可视化——python实现常见图形汇总

可视化视图都有哪些？

按照数据之间的关系：

• 比较：比较数据间各类别的关系，或者是它们随着时间的变化趋势，比如折线图；
• 联系：查看两个或两个以上变量之间的关系，比如散点图；
• 构成：每个部分占整体的百分比，或者是随着时间的百分比变化，比如饼图；
• 分布：关注单个变量，或者多个变量的分布情况，比如直方图。

按照变量的个数，划分为单变量分析和多变量分析：

• 单变量分析指的是一次只关注一个变量。比如我们只关注“身高”这个变量，来看身高的取值分布，而暂时忽略其他变量。
• 多变量分析可以让你在一张图上可以查看两个以上变量的关系。比如“身高”和“年龄”，你可以理解是同一个人的两个参数，这样在同一张图中可以看到每个人的“身高”和“年龄”的取值，从而分析出来这两个变量之间是否存在某种联系。

可视化的视图多种多样，常用的 10 种视图包括了散点图、折线图、直方图、条形图、箱线图、饼图、热力图、蜘蛛图、二元变量分布和成对关系。

下面使用python 绘制图形：

1. 绘制散点图：

• 使用matplotlib工具包：使用 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”；
• 使用 seaborn 工具包：使用 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，不同的 kind 代表不同的视图绘制方式。

代码实现：

import numpy  as np
import pandas as pd 
import matplotlib.pyplot as plt 
import seaborn as sns

#数据准备
N=1000 
x=np.random.randn(N)
y=np.random.randn(N)

#使用matplotlib绘图
plt.scatter(x,y,marker="o")
plt.show()

#使用seaorn绘图
df=pd.DataFrame({
   "x":x,"y":y})
sns.jointplot(x="x",y="y",data=df,kind="scatter")
plt.show()

输出：


2. 绘制折线图：

• 使用matplotlib工具包：使用 plt.plot(x, y) 函数。x、y 是坐标,需要提前对数据按照x大小进行排序；
• 使用 seaborn 工具包：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；

#绘制折线图
import pandas as pd 
import matplotlib.pyplot as plt
import seaborn as sns
#数据准备
x=[2010,2011,2012,2013,2014,2015,2016,2017,2018,2019]
y=[5,3,6,20,17,16,19,30,32,35]

#使用matplotlib画折线图
plt.plot(x,y)
plt.show()

#使用seanborn绘制折线图
df=pd.DataFrame({
   "x":x,"y":y