Python dataframe绘制饼图_数据可视化之实践篇——python

最新推荐文章于 2024-08-23 15:03:47 发布

weixin_39658900

最新推荐文章于 2024-08-23 15:03:47 发布

阅读量3.4k

点赞数

文章标签： Python dataframe绘制饼图

本文介绍了Python中数据可视化的10个例子，包括散点图、折线图、直方图、条形图、箱线图、饼图、热力图、蜘蛛图/雷达图、二元变量分布以及成对关系图的绘制。重点讲解了Matplotlib和Seaborn库的使用，如matplotlib的plt.scatter()和plt.plot()，以及seaborn的sns.jointplot()和sns.heatmap()。此外，还列举了Seaborn的各类图形API，帮助读者深入理解数据可视化。

摘要由CSDN通过智能技术生成

一.10个可视化例子

import

1.散点图

plt： plt.scatter(x, y, marker=None) 函数。x、y 是坐标，marker 代表了标记的符号。比如“x”、“>”或者“o”。选择不同的 marker，呈现出来的符号样式也会不同。

sns： sns.jointplot(x, y, data=None, kind=‘scatter’) 函数。其中 x、y 是 data 中的下标。data 就是我们要传入的数据，一般是 DataFrame 类型。kind 这类我们取 scatter，代表散点的意思。当然 kind 还可以取其他值，这个我在后面的视图中会讲到，不同的 kind 代表不同的视图绘制方式。

matplotlib绘制的视图为矩形，seaborn为方形，且还额外显示x，y的直方图分布

# 随机1000个点，模拟绘制

#?plt.scatter

2.折线图

表示数据随时间变化趋势

在 Matplotlib 中，我们可以直接使用 plt.plot() 函数，当然需要提前把数据按照 x 轴的大小进行排序，要不画出来的折线图就无法按照 x 轴递增的顺序展示。

在 Seaborn 中，我们使用 sns.lineplot (x, y, data=None) 函数。其中 x、y 是 data 中的下标。data 就是我们要传入的数据，一般是 DataFrame 类型。

这里我们设置了 x、y 的数组。x 数组代表时间（年），y 数组我们随便设置几个取值

两个库绘制出来结果一致。

# data

最低0.47元/天解锁文章