0 导语
Matplotlib 是一个 Python 的 2D 绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形 。
通过 Matplotlib,开发者可以仅需要几行代码,便可以生成绘图,直方图,功率谱,条形图,错误图,散点图等。
Seaborn 是基于 Python 且非常受欢迎的图形可视化库,在 Matplotlib 的基础上,进行了更高级的封装,使得作图更加方便快捷。即便是没有什么基础的人,也能通过极简的代码,做出具有分析价值而又十分美观的图形。
在此之前,我已经写了一篇 Numpy 和 Pandas 的快速入门,本篇文章讲解数据可视化快速入门:
备注:本文代码可以在github下载
https://github.com/fengdu78/Data-Science-Notes/tree/master/5.data-visualization
1.Matplotlib
1.1 通过 figure()函数创建画布
1.2 通过 subplot()函数创建单个子图
1.3 通过 subplots()函数创建多个子图
1.4 通过 add_subplot()方法添加和选中子图
1.5 添加各类标签
1.6 绘制常见类型图表
1.7 本地保存图形
2 seaborn—绘制统计图形
2.1 可视化数据的分布
x | y | |
0 | 0.478215 | 1.246931 |
1 | -0.053906 | 0.187860 |
2 | -1.241901 | 1.281412 |
3 | -1.658495 | 1.375265 |
4 | -0.353372 | 1.420608 |
5 | 1.656508 | -0.557275 |
6 | 1.511913 | 1.657975 |
7 | -0.906804 | 0.452821 |
8 | -0.777217 | -0.368433 |
9 | -0.739228 | -1.286740 |
10 | 0.987989 | -1.634521 |
11 | -0.026473 | -0.010277 |
12 | -1.262669 | -0.256035 |
13 | -1.561165 | 0.918040 |
14 | -0.939354 | -0.127256 |
15 | 0.335453 | 0.217671 |
16 | -1.489752 | 0.432434 |
17 | -1.066911 | -0.515731 |
18 | 1.035863 | -0.297603 |
19 | 0.631313 | -0.653702 |
20 | -1.894367 | 1.868757 |
21 | 0.036571 | 0.237410 |
22 | -0.312502 | -1.319956 |
23 | 0.814248 | -0.811489 |
24 | 0.382404 | -0.449499 |
25 | 1.646666 | 0.410724 |
26 | 0.227553 | 0.313078 |
27 | -1.399875 | 0.431041 |
28 | -2.161313 | -1.314429 |
29 | 0.280750 | 2.321291 |
... | ... | ... |
470 | -1.266559 | -0.595866 |
471 | -0.766566 | 0.096873 |
472 | 0.205730 | -1.270893 |
473 | -0.608373 | -1.875642 |
474 | -0.323170 | 0.336776 |
475 | -1.615268 | -1.565554 |
476 | 0.433679 | 1.887319 |
477 | -0.217975 | -0.728759 |
478 | 1.023324 | 0.201026 |
479 | -0.134135 | -0.746496 |
480 | 0.046724 | 1.299394 |
481 | -0.595088 | -0.641203 |
482 | -1.949716 | -0.520380 |
483 | -0.530026 | -0.348830 |
484 | -1.060356 | -0.013075 |
485 | -0.908488 | -0.981377 |
486 | -0.034975 | -1.450624 |
487 | -1.426397 | 0.320157 |
488 | -1.302537 | 1.746811 |
489 | -1.190758 | 0.407325 |
490 | -0.170543 | 0.311181 |
491 | 0.814052 | 0.299761 |
492 | -0.520146 | 0.591630 |
493 | 1.934602 | -0.165131 |
494 | -0.052196 | -0.524848 |
495 | -1.057486 | 0.939177 |
496 | -0.158090 | -1.588747 |
497 | -0.238412 | 1.627092 |
498 | 0.279500 | -0.218554 |
499 | 1.962078 | -0.956771 |
500 rows × 2 columns
2.2 用分类数据绘图
备注:本文代码可以在github下载
https://github.com/fengdu78/Data-Science-Notes/tree/master/5.data-visualization