Python 数据可视化

Python 提供了多种强大的库用于数据可视化，常用的库包括 Matplotlib、Seaborn、Plotly、Pandas 和 Bokeh 等。以下是这些库的简介和一些常见的数据可视化示例。

1. Matplotlib

Matplotlib 是 Python 中最常用的绘图库，提供了类似 MATLAB 的绘图接口。

示例：绘制折线图

import matplotlib.pyplot as plt

# 数据
x = [1, 2, 3, 4, 5]
y = [10, 20, 25, 30, 40]

# 创建图形
plt.plot(x, y, marker='o', linestyle='-', color='b', label='Line Chart')

# 添加标题和标签
plt.title("Simple Line Chart")
plt.xlabel("X Axis")
plt.ylabel("Y Axis")

# 显示图例
plt.legend()

# 显示图形
plt.show()

示例：绘制柱状图

import matplotlib.pyplot as plt

# 数据
categories = ['A', 'B', 'C', 'D']
values = [15, 25, 30, 20]

# 创建柱状图
plt.bar(categories, values, color='skyblue')

# 添加标题和标签
plt.title("Bar Chart")
plt.xlabel("Categories")
plt.ylabel("Values")

# 显示图形
plt.show()

2. Seaborn

Seaborn 是基于 Matplotlib 的高级绘图库，提供了更美观的默认样式和更简单的接口。

示例：绘制散点图

import seaborn as sns
import pandas as pd

# 数据
data = pd.DataFrame({
    'X': [1, 2, 3, 4, 5],
    'Y': [10, 20, 25, 30, 40]
})

# 绘制散点图
sns.scatterplot(x='X', y='Y', data=data)

# 显示图形
plt.show()

示例：绘制热力图

import seaborn as sns
import numpy as np

# 数据
data = np.random.rand(5, 5)

# 绘制热力图
sns.heatmap(data, annot=True, cmap='coolwarm')

# 显示图形
plt.show()

3. Plotly

Plotly 是一个交互式绘图库，支持生成动态和交互式图表。

示例：绘制交互式折线图

import plotly.express as px
import pandas as pd

# 数据
df = pd.DataFrame({
    'X': [1, 2, 3, 4, 5],
    'Y': [10, 20, 25, 30, 40]
})

# 绘制折线图
fig = px.line(df, x='X', y='Y', title="Interactive Line Chart")

# 显示图形
fig.show()

示例：绘制交互式散点图

import plotly.express as px
import pandas as pd

# 数据
df = pd.DataFrame({
    'X': [1, 2, 3, 4, 5],
    'Y': [10, 20, 25, 30, 40],
    'Category': ['A', 'B', 'A', 'B', 'A']
})

# 绘制散点图
fig = px.scatter(df, x='X', y='Y', color='Category', title="Interactive Scatter Plot")

# 显示图形
fig.show()

4. Pandas

Pandas 内置了基于 Matplotlib 的简单绘图功能，适合快速可视化。

示例：绘制直方图

import pandas as pd
import numpy as np

# 数据
data = pd.Series(np.random.randn(1000))

# 绘制直方图
data.hist(bins=30, color='skyblue')

# 显示图形
plt.show()

5. Bokeh

Bokeh 是一个用于创建交互式图表的库，特别适合在网页中展示。

示例：绘制交互式折线图

from bokeh.plotting import figure, show
from bokeh.io import output_notebook

# 启用 Notebook 输出
output_notebook()

# 数据
x = [1, 2, 3, 4, 5]
y = [10, 20, 25, 30, 40]

# 创建图形
p = figure(title="Interactive Line Chart", x_axis_label='X', y_axis_label='Y')
p.line(x, y, legend_label="Line", line_width=2)

# 显示图形
show(p)

6. 综合示例：使用多种库绘制图形

以下是一个综合示例，展示如何使用 Matplotlib、Seaborn 和 Plotly 绘制同一组数据的不同图形。

import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
import pandas as pd

# 数据
data = pd.DataFrame({
    'X': [1, 2, 3, 4, 5],
    'Y': [10, 20, 25, 30, 40]
})

# Matplotlib 折线图
plt.plot(data['X'], data['Y'], marker='o')
plt.title("Matplotlib Line Chart")
plt.show()

# Seaborn 散点图
sns.scatterplot(x='X', y='Y', data=data)
plt.title("Seaborn Scatter Plot")
plt.show()

# Plotly 交互式折线图
fig = px.line(data, x='X', y='Y', title="Plotly Interactive Line Chart")
fig.show()

总结

• Matplotlib：适合基础绘图，功能强大但代码稍复杂。
• Seaborn：基于 Matplotlib，提供更美观的默认样式和高级图表。
• Plotly：适合创建交互式图表，支持动态展示。
• Pandas：适合快速可视化，内置简单绘图功能。
• Bokeh：适合创建交互式图表，特别适合网页展示。

根据你的需求选择合适的库进行数据可视化！