可视化选图指南,8 张图说明白!

文章来源:Python与算法社区

面临一堆数据,选用哪几种图形可视化它,常常令人头疼,因为可视化种类繁多,如何选择?这几天查阅资料,找到一个非常好的,非常形象的解释了如何选择可视化图,一共划分如下8个维度:

第一,注重方差展示的图,可以选用下面的图:

第二,注重相关性表达,可以选用下面的图:

第三,突出时间变化,可以选用下面的图:

第四,关注排名,可以选用下面的图:

第五,注重数据分布,可以选用下面的图:

第六,注重部分和整体的表达,可以选用下面的图:

第七,注重数值大小展示,可以选用下面的图:

第八,注重空间和地图表达,可以选用下面的图:

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
以下是利用Python进行可视化的疫情图示例: 首先,我们需要准备数据。这里以COVID-19疫情为例,我们可以从各个数据源获取相关数据,如确诊人数、死亡人数、治愈人数等。这里我们使用了数据分析库Pandas来处理数据: ``` import pandas as pd # 读取数据 data = pd.read_csv('covid_data.csv') # 提取所需数据 confirmed_data = data[['Date', 'Confirmed']] death_data = data[['Date', 'Deaths']] recovered_data = data[['Date', 'Recovered']] ``` 接下来,我们可以使用Matplotlib进行绘图。这里我们选择绘制折线图,分别表示确诊人数、死亡人数、治愈人数的变化趋势: ``` import matplotlib.pyplot as plt # 设置图像大小 plt.figure(figsize=(10, 5)) # 绘制确诊人数折线图 plt.plot(confirmed_data['Date'], confirmed_data['Confirmed'], label='Confirmed') # 绘制死亡人数折线图 plt.plot(death_data['Date'], death_data['Deaths'], label='Deaths') # 绘制治愈人数折线图 plt.plot(recovered_data['Date'], recovered_data['Recovered'], label='Recovered') # 设置图例 plt.legend() # 设置横轴标签 plt.xlabel('Date') # 设置纵轴标签 plt.ylabel('Number of People') # 设置标题 plt.title('COVID-19 Pandemic') # 显示图像 plt.show() ``` 运行上述代码,即可得到如下的折线图: ![COVID-19 Pandemic](https://i.imgur.com/9bIcPzR.png) 这图清晰地展示了COVID-19疫情的发展趋势,可以帮助我们更好地了解疫情的变化情况。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值