程序師世界是廣大編程愛好者互助、分享、學習的平台,程序師世界有你更精彩!
首頁
編程語言
C語言|JAVA編程
Python編程
網頁編程
ASP編程|PHP編程
JSP編程
數據庫知識
MYSQL數據庫|SqlServer數據庫
Oracle數據庫|DB2數據庫
您现在的位置: 程式師世界 >> 編程語言 >  >> 更多編程語言 >> Python

干貨!Python四大常用繪圖庫,深度解析

編輯:Python

最近有不少讀者同學來問我,Python繪圖庫太多,我知不知道學哪一個?即使我選擇了某一個繪圖庫後,我也不知道怎麼學,我不知道第一步做什麼,也不知道接下來該怎麼做,四個字一學就忘

其實這也是我當時很困擾的一個問題,我當時在學習完numpy和pandas後,就開始了matplotlib的學習。我反正是非常崩潰的,每次就感覺繪圖代碼怎麼這麼多,繪圖邏輯完全一團糟,不知道如何動手。

後面隨著自己反復的學習,我找到了學習Python繪圖庫的方法,那就是學習它的繪圖原理。正所謂:“知己知彼,百戰不殆”,學會了原理,剩下的就是熟練的問題了。

今天我們就用一篇文章,帶大家梳理matplotlibseabornplotlypyecharts的繪圖原理,讓大家學起來不再那麼費勁!

1. matplotlib繪圖原理

關於matplotlib更詳細的繪圖說明,大家可以參考下面這篇文章,相信你看了以後一定學得會。

matplotlib繪圖原理:http://suo.im/678FCo

1)繪圖原理說明

通過我自己的學習和理解,我將matplotlib繪圖原理高度總結為如下幾步:

  • ① 導庫;

  • ② 創建figure畫布對象;

  • ③ 獲取對應位置的axes坐標系對象;

  • ④ 調用axes對象,進行對應位置的圖形繪制;

  • ⑤ 顯示圖形;

2)案例說明

# 1.導入相關庫
import matplotlib as mpl
import matplotlib.pyplot as plt
# 2.創建figure畫布對象
figure = plt.figure()
# 3.獲取對應位置的axes坐標系對象
axes1 = figure.add_subplot(2,1,1)
axes2 = figure.add_subplot(2,1,2)
# 4.調用axes對象,進行對應位置的圖形繪制
axes1.plot([1,3,5,7],[4,9,6,8])
axes2.plot([1,2,4,5],[8,4,6,2])
# 5.顯示圖形
figure.show()

結果如下:

2. seaborn繪圖原理

在這四個繪圖庫裡面,只有matplotlibseaborn存在一定的聯系,其余繪圖庫之間都沒有任何聯系,就連繪圖原理也都是不一樣的。

seaborn是matplotlib的更高級的封裝。因此學習seaborn之前,首先要知道matplotlib的繪圖原理。由於seaborn是matplotlib的更高級的封裝,對於matplotlib的那些調優參數設置,也都可以在使用seaborn繪制圖形之後使用。

我們知道,使用matplotlib繪圖,需要調節大量的繪圖參數,需要記憶的東西很多。而seaborn基於matplotlib做了更高級的封裝,使得繪圖更加容易,它不需要了解大量的底層參數,就可以繪制出很多比較精致的圖形。不僅如此,seaborn還兼容numpypandas數據結構,在組織數據上起了很大作用,從而更大程度上的幫助我們完成數據可視化。

由於seaborn的繪圖原理,和matplotlib的繪圖原理一致,這裡也就不詳細介紹了,大家可以參考上面matplotlib的繪圖原理,來學習seaborn究竟如何繪圖,這裡還是提供一個網址給大家。

seaborn繪圖原理:http://suo.im/5D3VPX

1)案例說明

# 1.導入相關庫
import seaborn as sns
import matplotlib.pyplot as plt
df = pd.read_excel("data.xlsx",sheet_name="數據源")
sns.set_style("dark")
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
# 注意:estimator表示對分組後的銷售數量求和。默認是求均值。
sns.barplot(x="品牌",y="銷售數量",data=df,color="steelblue",orient="v",estimator=sum)
plt.show()

結果如下:

注意:可以看到在上述的繪圖代碼中,你應該有這樣一個感受,圖中既有matplotlib的繪圖代碼,也有seaborn的繪圖代碼。其實就是這樣的,我們就是按照matplobt的繪圖原理進行圖形繪制,只是有些地方改成seaborn特有的代碼即可,剩下的調整格式,都可以使用matplotlib中的方法進行調整。

3. plotly繪圖原理

首先在介紹這個圖的繪圖原理之前,我們先簡單介紹一下plotly這個繪圖庫。

  • plotly是一個基於javascript的繪圖庫,plotly繪圖種類豐富,效果美觀;

  • 易於保存與分享plotly的繪圖結果,並且可以與Web無縫集成;

  • ploty默認的繪圖結果,是一個HTML網頁文件,通過浏覽器可以直接查看;

它的繪圖原理和matplotlib、seaborn沒有任何關系,你需要單獨去學習它。同樣我還是提供了一個網址給你,讓你更詳細的學習plotly。

plotly繪圖原理:http://suo.im/5vxNTu

1)繪圖原理說明

通過我自己的學習和理解,我將plotly繪圖原理高度總結為如下幾步:

  • ① 繪制圖形軌跡,在ployly裡面叫做trace,每一個軌跡是一個trace。

  • ② 將軌跡包裹成一個列表,形成一個“軌跡列表”。一個軌跡放在一個列表中,多個軌跡也是放在一個列表中。

  • ③ 創建畫布的同時,並將上述的軌跡列表,傳入到Figure()中。

  • ④ 使用Layout()添加其他的繪圖參數,完善圖形。

  • ⑤ 展示圖形。

2)案例說明

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 tools
df = pd.read_excel("plot.xlsx")
# 1.繪制圖形軌跡,在ployly裡面叫做`trace`,每一個軌跡是一個trace。
trace0 = go.Scatter(x=df["年份"],y=df["城鎮居民"],name="城鎮居民")
trace1 = go.Scatter(x=df["年份"],y=df["農村居民"],name="農村居民")
# 2.將軌跡包裹成一個列表,形成一個“軌跡列表”。一個軌跡放在一個列表中,多個軌跡也是放在一個列表中。
data = [trace0,trace1]
# 3.創建畫布的同時,並將上述的`軌跡列表`,傳入到`Figure()`中。
fig = go.Figure(data)
# 4.使用`Layout()`添加其他的繪圖參數,完善圖形。
fig.update_layout(
    title="城鄉居民家庭人均收入",
    xaxis_title="年份",
    yaxis_title="人均收入(元)"
)
# 5.展示圖形。
fig.show()

結果如下:

4. pyecharts繪圖原理

Echarts是一個由百度開源的數據可視化工具,憑借著良好的交互性,精巧的圖表設計,得到了眾多開發者的認可。而python是一門富有表達力的語言,很適合用於數據處理。當數據分析遇上了數據可視化時,pyecharts誕生了。

pyecharts分為v0.5v1兩個大版本,v0.5和v1兩個版本不兼容,v1是一個全新的版本,因此我們的學習盡量都是基於v1版本進行操作。

和plotly一樣,pyecharts的繪圖原理也是完全不同於matplotlib和seaborn,我們需要額外的去學習它們的繪圖原理,基於此,同樣提供一個網址給你,讓你更詳細的學習pyecharts。

pyecharts的繪圖原理:http://suo.im/5S1PF1

1)繪圖原理說明

通過我自己的學習和理解,我將plotly繪圖原理高度總結為如下幾步:

  • ① 選擇圖表類型;

  • ② 聲明圖形類並添加數據;

  • ③ 選擇全局變量;

  • ④ 顯示及保存圖表;

2)案例說明

# 1.選擇圖表類型:我們使用的是線圖,就直接從charts模塊中導入Line這個模塊;
from pyecharts.charts import Line
import pyecharts.options as opts
import numpy as np
x = np.linspace(0,2 * np.pi,100)
y = np.sin(x)
(
 # 2.我們繪制的是Line線圖,就需要實例化這個圖形類,直接Line()即可;
 Line()
 # 3.添加數據,分別給x,y軸添加數據;
 .add_xaxis(xaxis_data=x)
 .add_yaxis(series_name="繪制線圖",y_axis=y,label_opts=opts.LabelOpts(is_show=False))
 .set_global_opts(title_opts=opts.TitleOpts(title="我是標題",subtitle="我是副標題",title_link="https://www.baidu.com/"),
                  tooltip_opts=opts.TooltipOpts())
).render_notebook() # 4.render_notebook()用於顯示及保存圖表;

結果如下:

小結

通過上面的學習,我相信肯定會讓大家對於這些庫的繪圖原理,一定會有一個新的認識。

其實其實不管是任何編程軟件的繪圖庫,都有它的繪圖原理。我們與其盲目的去繪制各種各樣的圖形,不如先搞清楚它們的套路後,再去進行繪圖庫的圖形練習,這樣下去,我覺得大家會有一個很大的提高。

【python學習】
學Python的伙伴,歡迎加入新的交流【君羊】:1020465983
一起探討編程知識,成為大神,群裡還有軟件安裝包,實戰案例、學習資料


  1. 上一篇文章:
  2. 下一篇文章:
Copyright © 程式師世界 All Rights Reserved