为什么要写这篇文章?
最近有不少粉丝来问我,Python绘图库太多,我知不知道学哪一个?即使我选择了某一个绘图库后,我也 不知道怎么学 ,我不知道第一步做什么,也不知道接下来该怎么做,四个字 一学就忘 。
其实这也是我当时很 困扰 的一个问题,我当时在学习完numpy和pandas后,就开始了matplotlib的学习。我反正是非常崩溃的,每次就感觉绘图代码怎么这么多,绘图逻辑完全一团糟,不知道如何动手。
后面随着自己反复的学习,我找到了学习Python绘图库的方法,那就是学习它的 绘图原理 。正所谓: “知己知彼,百战不殆” ,学会了原理,剩下的就是熟练的问题了。
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:
2)案例说明
# 1.导入相关库 import matplotlib as mplimport matplotlib.pyplot as plt# 2.创建figure画布对象 figure = plt.figure()# 3.获取对应位置的axes坐标系对象 axes1 = figure.add_subplot(2 ,1 ,1 ) axes2 = figure.add_subplot(2 ,1 ,2 )# 4.调用axes对象,进行对应位置的图形绘制 axes1.plot([1 ,3 ,5 ,7 ],[4 ,9 ,6 ,8 ]) axes2.plot([1 ,2 ,4 ,5 ],[8 ,4 ,6 ,2 ])# 5.显示图形 figure.show()
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 snsimport matplotlib.pyplot as plt df = pd.read_excel("data.xlsx" ,sheet_name="数据源" ) sns.set_style("dark" ) plt.rcParams["font.sans-serif" ] = ["SimHei" ] plt.rcParams["axes.unicode_minus" ] = False # 注意:estimator表示对分组后的销售数量求和。默认是求均值。 sns.barplot(x="品牌" ,y="销售数量" ,data=df,color="steelblue" ,orient="v" ,estimator=sum) plt.show()
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:
① 绘制图形轨迹,在ployly里面叫做
trace
,每一个轨迹是一个trace。
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。
③ 创建画布的同时,并将上述的
轨迹列表
,传入到
Figure()
中。
④ 使用
Layout()
添加其他的绘图参数,完善图形。
2)案例说明
import numpy as npimport pandas as pdimport plotly as pyimport plotly.graph_objs as goimport plotly.expression as pxfrom plotly import tools df = pd.read_excel("plot.xlsx" )# 1.绘制图形轨迹,在ployly里面叫做`trace`,每一个轨迹是一个trace。 trace0 = go.Scatter(x=df["年份" ],y=df["城镇居民" ],name="城镇居民" ) trace1 = go.Scatter(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 = go.Figure(data)# 4.使用`Layout()`添加其他的绘图参数,完善图形。 fig.update_layout( title="城乡居民家庭人均收入" , xaxis_title="年份" , yaxis_title="人均收入(元)" )# 5.展示图形。 fig.show()
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 v0.5 和 v1 两个大版本,v0.5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:
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 Lineimport pyecharts.options as optsimport numpy as np x = np.linspace(0 ,2 * np.pi,100 ) y = np.sin(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=opts.LabelOpts(is_show=False )) .set_global_opts(title_opts=opts.TitleOpts(title="我是标题" ,subtitle="我是副标题" ,title_link="https://www.baidu.com/" ), tooltip_opts=opts.TooltipOpts()) ).render_notebook() # 4.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。