[Python从零到壹] 十七.可视化分析之Matplotlib、Pandas、Echarts入门万字详解

欢迎大家来到“Python从零到壹”，在这里我将分享约200篇Python系列文章，带大家一起去学习和玩耍，看看Python这个有趣的世界。所有文章都将结合案例、代码和作者的经验讲解，真心想把自己近十年的编程经验分享给大家，希望对您有所帮助，文章中不足之处也请海涵。Python系列整体框架包括基础语法10篇、网络爬虫30篇、可视化分析10篇、机器学习20篇、大数据分析20篇、图像识别30篇、人工智能40篇、Python安全20篇、其他技巧10篇。您的关注、点赞和转发就是对秀璋最大的支持，知识无价人有情，希望我们都能在人生路上开心快乐、共同成长。

前一篇文章讲述了数据预处理、Jieba分词和文本聚类知识，这篇文章主要介绍Matplotlib和Pandas扩展包绘图的基础用法，同时引入Echarts技术，该技术主要应用于网站可视化展示中。本文内容以实例为主，给读者最直观的图形感受。两万字基础文章，希望对您有所帮助。

文章目录

• 一.Matplotlib可视化分析
• • 1.绘制曲线图
  • 2.绘制散点图
  • 3.绘制柱状图
  • 4.绘制饼图
  • 5.绘制3D图形
• 二.Pandas读取文件可视化分析
• • 1.绘制折线对比图
  • 2.绘制柱状图和直方图
  • 3.绘制箱图
• 三.ECharts可视化技术初识
• • 1.ECharts
  • 2.简单示例
• 四.总结

下载地址：

• https://github.com/eastmountyxz/Python-zero2one

前文赏析：

第一部分 基础语法

• [Python从零到壹] 一.为什么我们要学Python及基础语法详解
• [Python从零到壹] 二.语法基础之条件语句、循环语句和函数
• [Python从零到壹] 三.语法基础之文件操作、CSV文件读写及面向对象

第二部分 网络爬虫

• [Python从零到壹] 四.网络爬虫之入门基础及正则表达式抓取博客案例
• [Python从零到壹] 五.网络爬虫之BeautifulSoup基础语法万字详解
• [Python从零到壹] 六.网络爬虫之BeautifulSoup爬取豆瓣TOP250电影详解
• [Python从零到壹] 七.网络爬虫之Requests爬取豆瓣电影TOP250及CSV存储
• [Python从零到壹] 八.数据库之MySQL基础知识及操作万字详解
• [Python从零到壹] 九.网络爬虫之Selenium基础技术万字详解（定位元素、常用方法、键盘鼠标操作）
• [Python从零到壹] 十.网络爬虫之Selenium爬取在线百科知识万字详解（NLP语料构造必备技能）

第三部分 数据分析和机器学习

• [Python从零到壹] 十一.数据分析之Numpy、Pandas、Matplotlib和Sklearn入门知识万字详解(1)
• [Python从零到壹] 十二.机器学习之回归分析万字总结全网首发（线性回归、多项式回归、逻辑回归）
• [Python从零到壹] 十三.机器学习之聚类分析万字总结全网首发（K-Means、BIRCH、层次聚类、树状聚类）
• [Python从零到壹] 十四.机器学习之分类算法三万字总结全网首发（决策树、KNN、SVM、分类算法对比）
• [Python从零到壹] 十五.文本挖掘之数据预处理、Jieba工具和文本聚类万字详解
• [Python从零到壹] 十六.文本挖掘之词云热点与LDA主题分布分析万字详解
• [Python从零到壹] 十七.可视化分析之Matplotlib、Pandas、Echarts入门万字详解

第四部分 Python图像处理

第五部分 NLP与文本挖掘

第六部分 人工智能入门知识

第七部分 图像识别与目标检测

第八部分 网络攻防与AI安全

第九部分 知识图谱构建实战

第十部分 人工智能高级案例

作者新开的“娜璋AI安全之家”将专注于Python和安全技术，主要分享Web渗透、系统安全、人工智能、大数据分析、图像识别、恶意代码检测、CVE复现、威胁情报分析等文章。虽然作者是一名技术小白，但会保证每一篇文章都会很用心地撰写，希望这些基础性文章对你有所帮助，在Python和安全路上与大家一起进步。

---

可视化技术是将数据转换成图形或图像呈现在屏幕上，再进行视觉交互。在数据分析中，可视化是非常重要的环节，它通过呈现图形图像直观的体现数据或算法的好坏，给读者最直观的视觉信息。

一.Matplotlib可视化分析

基础用法参考前文：

• [Python从零到壹] 十一.数据分析之Numpy、Pandas、Matplotlib和Sklearn入门知识万字详解(1)

1.绘制曲线图

首先简单地绘制三条直线，其斜率分别为0.5、1.5和3.0，完整代码如下：

# -*- coding: utf-8 -*- 
#By: CSDN
import numpy as np  
import matplotlib.pyplot as plt  
X = np.arange(0,4)
print(X)
plt.plot(X, X*0.5, label="y=x*0.5")
plt.plot(X, X*1.5, label="y=x*1.5")
plt.plot(X, X*3.0, label="y=x*3.0")
plt.legend()
plt.show() 

输出如图所示，其中X为数组[0,1,2,3]，X×0.5表示数组元素都乘以0.5，其结果为：[0,0.5,1.0,1.5]，同理X×1.5结果为：[0.0,1.5,3.0,4.5]。

• import matplotlib.pyplot as plt
  表示调用Matplotlib子类pyplot绘图，并as重命名为plt，方便代码调用。
• plt.plot(X, X_0.5, label=“y=x_0.5”)
  表示调用plot()绘图，参数分别为X坐标、Y坐标和标签label。
• plt.legend()
  显示右上角的图标，每条线对应label的含义。
• plt.show()
  最后调用该函数显示绘制好的图形。

下面将上图绘制成不同类型的线条。核心修改代码如下：

# -*- coding: utf-8 -*- 
#By: CSDN
import numpy as np  
import matplotlib.pyplot as plt

X = np.arange(0,4)
print(X)
plt.plot(X, X*0.5, "r-", label="y=x*0.5")
plt.plot(X, X*1.5, "y--", label="y=x*1.5")
plt.plot(X, X*3.0, "g:", label="y=x*3.0")
plt.legend()
plt.show() 

其中，"r-"表示红色直线，"y–"表示黄色虚线，"g:"表示绿色点线，输出如图所示。

但是上图绘制的图形有点细，怎么解决呢？设置参数linewidth=2.0即可，参考下面的代码，Matplotlib绘制sin函数和cos函数曲线。

# -*- coding: utf-8 -*- 
#By: CSDN
import numpy as np  
import matplotlib.pyplot as plt

X = np.linspace(-np.pi,np.pi,256,endpoint=True)
C = np.cos(X)
S = np.sin(X)
p