Python作为当前流行开发语言,不仅可以用于web网站的开发、自动化框架的设计等,也可用于到大数据领域,在大数据领域方面,我们不仅需要获取到大量的数据,并且还要将这些数据进行整合便于后续的使用和分析,而数据的整合最好的方式就是使用可视化的方式将数据变现出来,所以今天我们就学习python中的matplotlib
库和seaborn
的使用。
matplotlib和seabornde介绍
在Python中,我们可以使用matplotlib库和seaborn库来生成各种图表。matplotlib是一个用于创建静态、动态和交互式图表的库,而seaborn则是基于matplotlib的一个高级数据可视化库,它提供了更高级的接口,使得绘制统计图形变得更加简单。结合这两个库,我们可以生成各种类型的图表,如折线图、柱状图、散点图、箱线图等。
使用前我们先安装这两个库
pip install matplotlib seaborn
接下来,我们通过一个简单的示例来演示如何单独使用matplotlib
成图表。假设我们有一个数据集,包含了6个月份的数据,我们想要绘制一个折线图来展示每年的销售额。
import matplotlib.pyplot as plt months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun'] sales = [100, 200, 150, 400, 300, 350] # 创建绘制图表数据 plt.plot(months, sales) plt.xlabel('Months') # 设置X轴 plt.ylabel('Sales') # 设置Y轴 plt.title('Sales Data') # 设置图表名称 plt.show()
运行代码后会生成一个默认的折线图
结合seabron生成不同的图表
seaborn支持生成不同样式的图表,包括柱状图、散点图、直方图、折线图、小提琴图、箱线图、热点图、点图、密度图、计数图、分簇散点图、特征图、Facet Grid、联合分布图、分类图等多个类型
以下是seaborn库生成不同图表的一些常用方法
1.seaborn.distplot()
– 绘制单变量分布图
2.seaborn.jointplot()
– 绘制双变量关系图
3.seaborn.pairplot()
– 绘制多变量关系图
4.seaborn.barplot()
– 绘制条形图
5.seaborn.countplot()
– 绘制计数图
6.seaborn.boxplot()
– 绘制箱线图
7.seaborn.violinplot()
– 绘制小提琴图
8.seaborn.heatmap()
– 绘制热力图
9.seaborn.lineplot()
– 绘制线图
10.seaborn.scatterplot()
– 绘制散点图
1.生成柱状图
柱状图是我们经常会见到的数据图表,每个柱状都表示一组数据
import seaborn import matplotlib.pyplot as plt months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun'] sales = [100, 200, 150, 400, 300, 350] plt.xlabel('Year') plt.ylabel('Sales') plt.title('Sales by Year (Heatmap)') seaborn.barplot(x=months,y=sales) # 使用seaborn配置柱状图的X轴和Y轴 plt.show()
运行代码生成柱状图
2.生成散点图
散点图顾名思义,每个表里面的一个点就代表着一组数值
import seaborn import matplotlib.pyplot as plt months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun'] sales = [100, 200, 150, 400, 300, 350] plt.xlabel('Year') plt.ylabel('Sales') plt.title('Sales by Year (Heatmap)') seaborn.scatterplot(x=months,y=sales) # 使用seaborn配置散点图的X轴和Y轴 plt.show()
3.绘制直方图
直方图通常适用于可视单个数据的分布情况,不过也可用用于比较两个或者更多变量的变化
import seaborn import matplotlib.pyplot as plt months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun'] sales = [100, 200, 150, 400, 300, 350] plt.xlabel('Year') plt.ylabel('Sales') plt.title('Sales by Year (Heatmap)') seaborn.histplot(x=months,y=sales,kde=True) # 使用seaborn配置直方图的X轴和Y轴 plt.show()
4.绘制点线图
点线图不同于折线图,点线图适用于显示一组数据及其变异性的平觉知或集中趋势,通常用于探索性数据分析,以及快速可视化数据集的分布或者比较多个数据集
import seaborn import matplotlib.pyplot as plt months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun'] sales = [100, 200, 150, 400, 300, 350] plt.xlabel('Year') plt.ylabel('Sales') plt.title('Sales by Year (Heatmap)') seaborn.pointplot(x=months,y=sales,) # 使用seaborn配置点线图的X轴和Y轴 plt.show()
生成的图表显示如下:
以上是简单的列举了matplotlib
和seaborn
组合生成的一些常规图表信息,但起功能远远不止上述内容,seaborn在数据分析机器学习有很大的作用,如果想要更加深入了解,可以去逛网地址和查看对应中文文档继续深入学习。
当前,后续我们也可以结合到Python中的panads库一起使用:
将数据读取出来并绘制的图表
import seaborn import matplotlib.pyplot as plt import pandas as pd data=pd.read_excel(r"D:\data.xlsx") seaborn.histplot(x="months",kde=True,data=data) plt.show()
绘制结果如下
好了,今天的分享就到这里了,喜欢的朋友记得留言点赞哦~
题外话
当下这个大数据时代不掌握一门编程语言怎么跟的上时代呢?当下最火的编程语言Python前景一片光明!如果你也想跟上时代提升自己那么请看一下.
感兴趣的小伙伴,赠送全套Python学习资料,包含面试题、简历资料等具体看下方。
👉CSDN大礼包🎁:全网最全《Python学习资料》免费赠送🆓!(安全链接,放心点击)
一、Python所有方向的学习路线
Python所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。
二、Python必备开发工具
工具都帮大家整理好了,安装就可直接上手!
三、最新Python学习笔记
当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
四、Python视频合集
观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
五、实战案例
纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
六、面试宝典
简历模板
👉CSDN大礼包🎁:全网最全《Python学习资料》免费赠送🆓!(安全链接,放心点击)
若有侵权,请联系删除