python中数据用折线图表示_【Python教程】用Python进行数据可视化

• 面向人群: 零基础或者初学者

• 难度: 简单， 属于Python基础课程

对于那些学习编程的人来说，Python是一种出色的语言，非常适合那些希望“完成工作”并且不花很多时间在样板代码上的人。

重要说明

我们尽力保证课程内容的质量以及学习难度的合理性，但即使如此，真正决定课程效果的，还是你的每一次思考和实践。

课程多数题目的解决方案都不是唯一的，这和我们在实际工作中的情况也是一致的。因此，我们的要求功能的实现，更是要多去思考不同的解决方案，评估不同方案的优劣，然后使用在该场景下最优雅的方式去实现。所以，我们列出的参考资料未必是实现需求所必须的。有的时候，实现题目的要求很简单，甚至参考资料里就有，但是背后的思考和亲手去实践却是任务最关键的一部分。在学习这些资料时，要多思考，多提问，多质疑。相信通过和小伙伴们的交流，能让你的学习事半功倍。

一、可视化示例任务

1.1 简介

如同艺术家们用绘画让人们更贴切的感知世界，数据可视化也能让人们更直观的传递数据所要表达的信息。在本文中，我将介绍如何开始使用Python和matplotlib、seaborn两个库对数据进行可视化。

1.2 任务

下面这个图表: 

当然如果你把这张图表丢给别人，他们倒是也能看懂，但无法很直观的理解其中的信息，而且这种形式的图表看上去也比较 low，这个时候我们如果换成直观又美观的可视化图形，不仅能突显逼格，也能让人更容易的看懂数据。

下面我们就用上面这个简单的数据集作为例子，展示用 Python 做出9种可视化效果，并附有相关代码。分别是

• 直方图

• 箱线图

• 小提琴图

• 条形图

• 折线图

• 堆叠柱状图

• 散点图

• 气泡图

• 饼状图

• 热力图

1.3 知识点

• Linux命令行的使用

• Python基础

• matplotlib、seaborn两个库的简单使用

.14 环境

• linux系统(ubuntu18.04)/ windows系统可以打开ubuntu子系统

• pycharm编辑器(windows如何安装pycharm社区版本)

• Python 3.6.9(windows如何安装python环境)

• pip3 9.0.1

• Matplotlib 3.3.3：基于Python的绘图库，提供完全的 2D 支持和部分 3D 图像支持。在跨平台和互动式环境中生成高质量数据时，matplotlib 会很有帮助。也可以用作制作动画。

  • 官方文档：https://matplotlib.org/

• Seaborn：该 Python 库能够创建富含信息量和美观的统计图形。Seaborn 基于 matplotlib，具有多种特性，比如内置主题、调色板、可以可视化单变量数据、双变量数据，线性回归数据和数据矩阵以及统计型时序数据等，能让我们创建复杂的可视化图形。

  • 官方文档: http://seaborn.pydata.org/

$ python --versionPython 3.6.9$ pip3 --versionpip 9.0.1 from /usr/lib/python3/dist-packages (python 3.6)

windows系统：

(1)Win+R，输入cmd，打开Windows的命令行。(2)输入：pip install Matplotlib、Seaborn，等待安装完成。如果安装过程不顺利，请百度找到原因，直到安装成功为止

linux系统：

pip3 安装Matplotlib、Seaborn

pip3 install matplotlib -i https://pypi.tuna.tsinghua.edu.cn/simplepip3 install seaborn

安装完后，你可以使用 python -m pip list 命令来查看是否安装了 matplotlib 模块。

$ pip3 list | grep matplotlibmatplotlib        3.3.3

1.5 代码

导入数据集

import matplotlib.pyplot as pltimport pandas as pddf=pd.read_excel("data/First.xlsx", "Sheet1")

可视化为直方图

fig=plt.figure() #Plots in matplotlib reside within a figure object, use plt.figure to create new figure#Create one or more subplots using add_subplot, because you can't create blank figureax = fig.add_subplot(1,1,1)#Variableax.hist(df['Age'],bins = 7) # Here you can play with number of binsLabels and Titplt.title('Age distribution')plt.xlabel('Age')plt.ylabel('#Employee')plt.show()

可视化为箱线图

import matplotlib.pyplot as pltimport pandas as pdfig=plt.figure()ax = fig.add_subplot(1,1,1)#Variableax.boxplot(df['Age'])plt.show()

可视化为小提琴图

import seaborn as sns sns.violinplot(df['Age'], df['Gender']) #Variable Plotsns.despine()