我的编程空间,编程开发者的网络收藏夹
学习永远不晚

用 Python 绘制数据的7种流行的方法

短信预约 -IT技能 免费直播动态提醒
省份

北京

  • 北京
  • 上海
  • 天津
  • 重庆
  • 河北
  • 山东
  • 辽宁
  • 黑龙江
  • 吉林
  • 甘肃
  • 青海
  • 河南
  • 江苏
  • 湖北
  • 湖南
  • 江西
  • 浙江
  • 广东
  • 云南
  • 福建
  • 海南
  • 山西
  • 四川
  • 陕西
  • 贵州
  • 安徽
  • 广西
  • 内蒙
  • 西藏
  • 新疆
  • 宁夏
  • 兵团
手机号立即预约

请填写图片验证码后获取短信验证码

看不清楚,换张图片

免费获取短信验证码

用 Python 绘制数据的7种流行的方法

本指南将帮助你决定。

它将向你展示如何使用四个最流行的 Python 绘图库:Matplotlib、Seaborn、Plotly 和 Bokeh,再加上两个值得考虑的优秀的后起之秀:Altair,拥有丰富的 API;Pygal,拥有漂亮的 SVG 输出。我还会看看 Pandas 提供的非常方便的绘图 API。

对于每一个库,我都包含了源代码片段,以及一个使用 Anvil 的完整的基于 Web 的例子。Anvil 是我们的平台,除了 Python 之外,什么都不用做就可以构建网络应用。让我们一起来看看。

示例绘图

每个库都采取了稍微不同的方法来绘制数据。为了比较它们,我将用每个库绘制同样的图,并给你展示源代码。对于示例数据,我选择了这张 1966 年以来英国大选结果的分组柱状图。

Bar chart of British election data我从维基百科上整理了英国选举史的数据集:从 1966 年到 2019 年,保守党、工党和自由党(广义)在每次选举中赢得的英国议会席位数,加上“其他”赢得的席位数。你可以以 CSV 文件格式下载它。

Matplotlib

Matplotlib 是最古老的 Python 绘图库,现在仍然是最流行的。它创建于 2003 年,是 SciPy Stack 的一部分,SciPy Stack 是一个类似于 Matlab 的开源科学计算库。

Matplotlib 为你提供了对绘制的精确控制。例如,你可以在你的条形图中定义每个条形图的单独的 X 位置。下面是绘制这个图表的代码(你可以在这里运行):

  1. import matplotlib.pyplot as plt 
  2.    import numpy as np 
  3.    from votes import wide as df 
  4.    # Initialise a figure. subplots() with no args gives one plot. 
  5.    fig, ax = plt.subplots() 
  6.    # A little data preparation 
  7.    years = df['year'] 
  8.    x = np.arange(len(years)) 
  9.    # Plot each bar plot. Note: manually calculating the 'dodges' of the bars 
  10.    ax.bar(x - 3*width/2, df['conservative'], width, label='Conservative'color='#0343df'
  11.    ax.bar(x - width/2, df['labour'], width, label='Labour'color='#e50000'
  12.    ax.bar(x + width/2, df['liberal'], width, label='Liberal'color='#ffff14'
  13.    ax.bar(x + 3*width/2, df['others'], width, label='Others'color='#929591'
  14.    # Customise some display properties 
  15.    ax.set_ylabel('Seats') 
  16.    ax.set_title('UK election results') 
  17.    ax.set_xticks(x)    # This ensures we have one tick per year, otherwise we get fewer 
  18.    ax.set_xticklabels(years.astype(str).values, rotation='vertical'
  19.    ax.legend() 
  20.    # Ask Matplotlib to show the plot 
  21.    plt.show() 

这是用 Matplotlib 绘制的选举结果:

Matplotlib plot of British election data

Seaborn

Seaborn 是 Matplotlib 之上的一个抽象层;它提供了一个非常整洁的界面,让你可以非常容易地制作出各种类型的有用绘图。

不过,它并没有在能力上有所妥协!Seaborn 提供了访问底层 Matplotlib 对象的逃生舱口,所以你仍然可以进行完全控制。

Seaborn 的代码比原始的 Matplotlib 更简单(可在此处运行):

  1. import seaborn as sns 
  2. from votes import long as df 
  3. # Some boilerplate to initialise things 
  4. sns.set() 
  5. plt.figure() 
  6. # This is where the actual plot gets made 
  7. ax = sns.barplot(data=dfx="year"y="seats"hue="party"palette=['blue', 'red', 'yellow', 'grey'], saturation=0.6) 
  8. # Customise some display properties 
  9. ax.set_title('UK election results') 
  10. ax.grid(color='#cccccc'
  11. ax.set_ylabel('Seats') 
  12. ax.set_xlabel(None) 
  13. ax.set_xticklabels(df["year"].unique().astype(str), rotation='vertical'
  14. # Ask Matplotlib to show it 
  15. plt.show() 

并生成这样的图表:

Seaborn plot of British election data

Plotly

Plotly 是一个绘图生态系统,它包括一个 Python 绘图库。它有三个不同的接口:

  • 一个面向对象的接口。
  • 一个命令式接口,允许你使用类似 JSON 的数据结构来指定你的绘图。
  • 类似于 Seaborn 的高级接口,称为 Plotly Express。

Plotly 绘图被设计成嵌入到 Web 应用程序中。Plotly 的核心其实是一个 JavaScript 库!它使用 D3 和 stack.gl 来绘制图表。

你可以通过向该 JavaScript 库传递 JSON 来构建其他语言的 Plotly 库。官方的 Python 和 R 库就是这样做的。在 Anvil,我们将 Python Plotly API 移植到了 Web 浏览器中运行。

这是使用 Plotly 的源代码(你可以在这里运行):

  1. import plotly.graph_objects as go 
  2.     from votes import wide as df 
  3.     #  Get a convenient list of x-values 
  4.     years = df['year'] 
  5.     x = list(range(len(years))) 
  6.     # Specify the plots 
  7.     bar_plots = [ 
  8.         go.Bar(xx=x, y=df['conservative'], name='Conservative'marker=go.bar.Marker(color='#0343df')), 
  9.         go.Bar(xx=x, y=df['labour'], name='Labour'marker=go.bar.Marker(color='#e50000')), 
  10.         go.Bar(xx=x, y=df['liberal'], name='Liberal'marker=go.bar.Marker(color='#ffff14')), 
  11.         go.Bar(xx=x, y=df['others'], name='Others'marker=go.bar.Marker(color='#929591')), 
  12.     ] 
  13.     # Customise some display properties 
  14.     layout = go.Layout( 
  15.         title=go.layout.Title(text="Election results"x=0.5), 
  16.         yaxis_title="Seats"
  17.         xaxis_tickmode="array"
  18.         xaxis_tickvals=list(range(27)), 
  19.         xaxis_ticktext=tuple(df['year'].values), 
  20.     ) 
  21.     # Make the multi-bar plot 
  22.     fig = go.Figure(data=bar_plotslayoutlayout=layout) 
  23.     # Tell Plotly to render it 
  24.     fig.show() 

Bokeh

Bokeh(发音为 “BOE-kay”)擅长构建交互式绘图,所以这个标准的例子并没有将其展现其最好的一面。和 Plotly 一样,Bokeh 的绘图也是为了嵌入到 Web 应用中,它以 HTML 文件的形式输出绘图。

下面是使用 Bokeh 的代码(你可以在这里运行):

  1. from bokeh.io import show, output_file 
  2.    from bokeh.models import ColumnDataSource, FactorRange, HoverTool 
  3.    from bokeh.plotting import figure 
  4.    from bokeh.transform import factor_cmap 
  5.    from votes import long as df 
  6.    # Specify a file to write the plot to 
  7.    output_file("elections.html") 
  8.    # Tuples of groups (year, party) 
  9.    x = [(str(r[1]['year']), r[1]['party']) for r in df.iterrows()] 
  10.    y = df['seats'] 
  11.    # Bokeh wraps your data in its own objects to support interactivity 
  12.    source = ColumnDataSource(data=dict(xx=x, yy=y)) 
  13.    # Create a colourmap 
  14.    cmap = { 
  15.        'Conservative': '#0343df', 
  16.        'Labour': '#e50000', 
  17.        'Liberal': '#ffff14', 
  18.        'Others': '#929591', 
  19.    } 
  20.    fill_color = factor_cmap('x', palette=list(cmap.values()), factors=list(cmap.keys()), start=1end=2
  21.    # Make the plot 
  22.    p = figure(x_range=FactorRange(*x), width=1200title="Election results"
  23.    p.vbar(x='x'top='y'width=0.9, sourcesource=source, fill_colorfill_color=fill_color, line_color=fill_color
  24.    # Customise some display properties 
  25.    p.y_range.start = 0 
  26.    p.x_range.range_padding = 0.1 
  27.    p.yaxis.axis_label = 'Seats' 
  28.    p.xaxis.major_label_orientation = 1 
  29.    p.xgrid.grid_line_color = None 

图表如下:

Bokeh plot of British election data

Altair

Altair 是基于一种名为 Vega 的声明式绘图语言(或“可视化语法”)。这意味着它具有经过深思熟虑的 API,可以很好地扩展复杂的绘图,使你不至于在嵌套循环的地狱中迷失方向。

与 Bokeh 一样,Altair 将其图形输出为 HTML 文件。这是代码(你可以在这里运行):

  1. import altair as alt 
  2.     from votes import long as df 
  3.     # Set up the colourmap 
  4.     cmap = { 
  5.         'Conservative': '#0343df', 
  6.         'Labour': '#e50000', 
  7.         'Liberal': '#ffff14', 
  8.         'Others': '#929591', 
  9.     } 
  10.     # Cast years to strings 
  11.     df['year'] = df['year'].astype(str) 
  12.     # Here's where we make the plot 
  13.     chart = alt.Chart(df).mark_bar().encode( 
  14.         x=alt.X('party', title=None), 
  15.         y='seats'
  16.         column=alt.Column('year', sort=list(df['year']), title=None), 
  17.         color=alt.Color('party', scale=alt.Scale(domain=list(cmap.keys()), range=list(cmap.values()))) 
  18.     ) 
  19.     # Save it as an HTML file. 
  20.     chart.save('altair-elections.html') 

结果图表:

Altair plot of British election dataPygal

Pygal

专注于视觉外观。它默认生成 SVG 图,所以你可以无限放大它们或打印出来,而不会被像素化。Pygal 绘图还内置了一些很好的交互性功能,如果你想在 Web 应用中嵌入绘图,Pygal 是另一个被低估了的候选者。

代码是这样的(你可以在这里运行它):

  1. import pygal 
  2.    from pygal.style import Style 
  3.    from votes import wide as df 
  4.    # Define the style 
  5.    custom_style = Style
  6.        colors=('#0343df', '#e50000', '#ffff14', '#929591') 
  7.        font_family='Roboto,Helvetica,Arial,sans-serif'
  8.        background='transparent'
  9.        label_font_size=14
  10.    ) 
  11.    # Set up the bar plot, ready for data 
  12.    c = pygal.Bar( 
  13.        title="UK Election Results"
  14.        style=custom_style
  15.        y_title='Seats'
  16.        width=1200
  17.        x_label_rotation=270
  18.    ) 
  19.    # Add four data sets to the bar plot 
  20.    c.add('Conservative', df['conservative']) 
  21.    c.add('Labour', df['labour']) 
  22.    c.add('Liberal', df['liberal']) 
  23.    c.add('Others', df['others']) 
  24.    # Define the X-labels 
  25.    c.x_labels = df['year'] 
  26.    # Write this to an SVG file 
  27.    c.render_to_file('pygal.svg') 

绘制结果:

Pygal plot of British election data

Pandas

Pandas 是 Python 的一个极其流行的数据科学库。它允许你做各种可扩展的数据处理,但它也有一个方便的绘图 API。因为它直接在数据帧上操作,所以 Pandas 的例子是本文中最简洁的代码片段,甚至比 Seaborn 的代码还要短!

Pandas API 是 Matplotlib 的一个封装器,所以你也可以使用底层的 Matplotlib API 来对你的绘图进行精细的控制。

这是 Pandas 中的选举结果图表。代码精美简洁!

  1. from matplotlib.colors import ListedColormap 
  2.  from votes import wide as df 
  3.  cmap = ListedColormap(['#0343df', '#e50000', '#ffff14', '#929591']) 
  4.  ax = df.plot.bar(x='year'colormap=cmap
  5.  ax.set_xlabel(None) 
  6.  ax.set_ylabel('Seats') 
  7.  ax.set_title('UK election results') 
  8.  plt.show() 

绘图结果:

Pandas plot of British election data要运行这个例子,请看这里

以你的方式绘制

Python 提供了许多绘制数据的方法,无需太多的代码。虽然你可以通过这些方法快速开始创建你的绘图,但它们确实需要一些本地配置。如果需要,Anvil 为 Python 开发提供了精美的 Web 体验。祝你绘制愉快!

 

 

 

免责声明:

① 本站未注明“稿件来源”的信息均来自网络整理。其文字、图片和音视频稿件的所属权归原作者所有。本站收集整理出于非商业性的教育和科研之目的,并不意味着本站赞同其观点或证实其内容的真实性。仅作为临时的测试数据,供内部测试之用。本站并未授权任何人以任何方式主动获取本站任何信息。

② 本站未注明“稿件来源”的临时测试数据将在测试完成后最终做删除处理。有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341

用 Python 绘制数据的7种流行的方法

下载Word文档到电脑,方便收藏和打印~

下载Word文档

猜你喜欢

用 Python 绘制数据的7种流行的方法

本篇文章比较七个在 Python 中绘图的库和 API,看看哪个最能满足你的需求。

利用matplotlib+numpy绘制多种绘图的方法实例

前言 matplotlib 是Python最著名的绘图库,它提供了一整套和matlab相似的命令API,十分适合交互式地进行制图。本文将以例子的形式分析matplot中支持的,分析中常用的几种图。其中包括填充图、散点图(scatter pl
2022-06-04

技巧 | 6种常用的地图绘制方法

今天来讲一讲在日常工作生活中我常用的几种绘制地图的方法,下面我将介绍下面这些可视化库的地图绘制方法,当然绘制漂亮的可视化地图还有很多优秀的类库,没有办法一一列举pyecharts、plotly、folium、bokeh、basemap、ge
2023-08-10

中小企业使用数据分析进行支出跟踪的7种方法

使用大数据的最重要好处之一就是支出跟踪,这将有助于许多资金短缺的中小企业在经济衰退中变得更有弹性。

怎么用Python中的Pandas库绘制数据

本篇内容主要讲解“怎么用Python中的Pandas库绘制数据”,感兴趣的朋友不妨来看看。本文介绍的方法操作简单快捷,实用性强。下面就让小编来带大家学习“怎么用Python中的Pandas库绘制数据”吧!pandas是一个强大的分析结构化数
2023-06-27

一行 Python 代码实现数据清洗的18种方法

今天,我们就来学习如何用一行代码完成数据清洗的十八个小绝招。准备好,让我们一起化繁为简,成为数据清洗的高手!

python利用matplotlib库绘制饼图的方法示例

介绍 matplotlib 是python最著名的绘图库,它提供了一整套和matlab相似的命令API,十分适合交互式地进行制图。而且也可以方便地将它作为绘图控件,嵌入GUI应用程序中。 它的文档相当完备,并且 Gallery页面 中有上百
2022-06-04

解锁 VUE 的潜力:用数据绘制您的想法

使用 Vue.js 的数据可视化功能可以将复杂的数据转化为引人入胜且易于理解的图形表示。通过使用图表库和交互式组件,您可以创建动态的、响应式的可视化效果,从而提升用户体验并增强决策制定。
解锁 VUE 的潜力:用数据绘制您的想法
2024-03-06

用Python的两种方法进行方差分析

方差分析就是根据试验的结果进行分析,鉴别各个有关因素对试验结果影响的有效方法,本文主要讲述如何用python中的两种方法来进行方差分析。

使用ECharts和Python接口绘制漏斗图的方法

使用ECharts和Python接口绘制漏斗图的方法在数据可视化中,漏斗图(Funnel Chart)被广泛用于描述一个过程中不同阶段或部分之间的数量变化。通过漏斗图,可以清晰地表示各个阶段之间的数量差异和转换率,帮助我们更好地了解数据背后
使用ECharts和Python接口绘制漏斗图的方法
2023-12-17

使用ECharts和Python接口绘制散点图的方法

使用ECharts和Python接口绘制散点图的方法ECharts是一款优秀的开源可视化库,基于JavaScript语言开发,通过简单的配置即可实现各种图表的绘制和交互效果。而Python则是一种功能强大的编程语言,具有丰富的数据处理和可视
使用ECharts和Python接口绘制散点图的方法
2023-12-17

编程热搜

  • Python 学习之路 - Python
    一、安装Python34Windows在Python官网(https://www.python.org/downloads/)下载安装包并安装。Python的默认安装路径是:C:\Python34配置环境变量:【右键计算机】--》【属性】-
    Python 学习之路 - Python
  • chatgpt的中文全称是什么
    chatgpt的中文全称是生成型预训练变换模型。ChatGPT是什么ChatGPT是美国人工智能研究实验室OpenAI开发的一种全新聊天机器人模型,它能够通过学习和理解人类的语言来进行对话,还能根据聊天的上下文进行互动,并协助人类完成一系列
    chatgpt的中文全称是什么
  • C/C++中extern函数使用详解
  • C/C++可变参数的使用
    可变参数的使用方法远远不止以下几种,不过在C,C++中使用可变参数时要小心,在使用printf()等函数时传入的参数个数一定不能比前面的格式化字符串中的’%’符号个数少,否则会产生访问越界,运气不好的话还会导致程序崩溃
    C/C++可变参数的使用
  • css样式文件该放在哪里
  • php中数组下标必须是连续的吗
  • Python 3 教程
    Python 3 教程 Python 的 3.0 版本,常被称为 Python 3000,或简称 Py3k。相对于 Python 的早期版本,这是一个较大的升级。为了不带入过多的累赘,Python 3.0 在设计的时候没有考虑向下兼容。 Python
    Python 3 教程
  • Python pip包管理
    一、前言    在Python中, 安装第三方模块是通过 setuptools 这个工具完成的。 Python有两个封装了 setuptools的包管理工具: easy_install  和  pip , 目前官方推荐使用 pip。    
    Python pip包管理
  • ubuntu如何重新编译内核
  • 改善Java代码之慎用java动态编译

目录