深度讲解Python四大常用绘图库的“绘图原理”
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:
-
① 导库; -
② 创建 figure
画布对象; -
③ 获取对应位置的 axes
坐标系对象; -
④ 调用axes对象,进行对应位置的图形绘制; -
⑤ 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 = 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 sns
import 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。 -
⑤ 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 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:
-
① 选择图表类型; -
② 声明图形类并添加数据; -
③ 选择全局变量; -
④ 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 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。
关注微信公众号『数据分析与统计学之美』,后台回复"入群" 拉你进群哦,气氛很好滴呀!
喜欢本文点个在看
本文分享自微信公众号 - 数据分析与统计学之美(gh_21c25c7e71d0)。
如有侵权,请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”,欢迎正在阅读的你也加入,一起分享。
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
What’s New in Dubbo-go v1.5
引语 计算机技术浪潮每 10 年都有一次技术颠覆,相关知识体系最迟每 5 年都会革新一次,大概每两年贬值一半,在应用服务通信框架领域亦然。凡是有长期生命的通信框架,大概有 5 年的成长期和 5 年的稳定成熟期。每个时代都有其匹配的应用通信框架,在 20 年前的 2G 时代,强跨语言跨平台而弱性能的 gRPC 是不会被采用的。 每个通信框架,不同的人从不同角度看出不同的结论:初学者看重易用易学,性能测评者注重性能,应用架构师考虑其维护成本,老板则考虑则综合成本。一个应用通信框架的性能固然重要,其稳定性和进化能力更重要,得到有效维护的框架可在长时间单位内降低其综合成本:学习成本、维护成本、升级成本和更换成本。 什么是 Dubbo-go?第一,它是 Dubbo 的 Go 语言版本,全面兼容 Dubbo 是其第一要义。第二,它是一个 Go 语言应用通信框架,会充分利用作为云原生时代第一语言---Go 语言的优势,扩展 dubbo 的能力。 2008 年诞生的 Dubbo 已有十多年历史,依靠阿里和其社区,历久弥新。2016 年发布的 Dubbo-go 也已进入第五个年头,如今全面兼容 Dubb...
- 下一篇
百度安全论文入选IEEE TIFS,让攻击者逃不出“楚门的世界”
导读:近日百度安全发表的论文《Detecting Hardware-assisted Virtualization with Inconspicuous Features》入选国际TOP期刊IEEE TIFS,论文深度剖析了虚拟化检测技术,并创新性提出一种最新硬件虚拟化检测技术,无须提权就能实现对硬件虚拟化环境的检测,本文将对这篇论文进行详细的解读。 虚拟化作为云计算系统中的一种基础技术,近年来,虚拟化技术不仅广泛应用于云服务器,也广泛应用于个人桌面。那么究竟虚拟化技术是什么,又为什么起到这么重要的作用呢? 想象两个场景: 空旷的厂房,整个楼层没有固定的墙壁,从事各式工种的工人和机器设备扎堆聚集,无法形成流水化的高效作业。 开放的冷藏库里,面包、龙虾和榴莲裸露的存储在一起,没有任何封装和隔离,长久下去面包有了龙虾味儿,龙虾有了榴莲味。 从这两个例子里,我们不难看出,在空间资源一定的条件下,需要根据不同的需求进行重新规划,已充分发挥最大的利用效率。在计算机领域,就存在一种技术可以解决上面的问题,那就是"虚拟化技术"。 虚拟化(Virtualization)技术最早出现在20世纪60年代的...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS7设置SWAP分区,小内存服务器的救世主
- Docker安装Oracle12C,快速搭建Oracle学习环境
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- CentOS7编译安装Gcc9.2.0,解决mysql等软件编译问题
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- CentOS8安装MyCat,轻松搞定数据库的读写分离、垂直分库、水平分库
- SpringBoot2整合Thymeleaf,官方推荐html解决方案
- Mario游戏-低调大师作品
- 2048小游戏-低调大师作品
- SpringBoot2初体验,简单认识spring boot2并且搭建基础工程