Python数据可视化实现样式化图表

猰貐的新时代

已于 2024-08-15 16:17:25 修改

阅读量431

点赞数 8

文章标签：信息可视化 python 开发语言

于 2024-07-20 22:01:42 首次发布

原文链接：https://blog.csdn.net/chengxuyuanlaow/article/details/140578348

版权

使用 Matplotlib 进行样式化

Matplotlib 是 Python 中最常用的可视化库之一，提供了丰富的样式化选项。下面是一些常用的样式化技巧：

1. 自定义颜色和线条样式

import matplotlib.pyplot as plt

# 自定义线条样式和颜色
plt.plot(x, y, linestyle='--', color='red', linewidth=2)

2. 添加标题和标签

plt.title('Title')
plt.xlabel('X Label')
plt.ylabel('Y Label')

3. 调整图像大小和分辨率

plt.figure(figsize=(8, 6), dpi=100)

使用 Seaborn 提升可视化效果

Seaborn 是建立在 Matplotlib 之上的统计可视化库，提供了更高级的样式化功能。以下是一些 Seaborn 中常用的样式化技巧：

1. 使用调色板

import seaborn as sns

# 使用 Seaborn 默认调色板
sns.set_palette("pastel")

# 使用自定义调色板
custom_palette = ["#FF6347", "#1E90FF", "#32CD32"]
sns.set_palette(custom_palette)

2. 调整样式

# 使用 Seaborn 预设的样式
sns.set_style("whitegrid")

# 自定义样式
sns.set_style("ticks", {"xtick.major.size": 8, "ytick.major.size": 8})

3. 添加图例

# 添加图例
plt.legend(loc='upper right')

使用 Plotly 创建交互式可视化

Plotly 是一个交互式可视化库，可以创建令人印象深刻的可视化效果。以下是一些 Plotly 中常用的样式化技巧：

1. 创建交互式图表

import plotly.graph_objs as go

# 创建散点图
trace = go.Scatter(x=x, y=y, mode='markers', marker=dict(color='red', size=10))

2. 添加布局信息

layout = go.Layout(title='Title', xaxis=dict(title='X Label'), yaxis=dict(title='Y Label'))

3. 显示图表

fig = go.Figure(data=[trace], layout=layout)
fig.show()

通过以上样式化技巧，我们可以在 Python 中创建出各种各样样式独特、富有表现力的数据可视化图表。选择合适的样式化方式可以使得我们的可视化更具吸引力，更好地传达数据信息。无论是简单的折线图还是复杂的交互式图表，Python 提供了丰富的工具和库来满足各种可视化需求。

使用 Bokeh 实现高度定制化的可视化

Bokeh 是一个交互式可视化库，可以创建出具有高度定制化的图表和应用。以下是一些 Bokeh 中常用的样式化技巧：

1. 创建图表对象

from bokeh.plotting import figure, show

# 创建一个绘图对象
p = figure(title="Title", x_axis_label='X Label', y_axis_label='Y Label')

2. 自定义线条和填充样式

# 添加线条
p.line(x, y, line_color="blue", line_width=2)

# 添加圆点
p.circle(x, y, fill_color="red", size=8)

3. 设置图表背景和边界

# 设置背景颜色
p.background_fill_color = "lightgrey"

# 设置边界线颜色
p.outline_line_color = "black"

4. 添加图例和工具

from bokeh.models import Legend, LegendItem

# 创建图例对象
legend = Legend(items=[
    LegendItem(label="Legend 1", renderers=[p.line()]),
    LegendItem(label="Legend 2", renderers=[p.circle()]),
])

# 添加图例
p.add_layout(legend, 'right')

# 添加工具
p.toolbar_location = 'above'

使用 Plotly Express 快速绘制漂亮的图表

Plotly Express 是 Plotly 的高级 API，可以通过简单的语法创建出漂亮的图表。以下是一些 Plotly Express 中常用的样式化技巧：

1. 使用自定义颜色和标记

import plotly.express as px

# 创建散点图
fig = px.scatter(df, x='x', y='y', color='category', symbol='category', 
                 color_discrete_sequence=['red', 'blue', 'green'], 
                 symbol_map={'A': 'circle', 'B': 'square', 'C': 'diamond'})

2. 调整图表布局和标题

fig.update_layout(title="Title", xaxis_title="X Label", yaxis_title="Y Label", 
                  legend_title="Legend", legend_orientation="h")

3. 设置轴范围和刻度

fig.update_xaxes(range=[0, 10], tickvals=[0, 5, 10])
fig.update_yaxes(range=[0, 20], tickvals=[0, 10, 20])

通过以上技巧，您可以使用 Bokeh 和 Plotly Express 创建出高度定制化和令人印象深刻的可视化图表。Bokeh 提供了丰富的绘图对象和样式选项，使得您可以完全掌控图表的外观和布局。而 Plotly Express 则提供了简洁易用的接口，让您能够快速创建出漂亮的交互式图表。无论是对于数据科学家还是数据分析师来说，这些可视化样式化技巧都将成为展示数据、发现见解的有力工具。