Python 代码轻松实现数据可视化的5 种使用方法

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！

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。折线图对于这种情况则非常好，因为它们基本上提供给我们两个变量（百分比和时间）的协方差的快速总结。另外，我们也可以通过彩色编码进行分组

这里是折线图的代码。它和上面的散点图很相似，只是在一些变量上有小的变化。

def  lineplot(x_data,  y_data,  x_label="",  y_label="",  title=""):

    # Create the