python中直方图bins是什么意思_教你5种可使用Python代码轻松实现数据可视化的方法，亲测，棒...

python高薪就业（视频、学习路线、免费获取）​shimo.im

数据可视化是数据科学家工作中的重要组成部分。在项目的早期阶段，你通常会进行探索性数据分析（Exploratory Data Analysis，EDA）以获取对数据的一些理解。

创建可视化方法确实有助于使事情变得更加清晰易懂，特别是对于大型、高维数据集。在项目结束时，以清晰、简洁和引人注目的方式展现最终结果是非常重要的，因为你的受众往往是非技术型客户，只有这样他们才可以理解。
Matplotlib 是一个流行的 Python 库，可以用来很简单地创建数据可视化方案。但每次创建新项目时，设置数据、参数、图形和排版都会变得非常繁琐和麻烦。在这篇博文中，我们将着眼于 5 个数据可视化方法，并使用 Python Matplotlib 为他们编写一些快速简单的函数。

与此同时，这里有一个很棒的图表，可用于在工作中选择正确的可视化方法！

散点图
散点图非常适合展示两个变量之间的关系，因为你可以直接看到数据的原始分布。

如下面第一张图所示的，你还可以通过对组进行简单地颜色编码来查看不同组数据的关系。想要可视化三个变量之间的关系？ 没问题！

仅需使用另一个参数（如点大小）就可以对第三个变量进行编码，如下面的第二张图所示。

现在开始讨论代码。我们首先用别名 “plt” 导入 Matplotlib 的 pyplot 。要创建一个新的点阵图，我们可调用 plt.subplots() 。

我们将 x 轴和 y 轴数据传递给该函数，然后将这些数据传递给 ax.scatter() 以绘制散点图。我们还可以设置点的大小、点颜色和 alpha 透明度。

你甚至可以设置 Y 轴为对数刻度。标题和坐标轴上的标签可以专门为该图设置。这是一个易于使用的函数，可用于从头到尾创建散点图！
代码

 import matplotlib.pyplot as pltimport numpy as npdef scatterplot(x_data, y_data, x_label="", y_label="", title="", color = "r", yscale_log=False):  
 
     # Create the plot object  
     _, ax = plt.subplots()    # Plot the data, set the size (s), color and transparency (alpha)  
     # of the points  
 ax.scatter(x_data, y_data, s =10, color = color, alpha = 0.75)    if yscale_log == True:  
 ax.set_yscale('log')    # Label the axes and provide a title  
     ax.set_title(title)  
     ax.set_xlabel(x_label)  
     ax.set_ylabel(y_label) 

折线图
当你可以看到一个变量随着另一个变量明显变化的时候，比如说它们有一个大的协方差，那最好使用折线图。

让我们看一下下面这张图。

我们可以清晰地看到对于所有的主线随着时间都有大量的变化。使用散点绘制这些将会极其混乱，难以真正明白和看到发生了什么。

折线图对于这