python数据可视化——matpiotlib、pandas、seaborn

【注意】一般我都使用pandas画图，使用方便，而且也不是专门做可视化的，会画一些简单的图即可

一、饼图

1、matplotlib模块
	pie(x,#绘图数据
		labels=None,#添加标签
		autopct='%.lf%%')#设置百分百格式
	plt.show()
	
2、pandas模块
	Series.plot(kind='pie'#选择画图类型
				autopct='%.lf%%',#设置百分百格式
				。。。
				//用的时候查一查
				)

二、条形图

1、matplotlib模块
垂直条形图：
	plt.bar(left,#x轴数据
		height,#y轴数据
		width=0.8,#条形图宽度
		。。。
		//用的时候查一查，多用自然就会了
		)
水平条形图：
	plt.barh(bottom=range(x.shape[0]#y轴的刻度
			width=x.num,#指定y轴数值
			tick_label=x.name,#指定y轴刻度标签
			)
堆叠条形图
	+bottom参数即可
水平交错条形图
	将刻度标签向右偏移即可
	plt.xticks(np.arange(5)+0.2,names)
	
2、pandas模块
    条形图：
	x.plot(kind='bar',#选择绘制的图的类型
			width=0.8,
			ax=axes[0]#竖向
			ax=axes[1]#横向
		    stacked=True#表示叠加值
			)
			
	画交错图：
	df=pd.DataFrame(np.random.randint(5,10,size=(10,4)),columns=['a','b','c','d'])
	plt=df.plot(kind='bar')
	
			
3、seaborn模块这里不作过多介绍

三、直方图与核密度曲线

1、matplotlib模块
	plt.hist(x,#绘图数据
			bins=10,#直方条形个数
			)
			
2、pandas模块
	df.plot(kind='hist',
			bins=20,)
	//画核密度曲线
	df.plot(kind='kde',
			color='red')
			
3、seaborn模块
	sns.distplot(a,//数据
				bins=10,
				hist=True,
				kde=True)

四、箱线图

1、matplotlib模块
	plt.boxplot(x,//数据
				notch=None，
				)

2、seaborn模块
	绘制分组箱线图
	sns.boxplot(x,y
				data=None,#数据
				hue=None,#指定分组变量)
	

五、小提琴图

sns.violinplot(x,y,#x，y轴
				hue,#指定分组变量
				data=None#数据
				)

六、折线图

1、matplotlib模块
	plt.plot(x,y,#xy轴数据
			label#标签
			)
2、pandas模块
	data.plot(kind='line',
			style=['-','--',':']#画图格式
			)

七、散点图

1、matplotlib模块
	scatter(x,y,#数据
			s=20#大小
			)
2、pandas模块
	num.plot(x,y#标签
			kind='scatter'
			title='name'
			)
3、seaborn模块
	sns.Implot(x,y,#数据标签
				hue='name'#指定分组变量
				data='data_name'#数据
				)

八、气泡图

改变散点图的s（大小）即可

九、热力图

seaborn模块
sns.heatmap(data='df'#绘图数据
			cmap='PuBuGn'#填充色
			)

【注】一定要经常用，这里只是简单说一下有哪些函数和大概怎么用，具体的参数还是要自己实践，不断积累，用多了就会了