建站
咨詢
售后
建站咨詢
新聞中心
為什么要寫這篇文章?
最近有不少粉絲來問我，Python繪圖庫太多，我知不知道學(xué)哪一個?即使我選擇了某一個繪圖庫后，我也不知道怎么學(xué)，我不知道第一步做什么，也不知道接下來該怎么做，四個字一學(xué)就忘。
成都創(chuàng)新互聯(lián)公司專注于中大型企業(yè)的成都網(wǎng)站建設(shè)、做網(wǎng)站和網(wǎng)站改版、網(wǎng)站營銷服務(wù)，追求商業(yè)策劃與數(shù)據(jù)分析、創(chuàng)意藝術(shù)與技術(shù)開發(fā)的融合，累計客戶上千家，服務(wù)滿意度達97%。幫助廣大客戶順利對接上互聯(lián)網(wǎng)浪潮，準確優(yōu)選出符合自己需要的互聯(lián)網(wǎng)運用，我們將一直專注成都品牌網(wǎng)站建設(shè)和互聯(lián)網(wǎng)程序開發(fā)，在前進的路上，與客戶一起成長！
其實這也是我當時很困擾的一個問題，我當時在學(xué)習完numpy和pandas后，就開始了matplotlib的學(xué)習。我反正是非常崩潰的，每次就感覺繪圖代碼怎么這么多，繪圖邏輯完全一團糟，不知道如何動手。
后面隨著自己反復(fù)的學(xué)習，我找到了學(xué)習Python繪圖庫的方法，那就是學(xué)習它的繪圖原理。正所謂：“知己知彼，百戰(zhàn)不殆”，學(xué)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matplotlib、seaborn、plotly、pyecharts的繪圖原理，讓大家學(xué)起來不再那么費勁!
1. matplotlib繪圖原理
關(guān)于matplotlib更詳細的繪圖說明，大家可以參考下面這篇文章，相信你看了以后一定學(xué)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(xué)習和理解，我將matplotlib繪圖原理高度總結(jié)為如下幾步：
① 導(dǎo)庫;
② 創(chuàng)建figure畫布對象;
③ 獲取對應(yīng)位置的axes坐標系對象;
④ 調(diào)用axes對象，進行對應(yīng)位置的圖形繪制;
⑤ 顯示圖形;
2)案例說明
- # 1.導(dǎo)入相關(guān)庫
- import matplotlib as mpl
- import matplotlib.pyplot as plt
- # 2.創(chuàng)建figure畫布對象
- figure = plt.figure()
- # 3.獲取對應(yīng)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(diào)用axes對象，進行對應(yīng)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(jié)果如下：
2. seaborn繪圖原理
在這四個繪圖庫里面，只有matplotlib和seaborn存在一定的聯(lián)系，其余繪圖庫之間都沒有任何聯(lián)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(xué)習seaborn之前，首先要知道m(xù)atplotlib的繪圖原理。由于seaborn是matplotlib的更高級的封裝，對于matplotlib的那些調(diào)優(yōu)參數(shù)設(shè)置，也都可以在使用seaborn繪制圖形之后使用。
我們知道，使用matplotlib繪圖，需要調(diào)節(jié)大量的繪圖參數(shù)，需要記憶的東西很多。而seaborn基于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(shù)，就可以繪制出很多比較精致的圖形。不僅如此，seaborn還兼容numpy、pandas數(shù)據(jù)結(jié)構(gòu)，在組織數(shù)據(jù)上起了很大作用，從而更大程度上的幫助我們完成數(shù)據(jù)可視化。
由于seaborn的繪圖原理，和matplotlib的繪圖原理一致，這里也就不詳細介紹了，大家可以參考上面matplotlib的繪圖原理，來學(xué)習seaborn究竟如何繪圖，這里還是提供一個網(wǎng)址給大家。
seaborn繪圖原理：http://suo.im/5D3VPX
1)案例說明
- # 1.導(dǎo)入相關(guān)庫
- import seaborn as sns
- import matplotlib.pyplot as plt
- df = pd.read_excel("data.xlsx",sheet_name="數(shù)據(jù)源")
- sns.set_style("dark")
- plt.rcParams["font.sans-serif"] = ["SimHei"]
- plt.rcParams["axes.unicode_minus"] = False
- # 注意：estimator表示對分組后的銷售數(shù)量求和。默認是求均值。
- sns.barplot(x="品牌",y="銷售數(shù)量",data=df,color="steelblue",orient="v",estimator=sum)
- plt.show()
結(jié)果如下：
注意：可以看到在上述的繪圖代碼中，你應(yīng)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(diào)整格式，都可以使用matplotlib中的方法進行調(diào)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是一個基于javascript的繪圖庫，plotly繪圖種類豐富，效果美觀;
- 易于保存與分享plotly的繪圖結(jié)果，并且可以與Web無縫集成;
- ploty默認的繪圖結(jié)果，是一個HTML網(wǎng)頁文件，通過瀏覽器可以直接查看;
它的繪圖原理和matplotlib、seaborn沒有任何關(guān)系，你需要單獨去學(xué)習它。同樣我還是提供了一個網(wǎng)址給你，讓你更詳細的學(xué)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(xué)習和理解，我將plotly繪圖原理高度總結(jié)為如下幾步：
① 繪制圖形軌跡，在ployly里面叫做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(chuàng)建畫布的同時，并將上述的軌跡列表，傳入到Figure()中。
④ 使用Layout()添加其他的繪圖參數(shù)，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里面叫做`trace`，每一個軌跡是一個trace。
- trace0 = go.Scatter(x=df["年份"],y=df["城鎮(zhèn)居民"],name="城鎮(zhèn)居民")
- trace1 = go.Scatter(x=df["年份"],y=df["農(nóng)村居民"],name="農(nóng)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(chuàng)建畫布的同時，并將上述的`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(shù)，完善圖形。
- fig.update_layout(
- title="城鄉(xiāng)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(jié)果如下：
4. pyecharts繪圖原理
Echarts是一個由百度開源的數(shù)據(jù)可視化工具，憑借著良好的交互性，精巧的圖表設(shè)計，得到了眾多開發(fā)者的認可。而python是一門富有表達力的語言，很適合用于數(shù)據(jù)處理。當數(shù)據(jù)分析遇上了數(shù)據(jù)可視化時，pyecharts誕生了。
pyecharts分為v0.5和v1兩個大版本，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(xué)習盡量都是基于v1版本進行操作。
和plotly一樣，pyecharts的繪圖原理也是完全不同于matplotlib和seaborn，我們需要額外的去學(xué)習它們的繪圖原理，基于此，同樣提供一個網(wǎng)址給你，讓你更詳細的學(xué)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(xué)習和理解，我將plotly繪圖原理高度總結(jié)為如下幾步：
① 選擇圖表類型;
② 聲明圖形類并添加數(shù)據(jù);
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(dǎo)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(shù)據(jù)，分別給x,y軸添加數(shù)據(jù)；
- .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()用于顯示及保存圖表；
結(jié)果如下：
小結(jié)
通過上面的學(xué)習，我相信肯定會讓大家對于這些庫的繪圖原理，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后，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。
文章名稱：深度講解Python四大常用繪圖庫的“繪圖原理”
鏈接地址：http://www.dlmjj.cn/article/ccoeosi.html
