Pandas数据可视化

0 简单介绍

数据可视化是指直观展现数据，是数据处理过程的一部分
常见的库和各自特点

• Matplotlib (功能强大，代码相对复杂)
  • 在执行各种任务方面非常高效，可以将可视化文件导出为所有常见格式（PDF, SVG, JPG, PNG, BMP和GIF）
  • 可以创建流行的可视化类型—折线图、散点图、直方图、条形图、误差图、饼图、箱型图以及更多其他类型的图，还支持3D绘图
• Pandas （使用简单，功能稍弱）
  • 基于 matplotlib ，是对matplotlib的二次封装
  • series和dataframe都有plot()方法来绘图
• Seaborn（代码简单，效果不错）
  • 基于 matplotlib ，进行了更高级的封装，作图更容易
• echarts 和 pyecharts（追求可视化效果）
  • echarts可以流畅的运行在PC和移动设备上，兼容当前绝大多数浏览器，底层以来矢量图形库ZRender,提供直观，交互丰富，可高度个性化定制的数据可视化图表
  • pyecharts是用Python生成echarts图表的类库

1 Matplotlib数据可视化

1.1 Matplotlib 两套基本绘图API介绍

matplotlib提供两种方法来作图：状态接口（通过plt调用函数）和面向对象（创建坐标系后使用坐标系属性）
数据准备

import matplotlib.pyplot as plt
x = [-3,5,7]
y = [10,2,5]

• 状态接口 plt 画图

plt.figure(figsize=(15,3)) #创建一个画布
plt.plot(x,y)
plt.xlim(0,10) # 设置坐标轴显示的范围
plt.ylim(-3,8)
plt.xlabel('X Axis') # x轴 名字
plt.ylabel('Y Axis',size=20) # Y轴 名字
plt.title('Line Plot',size=30) # 整个图表的名字
plt.grid(True)  # 网格线
plt.show()

• 面向对象 plt 画图创建坐标系, 调用坐标系的设置属性的方法, 来绘图

plt.show()
#%%
fig,ax = plt.subplots(figsize=(15,3)) # fig画布  ax 坐标系
ax.plot(x,y) # 调用坐标系的方法
ax.set_xlim(0,10)
ax.set_ylim(-3,8)
ax.set_xlabel('x axis')
ax.set_ylabel('y axis',size = 20)
ax.set_title('Line Plot', size = 30)
plt.show()

• 设置子图区域

fig = plt.figure(figsize=(20,8))
# 绘图区域可以分成几行 几列 当前图绘制在第几个位置上  位置从1开始计数的
# fig.add_subplot(1,1,1)
fig.<