day 对 tip 的散点图
plt.scatter(data[‘day’], data[‘tip’])
为 Plot 添加标题
plt.title(“Scatter Plot”)
设置 X 和 Y 标签
plt.xlabel(‘Day’)
plt.ylabel(‘Tip’)
plt.show()
**输出:**
![image.png](https://img-blog.csdnimg.cn/img_convert/0eb19a137ea7afe5839803d72f5f43c5.png)
如果我们可以添加颜色并更改点的大小,则此图会更有意义。我们可以通过分别使用 scatter 函数的**c 和 s**参数来做到这一点。我们还可以使用colorbar()方法显示颜色条。
import pandas as pd
import matplotlib.pyplot as plt
读取数据库
data = pd.read_csv(“tips.csv”)
day对tip的散点图
plt.scatter(data[‘day’], data[‘tip’], c=data[‘size’],
s=data['total_bill'])
为Plot添加标题
plt.title(“Scatter Plot”)
设置 X 和 Y 标签
plt.xlabel(‘Day’)
plt.ylabel(‘Tip’)
plt.colorbar()
plt.show()
![image.png](https://img-blog.csdnimg.cn/img_convert/6ee2264eac1db95c7d279fb8236384ae.png)
### []( )折线图
折线图用于表示不同轴上两个数据 X 和 Y 之间的关系。它是使用**plot()** 函数绘制的。让我们看看下面的例子。
**例子:**
import pandas as pd
import matplotlib.pyplot as plt
读取数据库
data = pd.read_csv(“tips.csv”)
day对tip的折线图
plt.plot(data[‘tip’])
plt.plot(data[‘size’])
为Plot添加标题
plt.title(“Scatter Plot”)
设置 X 和 Y 标签
plt.xlabel(‘Day’)
plt.ylabel(‘Tip’)
plt.show()
**输出:**
![image.png](https://img-blog.csdnimg.cn/img_convert/9811df26e3eb09f398da298a3ecd75f9.png)
### []( )条形图
柱状图或叫条形图是表示与长度和高度的矩形条数据的类别是正比于它们所代表的值的图。它可以使用bar()方法创建。
**例子:**
import pandas as pd
import matplotlib.pyplot as plt
读取数据库
data = pd.read_csv(“tips.csv”)
day对tip的条形图
plt.bar(data[‘day’], data[‘tip’])
plt.title(“Bar Chart”)
设置 X 和 Y 标签
plt.xlabel(‘Day’)
plt.ylabel(‘Tip’)
添加图例
plt.show()
**输出:**
![image.png](https://img-blog.csdnimg.cn/img_convert/e2166de289489f166e46ea3e820f33d3.png)
### []( )直方图
直方图基本上是用来在一些基团的形式来表示数据。它是一种条形图,其中 X 轴表示 bin 范围,而 Y 轴提供有关频率的信息。的HIST()函数用于计算和创建直方图。在直方图中,如果我们传递分类数据,那么它将自动计算该数据的频率,即每个值出现的频率。
**例子:**
import pandas as pd
import matplotlib.pyplot as plt
读取数据库
data = pd.read_csv(“tips.csv”)
total_bill直方图
plt.hist(data[‘total_bill’])
plt.title(“Histogram”)
添加图例
plt.show()
**输出:**
![image.png](https://img-blog.csdnimg.cn/img_convert/cdd07b6a0cc44cd551d9a51c88a60d9c.png)
以上是关于 Matplotlib 使用 Python 进行数据可视化的全部示例,下一节我们来谈谈 [Seaborn]( )
[]( )🥇 评论区抽粉丝送书啦
-----------------------------------------------------------------------
**💌 欢迎大家在评论区提出意见和建议! (抽两位幸运儿送书,实物图如下)💌**
![在这里插入图片描述](https://img-blog.csdnimg.cn/2265c69555f042169d3d242de8b28b91.jpg#pic_center)
**《Python大数据分析从入门到精通》**
**【内容简介】**
> **本书结合Python在数据分析领域的特点,介绍如何在数据平台上集成使用Python。本书内容分为3大部分。第1部分(第1~ 3章)为搭建开发环境和导入测试数据;第2部分(第4~ 12章)为Python对HDFS、Hive、Pig、HBase、Spark的操作,主要是对常用API的说明;第3部分(第13~16章)是在前面章节的基础上,介绍如何进行数据的分析、挖掘、可视化等内容。
> 本书不仅阐述了Python在大数据平台上的应用技巧,而且关于大数据平台管理和操作的介绍说明贯穿全书,因此对于希望学习大数据知识的读者,本书同样非常适合。**
**也有不想靠抽,想自己买的同学可以参考下面的链接**
京东自营购买链接:
[《Python大数据分析从入门到精通》- 京东图书]( )
当当自营购买链接:
[《Python大数据分析从入门到精通》- 当当图书]( )
### []( )🥇 Python 进行数据可视化系列汇总
* [使用 Python 进行数据可视化之Matplotlib]( )
* [使用 Python 进行数据可视化之Seaborn]( )
* [使用 Python 进行数据可视化之Bokeh]( )
* [使用 Python 进行数据可视化之Plotly]( )
**自我介绍一下,小编13年上海交大毕业,曾经在小公司待过,也去过华为、OPPO等大厂,18年进入阿里一直到现在。**
**深知大多数Python工程师,想要提升技能,往往是自己摸索成长或者是报班学习,但对于培训机构动则几千的学费,着实压力不小。自己不成体系的自学效果低效又漫长,而且极易碰到天花板技术停滞不前!**
**因此收集整理了一份《2024年Python开发全套学习资料》,初衷也很简单,就是希望能够帮助到想自学提升又不知道该从何学起的朋友,同时减轻大家的负担。**
![img](https://img-blog.csdnimg.cn/img_convert/c10cffe4d76e7d75ae8f2ca814e709ab.png)
![img](https://img-blog.csdnimg.cn/img_convert/cef84d65d10f842f34f96ff735b4c032.png)
![img](https://img-blog.csdnimg.cn/img_convert/b729a1f7ce0da3bfd92cb57bf13d0d7b.png)
![img](https://img-blog.csdnimg.cn/img_convert/ed5d727e3354e40f047ee3fed7c969d6.png)
![img](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)
![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!**
**由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新**
**如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注Python)**
](https://img-blog.csdnimg.cn/img_convert/6c361282296f86381401c05e862fe4e9.png)
![img](https://img-blog.csdnimg.cn/img_convert/9f49b566129f47b8a67243c1008edf79.png)
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,基本涵盖了95%以上前端开发知识点,真正体系化!**
**由于文件比较大,这里只是将部分目录大纲截图出来,每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频,并且后续会持续更新**
**如果你觉得这些内容对你有帮助,可以扫码获取!!!(备注Python)**
<img src="https://img-community.csdnimg.cn/images/fd6ebf0d450a4dbea7428752dc7ffd34.jpg" alt="img" style="zoom:50%;" />