Python可视化图系列（1）-----jupyter notebook

Python可视化-----复杂的散点图

---

前言

提示：00 安装库，配置环境
在Python中进行可视化，我们需要的是这些库：

matplotlib：python中自带的，也是最常用的可视化工具包，在Jupyter中甚至可以找到matplotlib的网站。
seaborn：python中可视化的新起之秀，致力于统计数据可视化。
brewer2mpl：brewer2mpl是一个专供python使用的，用于访问colorbrewer2色谱的工具，colorbrewer2是一个专业颜色顾问公司。

matplotlib
通常来说，如果我们是使用anaconda安装的python，那matplotlib是自带的
如果你发现你的python环境中没有matplotlib，那你可以使用以下命令先安装pip，然后从pip中安装matplotlib：
下面展示安装代码。

python -m pip install -U pip
python -m pip install -U matplotlib

你可以通过在Jupyter中运行 print(matplotlib.version) 来查看你现有的matplotlib版本。
下面展示运行代码。

import matplotlib as mlp
print(mlp.__version__)

seaborn是需要自己安装的。如果不是anaconda自带，建议使用pip安装。

#%%cmd
#pip install seaborn

import seaborn as sns
print(sns.__version__)

seaborn要求必须0.9.0以上，否则代码会报错，不足0.9.0的大家可以使用以下代码进行升级。
下面展示相关代码。

#%%cmd
#pip install --upgrade seaborn

brewer2mpl
同样也需要自己安装，使用以下代码：

#%%cmd
#pip install brewer2mpl

不必过于在意版本，通常来说都是直接安装成最新版。

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、我们的目标是什么？

我们的目标是：绘制出下图，并且利用数据解读图内的信息。

二、实现目标的知识准备

1.引入库

代码如下（示例）：

import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import seaborn as sns
%matplotlib inline
#如果你在使用Jupyter Notebook，你会需要这样一句命令来让你的图像显示

2.导入数据

代码如下（示例）：

#导入数据
midwest = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/midwest_filter.csv")
midwest.head()

该处使用的url网络请求的数据。

---

3.准备标签的列表和颜色

代码如下（示例）：

#（1）标签
midwest['category']
#提取标签中的类别
categories = np.unique(midwest['category']) #去掉所有重复的项
categories #这就是我们要使用的标签的类别列表

颜色

接下来要创造和标签的类别一样多的颜色，如果只有三四个类别，或许我们还可以自己写，然而面对十几个，或者二十个分类，我们需要让matplotlib来帮助我们自动生成颜色。

plt.cm.tab10()

用于创建颜色的十号光谱，在matplotlib中，有众多光谱供我们选择：https://matplotlib.org/tutorials/colors/colormaps.html
我们可以在plt.cm.tab10()中输入任意浮点数，来提取出一种颜色。光谱tab10中总共只有十种颜色，如果输入的浮点数比较接近，会返回类似的颜色。这种颜色会以元祖的形式返回，表示为四个浮点数组成的RGBA色彩空间或者三个浮点数组成的RGB色彩空间中的随机色彩。
代码如下（示例）：

#（2）颜色
color1