Python中的数据可视化：从入门到进阶

最新推荐文章于 2024-10-06 20:53:36 发布

Envyᥫᩣ

最新推荐文章于 2024-10-06 20:53:36 发布

阅读量396

点赞数 2

文章标签：信息可视化 python 开发语言

本文链接：https://blog.csdn.net/2302_82029124/article/details/142728695

版权

在这里插入图片描述

数据可视化是数据分析和科学计算中的重要环节，它通过图形化的方式呈现数据，使复杂的统计信息变得直观易懂。Python提供了多种强大的库来支持数据可视化，如Matplotlib、Seaborn、Plotly等。本文将从基础到进阶，详细介绍如何使用这些库进行数据可视化，涵盖基本图表、高级图表和交互式图表等多个方面。

1. 安装必要的库

在开始数据可视化之前，需要安装一些常用的库。这些库包括matplotlib、seaborn、plotly和bokeh。

pip install matplotlib seaborn plotly bokeh

2. 基本图表

折线图

import matplotlib.pyplot as plt

# 数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 创建折线图
plt.plot(x, y, marker='o')

# 设置标题和标签
plt.title("Simple Line Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")

# 显示图表
plt.show()

柱状图

import matplotlib.pyplot as plt

# 数据
categories = ['A', 'B', 'C', 'D']
values = [10, 15, 7, 10]

# 创建柱状图
plt.bar(categories, values, color='skyblue')

# 设置标题和标签
plt.title("Bar Chart")
plt.xlabel("Categories")
plt.ylabel("Values")

# 显示图表
plt.show()

散点图

import matplotlib.pyplot as plt

# 数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 创建散点图
plt.scatter(x, y, color='red')

# 设置标题和标签
plt.title("Scatter Plot")
plt.xlabel("X-axis")
plt.ylabel("Y-axis")

# 显示图表
plt.show()

3. 高级图表

箱形图

import seaborn as sns
import matplotlib.pyplot as plt

# 数据
data = [1, 2, 2, 3, 4, 4, 4, 5, 6, 6, 7, 8, 9, 10]

# 创建箱形图
sns.boxplot(data=data)

# 设置标题和标签
plt.title("Box Plot")
plt.xlabel("Data")

# 显示图表
plt.show()

热力图

import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np

# 数据
data = np.random.rand(10, 10)

# 创建热力图
sns.heatmap(data, annot=True, cmap='coolwarm')

# 设置标题
plt.title("Heatmap")

# 显示图表
plt.show()

直方图

import matplotlib.pyplot as plt

# 数据
data = [1, 2, 2, 3, 4, 4, 4, 5, 6, 6, 7, 8, 9, 10]

# 创建直方图
plt.hist(data, bins=5, alpha=0.75, color='green')

# 设置标题和标签
plt.title("Histogram")
plt.xlabel("Value")
plt.ylabel("Frequency")

# 显示图表
plt.show()

4. 交互式图表

Plotly

Plotly是一个支持交互式图表的库，适用于Web应用和数据报告。

安装Plotly

pip install plotly

绘制交互式折线图

import plotly.express as px

# 数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 创建折线图
fig = px.line(x=x, y=y, title="Interactive Line Plot")

# 显示图表
fig.show()

绘制散点图

import plotly.express as px

# 数据
df = px.data.iris()

# 创建散点图
fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species", title="Scatter Plot")

# 显示图表
fig.show()

Bokeh

Bokeh是一个用于创建动态、交互式图表的库，特别适合用于Web应用。

安装Bokeh

pip install bokeh

绘制动态折线图

from bokeh.plotting import figure, show
from bokeh.io import output_notebook

# 数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 创建图表
p = figure(title="Dynamic Line Plot", x_axis_label="X-axis", y_axis_label="Y-axis")
p.line(x, y, legend_label="Line", line_width=2)

# 显示图表
output_notebook()
show(p)

绘制柱状图

from bokeh.plotting import figure, show
from bokeh.io import output_notebook

# 数据
categories = ['A', 'B', 'C', 'D']
values = [10, 15, 7, 10]

# 创建图表
p = figure(x_range=categories, title="Bar Chart", x_axis_label="Categories", y_axis_label="Values")
p.vbar(x=categories, top=values, width=0.9, color="skyblue")

# 显示图表
output_notebook()
show(p)

5. 地理可视化

地理可视化用于展示地理位置相关的数据，可以使用geopandas和folium等库来实现。

安装必要的库

pip install geopandas folium

绘制地图

import geopandas as gpd
import folium

# 读取地理数据
world = gpd.read_file(gpd.datasets.get_path('naturalearth_lowres'))

# 创建地图
m = folium.Map(location=[40.7128, -74.0060], zoom_start=10)

# 添加国家边界
folium.GeoJson(world).add_to(m)

# 显示地图
m

6. 动态图表

动态图表用于展示随时间变化的数据，可以使用matplotlib的动画功能来实现。

安装必要的库

pip install matplotlib

创建动态折线图

import matplotlib.pyplot as plt
import matplotlib.animation as animation
import numpy as np

# 数据
x = np.linspace(0, 10, 1000)
y = np.sin(x)

# 创建图表
fig, ax = plt.subplots()
line, = ax.plot(x, y)

# 更新函数
def update(frame):
    line.set_ydata(np.sin(x + frame / 10.0))
    return line,

# 创建动画
ani = animation.FuncAnimation(fig, update, frames=200, interval=50, blit=True)

# 显示图表
plt.show()