[Python数据分析]Python可视化

Python可视化工具：

• matplotlib：在python数据可视化中具有相当老的资格
• seaborn：基于matplotlib，能和pandas很好的配合，旨在简化python图的创建
• ggplot：基于matplotlib，同seaborn类似，相对来讲，接口并不是很pythonic
• bobkh：面向浏览器的可视化，目标是实现交互式的web可视化
• pygal：用户创建svg格式的图形
• plotly：属于分析和可视化的在线工具，有相应的python版本接口
• pyecharts：echarts的python版本，属于百度开源产品，内容丰富，文档为中文

Matplotlib 特点和优势：

• 使用简单，matplotlib作为老牌可视化工具，使用也极其简单
• 可以使用渐进，交互式方式实现数据可视化
• 表现能力强，对图像元素控制力强
• 跟python配合紧密，特别是跟pandas等数据工具

折线图

• 折线图是一种以变化的曲线用来反映数据变化的一种简单图例
• 折线图是一种典型的直角坐标图，主要在一个平面上显示变化曲线
• 折线图理论上是一系列形如（x，y）的坐标点，表达此类数据序列一般通过列表即可完成
• 不同点之间的线由程序自动拟合连接

PLT绘图的两种方式：

• 面向函数：plt.plot()
• OOP:由一个个单独元素组成

PLT中OOP绘图方式：

• Figure：是plt的画布，所有元素都在Figure上
• Axes：这个可以理解成一个坐标系统，可以有多个
• Axis：坐标轴，包括刻度线/刻度文本/坐标网格/坐标轴标题等
• Artise：图像中的一个个具体元素，具体又可以细分为两类
  • 简单元素：一个简单的元素，不能再继续细分
  • 容器类型：由简单元素类型的Aritists构成的复杂Artist，例如Axes
• 对于Figure配置属性，一般用set_xxx（）
• 添加Axes用add_axes()
• 颜色的表示
  • 英文单词：color = 'red'
  • RGB:color = （1.0，0.4，0.3）
• 线型的控制：
  • solid：实线，会用'-'做简写
  • dashed：虚线，用'--'做简写
  • dashdot：点划线，用'-.'简写
  • dotted：实现电线，用':'简写
• 线的类型和宽度控制
  • 在构造函数或者绘图函数中使用参数linestyle和linewidth即可
  • 在Line2D的实例中使用add_xxx来进行添加即可