10个案例分享几个Python可视化小技巧，助你绘制高质量图表

数据集的导入

最开始，我们先导入数据集，并且导入我们需要用到的库

import pandas as pd
import matplotlib.pyplot as plt
plt.style.use("seaborn-darkgrid")

# 读取数据
aapl = pd.read_csv("AAPL.csv")
print(aapl.head())

output

        Date        Open        High  ...       Close   Adj Close    Volume
0  2021-9-30  143.660004  144.380005  ...  141.500000  141.293793  88934200
1  2021-10-1  141.899994  142.919998  ...  142.649994  142.442108  94639600
2  2021-10-4  141.759995  142.210007  ...  139.139999  138.937225  98322000
3  2021-10-5  139.490005  142.240005  ...  141.110001  140.904358  80861100
4  2021-10-6  139.470001  142.149994  ...  142.000000  141.793060  83221100

简单的折线图

上面的代码我们用到的是“苹果”公司2021年的9月31日到12月31日的股价走势，我们先来简单的画一张折线图，代码如下

plt.figure(figsize=(12,6))
plt.plot(aapl["Close"])

output

上面的折线图看着就有点单调和简单，我们就单单只可以看到数据的走势，除此之外就没有别的收获，我们甚至都不知道这条折线所表示的意义，因为接下来我们来进行一系列的优化

添加标题以及设置Y轴标签

第一步我们先给图表添加标题以及给X轴、Y轴设置标签，代码如下

plt.figure(figsize=(12,6))
plt.plot(aapl["Close"])

# 添加标题和给Y轴打上标记
plt.ylabel("Closing Price", fontsize=15)  ## 收盘价
plt.title("Apple Stock Price", fontsize=18) ## 标题：苹果公司股价

output

再添加一个Y轴

现有的这个Y轴代表的是收盘价，要是我们还想再往图表当中添加另外一列的数据，该数据的数值范围和已有的收盘价的数值范围不同，如果放在一起，绘制出来的图表可不好看，如下

plt.figure(figsize=(12,6))
plt.plot(aapl["Close"])

# 第二根折线图
plt.plot(aapl["Volume"])

# Y轴的名称和标记
plt.ylabel("Closing Price", fontsize=15)
plt.title("Apple Stock Price", fontsize=18)

output

可以看到我们代表股价的那条蓝线变成了水平的直线，由于它的数值范围和“Volume”这一列当中的数据，数值范围差了不少，因此我还需要一个Y轴，来代表“Volume”这一列数据的走势，代码如下

fig, ax1 = plt.subplots(figsize=(12,6))

# 第二个Y轴的标记
ax2 = ax1.twinx()
ax1.plot(aapl["Close"])
ax2.plot(aapl["Volume"], color="r")

# 添加标题和Y轴的名称，有两个Y轴
ax1.set_ylabel("Closing Price", fontsize=15)
ax2.set_ylabel("Volume", fontsize=15)
plt.title("Apple Stock Price", fontsize=18)

output

上面的代码我们通过twinx()方法再来新建一个Y轴对象，然后对应的数据是Volume这一列当中的数据，而给Y轴标记的方式也从上面的plt.ylabel()变成了ax.set_ylabel()

添加图例

接下来给绘制好的图表添加图例，不同的折线代表的是不同的数据，代码如下

fig, ax1 = plt.subplots(figsize=(12,6))
# 第二个Y轴
ax2 = ax1.twinx()
ax1.plot(aapl["Close"])
ax2.plot(aapl["Volume"], color="r")
# 设置Y轴标签和标题
ax1.set_ylabel("Closing Price", fontsize=15)
ax2.set_ylabel("Volume", fontsize=15)
plt.title("Apple Stock Price", fontsize=18)
# 添加图例
ax1.legend(["Closing price"], loc=2, fontsize=12)
ax2.legend(["Volume"], loc=2, bbox_to_anchor=(0, 0.9), fontsize=12)

output

在plt.legend()方法当中的loc参数代表的是图例的位置，2代表的是左上方，具体的大家可以通过下面的链接来查阅

https://matplotlib.org/stable/api/_as_gen/matplotlib.pyplot.legend.html

将网格线去除掉

有时候我们感觉图表当中的网格线有点碍眼，就可以将其去掉，代码如下

fig, ax1 = plt.subplots(figsize=(12,6))
# 第二个Y轴
ax2 = ax1.twinx()
ax1.plot(aapl["Close"])
ax2.plot(aapl["Volume"], color="r")
# 设置Y轴标签和标题
ax1.set_ylabel("Closing Price", fontsize=15)
ax2.set_ylabel("Volume", fontsize=15)
plt.title("Apple Stock Price", fontsize=18)
# 添加图例
ax1.legend(["Closing price"], loc=2, fontsize=12)
ax2.legend(["Volume"], loc=2, bbox_to_anchor=(0, 0.9), fontsize=12)
# 去掉网格线
ax1.grid(False)
ax2.grid(False)

output

这样出来的图表是不是看着顺眼多了呢？！

在图表当中添加一些文字

有时候我们也想在图表当中添加一些文字，可以是注释也可以是一些赞美性的语言，可以通过代码来实现，如下

fig, ax1 = plt.subplots(figsize=(12,6))
# 第二个Y轴
ax2 = ax1.twinx()
ax1.plot(aapl["Close"])
ax2.plot(aapl["Volume"], color="r")
# 设置Y轴标签和标题
ax1.set_ylabel("Closing Price", fontsize=15)
ax2.set_ylabel("Volume", fontsize=15)
plt.title("Apple Stock Price", fontsize=18)
# 添加图例
ax1.legend(["Closing price"], loc=2, fontsize=12)
ax2.legend(["Volume"], loc=2, bbox_to_anchor=(0, 0.9), fontsize=12)
# 去掉网格线
ax1.grid(False)
ax2.grid(False)

date_string = datetime.strptime("2021-10-31", "%Y-%m-%d")

# 添加文字
ax1.text(
    date_string, ## 代表的是添加的文字的位置
    170, 
    "Nice plot!", ## 添加的文字的内容
    fontsize=18, ## 文字的大小
    color="green" ## 颜色
)

output

图表当中的中文显示

在上面的图表当中，无论是标题还是注释或者是图例，都是英文的，我们需要往里面添加中文的内容时候，还需要添加下面的代码

plt.rcParams['font.sans-serif'] = ['SimHei']

fig, ax1 = plt.subplots(figsize=(12,6))
# 第二个Y轴
ax2 = ax1.twinx()
ax1.plot(aapl["Close"])
ax2.plot(aapl["Volume"], color="r")
# 设置Y轴标签和标题
ax1.set_ylabel("收盘价", fontsize=15)
ax2.set_ylabel("成交量", fontsize=15)
plt.title("苹果公司股价走势", fontsize=18)
# 添加图例
ax1.legend(["Closing price"], loc=2, fontsize=12)
ax2.legend(["Volume"], loc=2, bbox_to_anchor=(0, 0.9), fontsize=12)
# 去掉网格线
ax1.grid(False)
ax2.grid(False)
# 添加文字
ax1.text(
    date_string,
    170, 
    "画的漂亮", 
    fontsize=18, 
    color="green"
)

output

这样全局的字体都被设置成了“黑体”，文本内容都是用中文来显示

X轴/Y轴上刻度字体的大小

我们还可以给X轴/Y轴添加边框，以及边框的粗细也可以通过代码来进行调整，如下

plt.rcParams["axes.edgecolor"] = "black"
plt.rcParams["axes.linewidth"] = 2

同时我们还可以对X轴以及Y轴上面的刻度，它们的字体大小进行设置，代码如下

# tick size
ax1.tick_params(axis='both', which='major', labelsize=13)
ax2.tick_params(axis='both', which='major', labelsize=13)

output

出来的图表是不是比一开始的要好很多呢？

制作动图

接下来给大家介绍一个制作动图的Python库，bar_chart_race，只需要简单的几行代码，就可以制作出随着时间变化的直方图动图，代码如下

import bar_chart_race as bcr
import pandas as pd
# 生成GIF图像
df = pd.read_csv('covid19_tutorial.csv', index_col=index_col,
                 parse_dates=parse_dates)
bcr.bar_chart_race(df, 'covid19_tutorial_horiz.gif')

output