数据可视化利器pyechart和matplotlib比较

python中用作数据可视化的工具有多种，其中matplotlib最为基础。故在工具选择上，图形美观之外，操作方便即上乘。

本文着重说明常见图表用基础版matplotlib和改良版pyecharts作图间的差异

 

一、maplotlib

基本用法如下：

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
import matplotlib.pyplot as plt
import matplotlib.finance as mpf
%matplotlib inline

fig = plt.figure(figsize=(10,8))  #建立一个大小为10*8的画板
ax1 = fig.add_subplot(321)  #在画板上添加3*3个画布，位置是第1个
ax2 = fig.add_subplot(3,2,2)
ax3 = fig.add_subplot(3,2,3)
ax4 = fig.add_subplot(3,2,4)
ax5 = fig.add_subplot(3,2,5)
ax6 = fig.add_subplot(3,2,6)


data1 = np.random.randn(20)
x = np.arange(20)

ax1.plot(data1)  #作折线图
ax2.scatter(data1,data1,color='r')  #作散点图
ax3.hist(data1,bins=10,alpha=0.3)  #作直方图
ax4.bar(x,data1)  #作柱形图
ax5.pie(np.random.randint(1,15,5),explode=[0,0,0.2,0,0])  #作饼形图
ax6.plot(x,data1,color='green')  #组合图
ax6.bar(x,data1,color='k')


fig,axes = plt.subplots(3,3,figsize=(20,16))
data2 = DataFrame(np.random.randn(10,5),columns = ['A','B','C','D','E'],index = np.arange(0,100,10))

data2.plot(kind='line',ax=axes[0][0])  #作折线图
data2.plot(kind = 'scatter',x = data2.index[0] ,y = data2.index[0],ax=axes[0][1])  #作散点图
data2.plot(kind='hist',ax=axes[0][2],legend=False)  #作直方图
data2.plot(kind='bar',ax=axes[1][0])  #作柱形图
data2.plot(kind='area',ax=axes[1][1],stacked = False) #面积图

train_data = np.array(data2)  
mpf.candlestick_ohlc(axes[1][2],train_data.tolist(),width=1.5,colorup='r',colordown='g')  #K线图

axim = axes[2][0].imshow(data2.values,interpolation='nearest