show()

6. 饼图（Pie Chart）

plt.figure(figsize=(8, 8))
plt.pie(df['值'], labels=df['类别'], autopct='%1.1f%%', startangle=140)
plt.title('饼图')
plt.show()

7. 箱线图（Box Plot）

plt.figure(figsize=(10, 6))
sns.boxplot(x=df['类别'], y=df['值'])
plt.title('箱线图')
plt.show()

8. 热力图（Heatmap）

plt.figure(figsize=(10, 8))
sns.heatmap(df.corr(), annot=True, cmap='coolwarm', linewidths=0.5)
plt.title('热力图')
plt.show()

9. 回归图（Regression Plot）

plt.figure(figsize=(10, 6))
sns.regplot(x=df['变量1'], y=df['变量2'])
plt.title('回归图')
plt.xlabel('变量1')
plt.ylabel('变量2')
plt.show()

10. 决策树图（Decision Tree）

要生成决策树图，你需要使用 sklearn 库中的 DecisionTreeClassifier 或 DecisionTreeRegressor，然后使用 plot_tree 函数进行可视化。

from sklearn.tree import DecisionTreeClassifier, plot_tree

# 假设'变量1'和'变量2'是特征，'类别'是目标
X = df[['变量1', '变量2']]
y = df['类别']

# 创建决策树模型
clf = DecisionTreeClassifier()
clf = clf.fit(X, y)

# 绘制决策树
plt.figure(figsize=(20, 10))
plot_tree(clf, filled=True, feature_names=['变量1', '变量2'], class_names=df['类别'].unique())
plt.title('决策树')
plt.show()

11. 网络图（Network Graph）

要生成网络图，你需要使用 networkx 库。

import networkx as nx

# 假设数据已经被处理成图的边列表
G = nx.from_pandas_edgelist(df, '节点1', '节点2', ['权重'])

plt.figure(figsize=(10, 8))
nx.draw(G, with_labels=True, node_color='skyblue', node_size=1500, edge_color='black', linewidths=1, font_size=15)
plt.title('网络图')
plt.show()