ant如何形成时间轴和图库_Python数据可视化常用4大绘图库原理详解_python
这篇文章主要介绍了Python数据可视化常用4大绘图库原理详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
今天我们就用一篇文章,带大家梳理matplotlib、seaborn、plotly、pyecharts的绘图原理,让大家学起来不再那么费劲!
1. matplotlib绘图原理
关于matplotlib更详细的绘图说明,大家可以参考下面这篇文章,相信你看了以后一定学得会。
matplotlib绘图原理:http://suo.im/678FCo
1)绘图原理说明
通过我自己的学习和理解,我将matplotlib绘图原理高度总结为如下几步:
导库;创建figure画布对象;获取对应位置的axes坐标系对象;调用axes对象,进行对应位置的图形绘制;显示图形;
2)案例说明
# 1.导入相关库
import matplotlib as mpl
import matplotlib.pyplot as plt
# 2.创建figure画布对象
figure = ()
# 3.获取对应位置的axes坐标系对象
axes1 = (2,1,1)
axes2 = (2,1,2)
# 4.调用axes对象,进行对应位置的图形绘制
([1,3,5,7],[4,9,6,8])
([1,2,4,5],[8,4,6,2])
# 5.显示图形
()
结果如下:
2. seaborn绘图原理
在这四个绘图库里面,只有matplotlib和seaborn存在一定的联系,其余绘图库之间都没有任何联系,就连绘图原理也都是不一样的。
seaborn是matplotlib的更高级的封装。因此学习seaborn之前,首先要知道matplotlib的绘图原理。由于seaborn是matplotlib的更高级的封装,对于matplotlib的那些调优参数设置,也都可以在使用seaborn绘制图形之后使用。
我们知道,使用matplotlib绘图,需要调节大量的绘图参数,需要记忆的东西很多。而seaborn基于matplotlib做了更高级的封装,使得绘图更加容易,它不需要了解大量的底层参数,就可以绘制出很多比较精致的图形。不仅如此,seaborn还兼容numpy、pandas数据结构,在组织数据上起了很大作用,从而更大程度上的帮助我们完成数据可视化。
由于seaborn的绘图原理,和matplotlib的绘图原理一致,这里也就不详细介绍了,大家可以参考上面matplotlib的绘图原理,来学习seaborn究竟如何绘图,这里还是提供一个网址给大家。
seaborn绘图原理:http://suo.im/5D3VPX
1)案例说明
# 1.导入相关库
import seaborn as sns
import matplotlib.pyplot as pltdf = pd.read_excel("",sheet_name="数据源")("dark")
[""] = ["SimHei"]
[""] = False
# 注意:estimator表示对分组后的销售数量求和。默认是求均值。
(x="品牌",y="销售数量",data=df,color="steelblue",orient="v",estimator=sum)
()
结果如下:
注意:可以看到在上述的绘图代码中,你应该有这样一个感受,图中既有matplotlib的绘图代码,也有seaborn的绘图代码。其实就是这样的,我们就是按照matplobt的绘图原理进行图形绘制,只是有些地方改成seaborn特有的代码即可,剩下的调整格式,都可以使用matplotlib中的方法进行调整
3. plotly绘图原理
首先在介绍这个图的绘图原理之前,我们先简单介绍一下plotly这个绘图库。
- plotly是一个基于javascript的绘图库,plotly绘图种类丰富,效果美观;
- 易于保存与分享plotly的绘图结果,并且可以与Web无缝集成;
- ploty默认的绘图结果,是一个HTML网页文件,通过浏览器可以直接查看;
它的绘图原理和matplotlib、seaborn没有任何关系,你需要单独去学习它。同样我还是提供了一个网址给你,让你更详细的学习plotly。
plotly绘图原理:http://suo.im/5vxNTu
1)绘图原理说明
通过我自己的学习和理解,我将plotly绘图原理高度总结为如下几步:
- 绘制图形轨迹,在ployly里面叫做trace,每一个轨迹是一个trace。
- 将轨迹包裹成一个列表,形成一个“轨迹列表”。一个轨迹放在一个列表中,多个轨迹也是放在一个列表中。
- 创建画布的同时,并将上述的轨迹列表,传入到Figure()中。
- 使用Layout()添加其他的绘图参数,完善图形。
- 展示图形。
2)案例说明
import numpy as np
import pandas as pd
import plotly as py
import plotly.graph_objs as go
import plotly.expression as px
from plotly import toolsdf = pd.read_excel("")
# 1.绘制图形轨迹,在ployly里面叫做`trace`,每一个轨迹是一个trace。
trace0 = (x=df["年份"],y=df["城镇居民"],name="城镇居民")
trace1 = (x=df["年份"],y=df["农村居民"],name="农村居民")
# 2.将轨迹包裹成一个列表,形成一个“轨迹列表”。一个轨迹放在一个列表中,多个轨迹也是放在一个列表中。
data = [trace0,trace1]
# 3.创建画布的同时,并将上述的`轨迹列表`,传入到`Figure()`中。
fig = (data)
# 4.使用`Layout()`添加其他的绘图参数,完善图形。
(,xaxis_title="年份",yaxis_title="人均收入(元)"
)
# 5.展示图形。
()
结果如下:
4. pyecharts绘图原理
Echarts是一个由百度开源的数据可视化工具,凭借着良好的交互性,精巧的图表设计,得到了众多开发者的认可。而python是一门富有表达力的语言,很适合用于数据处理。当数据分析遇上了数据可视化时,pyecharts诞生了。
pyecharts分为和v1两个大版本,和v1两个版本不兼容,v1是一个全新的版本,因此我们的学习尽量都是基于v1版本进行操作。
和plotly一样,pyecharts的绘图原理也是完全不同于matplotlib和seaborn,我们需要额外的去学习它们的绘图原理,基于此,同样提供一个网址给你,让你更详细的学习pyecharts。
pyecharts的绘图原理:http://suo.im/5S1PF1
1)绘图原理说明
通过我自己的学习和理解,我将plotly绘图原理高度总结为如下几步:
- 选择图表类型;
- 声明图形类并添加数据;
- 选择全局变量;
- 显示及保存图表;
2)案例说明
# 1.选择图表类型:我们使用的是线图,就直接从charts模块中导入Line这个模块;
from pyecharts.charts import Line
import pyecharts.options as opts
import numpy as npx = np.linspace(0,2 * )
y = (x)(# 2.我们绘制的是Line线图,就需要实例化这个图形类,直接Line()即可;Line()# 3.添加数据,分别给x,y轴添加数据;.add_xaxis(xaxis_data=x).add_yaxis(series_name="绘制线图",y_axis=y,label_opts=(is_show=False)).set_global_opts(title_opts=(title="我是标题",subtitle="我是副标题",title_link=""),tooltip_opts=())
).render_notebook() # ()用于显示及保存图表;
结果如下:
小结
通过上面的学习,我相信肯定会让大家对于这些库的绘图原理,一定会有一个新的认识。
其实其实不管是任何编程软件的绘图库,都有它的绘图原理。我们与其盲目的去绘制各种各样的图形,不如先搞清楚它们的套路后,再去进行绘图库的图形练习,这样下去,我觉得大家会有一个很大的提高。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持脚本之家。
ant如何形成时间轴和图库_Python数据可视化常用4大绘图库原理详解_python相关推荐
- 大数据可视化python_5种Python绘图库,轻松实现大数据可视化!
读图时代,图片不够精美绚丽,怎能够吸引住越来越挑剔的眼睛.而拥有"盛世美颜"的图片是怎样炼造而成的呢?大圣众包(www.dashengzb.cn)小编介绍5款交互式图表Python ...
- python使用kafka原理详解_Python操作Kafka原理及使用详解
Python操作Kafka原理及使用详解 一.什么是Kafka Kafka是一个分布式流处理系统,流处理系统使它可以像消息队列一样publish或者subscribe消息,分布式提供了容错性,并发处理 ...
- python代码覆盖率测试_unittest+coverage单元测试代码覆盖操作实例详解_python
这篇文章主要为大家详细介绍了unittest+coverage单元测试代码覆盖操作的实例,具有一定的参考价值,感兴趣的小伙伴们可以参考一下 基于上一篇文章,这篇文章是关于使用coverage来实现代码 ...
- 适应各种工控组态软件的图库,一款常用的工控图库,包括3D按钮 、箭头、对角线、多边形、鼓风机、锅炉、工厂等多种图形
适应各种工控组态软件的图库,一款常用的工控图库,包括3D按钮 .箭头.对角线.多边形.鼓风机.锅炉.工厂等多种图形,有四千个图形,涵盖了所有行业的工控图形,种类丰富,可以满足您日常工控设计需求,支持e ...
- python线程池原理_Python定时器线程池原理详解
这篇文章主要介绍了Python定时器线程池原理详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 定时器执行循环任务: 知识储备 Timer(int ...
- 时间堆原理详解及C++11的实现
一.背景 网络编程中除了处理IO事件之外,定时事件也同样不可或缺,如定期检测一个客户连接的活动状态.游戏中的技能冷却倒计时以及其他需要使用超时机制的功能.我们的服务器程序中往往需要处理众多的定时事件, ...
- HIVE面试题原理详解 统计用户连续交易的总额、连续登陆天数、连续登陆开始和结束时间、间隔天数
HIVE面试题原理详解 统计用户连续交易的总额.连续登陆天数.连续登陆开始和结束时间.间隔天数 友情提示 创建数据表 添加数据 流程图 第一步分析(子表a) 第二步分析(子表b) 第三步分析(子表c) ...
- python贪婪匹配_python re模块匹配贪婪和非贪婪模式详解
python re模块匹配贪婪和非贪婪模式详解 这篇文章主要介绍了python re模块匹配贪婪和非贪婪模式详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友 ...
- OpenCV视频写入详解_Python,视频保存0kb问题
我真的是栓q,搞了两晚,保存的视频一直是0kb,什么方式都用了.直到看到下面这个大佬的解释才明白,可能是我电脑视频编码不太对.本来就是想学习一下,跟着老师做一直不对. 将cv2 VideoWriter ...
最新文章
- 跟着柴毛毛学Spring(3)——简化Bean的配置
- php未知参数,php – 使用未知数量的参数创建Laravel Eloquent Query
- Qt QPushButton圆形图片设置为背景
- 【.Net】C# 将Access中时间段条件查询的数据添加到ListView中
- 实际返回的行数超出请求的行数怎么解决_count(*)这么慢,我该怎么办?
- Laravel 发送邮件报错的解决方案:PHP Warning: stream_socket_enable_crypto(): SSL operation failed with code 1.
- 解决java compiler level does not match the version of the inst
- oracle中特殊字符处理
- oracle的jdbc语句,Java Oracle jdbc SELECT语句
- 如何更改 Safari 浏览器文件下载位置?
- 花粉俱乐部服务器维护,花粉俱乐部打不开进不去怎么回事?花粉俱乐部加载数据失败怎么解决?...
- 【电力负荷预测】基于matlab粒子群算法优化支持向量机预测电力负荷【含Matlab源码 1225期】
- WCF分布式安全开发实践(10):消息安全模式之自定义用户名密码:Message_UserNamePassword_WSHttpBinding...
- 噪声和振动分析软件,它代表了统计能量分析(SEA)领域的最高水平AutoSEA2 V2.8
- ENVI中对图像监督分类结果的编辑
- smtp中mailfrom是必须的吗_人脸识别在建筑工地实名制系统中扮演着什么样的角色,是必须的吗?...
- python flask 路由_Python之Flask 路由与模板语法
- PMP知识点:工作绩效数据、信息和报告的区别
- win7 、2008 提示Error 1606 Could Not Access Network Location %SystemDrive%/inetpub/wwwroot/ 的错误解决方法
- 2021佛山高考成绩查询,2021佛山市地区高考成绩排名查询,佛山市高考各高中成绩喜报榜单...
热门文章
- QT判断多级目录是否存在,不存在就创建
- solr查询工作原理深入内幕
- How Do Annotations Work in Java?--转
- extremeComponents(ec)源码分析
- Linux服务器集群系统(四)--转
- https://github.com/fendouai/Awesome-Chatbot
- 蚂蚁金服张洁:基于深度学习的支付宝人脸识别技术解秘-1
- 高德地图横屏不显示服务器,高德地图不能横屏!
- Redis进阶-分布式存储 Sequential partitioning Hash partitioning
- Redis进阶-bind参数详解