一篇详细教程,教你Python常用的几种画图工具

• 我将介绍并展示几种常用的Python画图包,包括Matplotlib、Seaborn、Plotly和Bokeh.这些包各自具有不同的功能和优势,适用于不同类型的数据可视化需求.

下面是详细的介绍和示例代码.

1. Matplotlib

• Matplotlib是Python最基础和最广泛使用的绘图库提供了丰富的绘图功能.

安装

pip install matplotlib  

示例

import matplotlib.pyplot as plt  
import numpy as np  
  
# 创建数据  
x = np.linspace(0, 10, 100)  
y = np.sin(x)  
  
# 创建基本线图  
plt.plot(x, y)  
plt.xlabel('X轴')  
plt.ylabel('Y轴')  
plt.title('正弦函数')  
plt.show()  

2. Seaborn

• Seaborn是基于Matplotlib之上的高级绘图库,提供了更简洁的API和更美观的默认样式,特别适用于统计数据可视化.

安装

pip install seaborn  

示例

import seaborn as sns  
import matplotlib.pyplot as plt  
  
# 创建数据  
data = sns.load_dataset("iris")  
  
# 创建基本散点图  
sns.scatterplot(data=data, x="sepal_length", y="sepal_width", hue="species")  
plt.title('鸢尾花数据集散点图')  
plt.show()  

3. Plotly

• Plotly是一个强大的交互式绘图库,支持多种图表类型,适用于需要交互功能的数据可视化.

安装

pip install plotly  

示例

import plotly.express as px  
  
# 创建数据  
df = px.data.iris()  
  
# 创建基本散点图  
fig = px.scatter(df, x='sepal_width', y='sepal_length', color='species', title='鸢尾花数据集散点图')  
fig.show()  

4 Bokeh
Brokeh是一个用于创建交互式和动态可视化的Python库,特别适合用于Web应用程序中.与Matplotlib和Seaborn不同,Bokeh生成的图表可以嵌入到网页中,并提供丰富的交互功能,如工具提示、缩放、平移等.可以展示不同的图形,如条形图，散点图，折线图.

安装

pip install bokeh  

示例

from bokeh.plotting import figure, show  
from bokeh.io import output_notebook  
import numpy as np  
  
# 在Jupyter Notebook中输出  
output_notebook()  
  
# 创建数据  
x = np.linspace(0, 10, 100)  
y = np.sin(x)  
  
# 创建基本线图  
p = figure(title="正弦函数")  
p.line(x, y, legend_label="sin(x)", line_width=2)  
  
show(p)  

总结:

Matplotlib:

• 功能全面,适用于各种基础绘图.

Seaborn:

• 基于Matplotlib,提供更高级的API和更美观的默认样式,适用于统计数据可视化.

Plotly:

• 支持交互式图表,适用于需要交互功能的数据可视化.

Bokeh:

• 适用于创建网页中的交互式图表和仪表盘.

• 运行这些代码将生成相应的图形,帮助你更好地理解和应用这些绘图库.