Python 中怎么繪制數據

Python 中怎么繪制數據，針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。

Matplotlib

Matplotlib 是最古老的 Python 繪圖庫，現在仍然是最流行的。它創建于 2003 年，是 SciPy Stack 的一部分，SciPy Stack 是一個類似于 Matlab 的開源科學計算庫。

Matplotlib 為你提供了對繪制的精確控制。例如，你可以在你的條形圖中定義每個條形圖的單獨的 X 位置。下面是繪制這個圖表的代碼(你可以在這里運行)：

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

這是用 Matplotlib 繪制的選舉結果：

Matplotlib plot of British election data

Seaborn

Seaborn 是 Matplotlib 之上的一個抽象層;它提供了一個非常整潔的界面，讓你可以非常容易地制作出各種類型的有用繪圖。

不過，它并沒有在能力上有所妥協!Seaborn 提供了訪問底層 Matplotlib 對象的逃生艙口，所以你仍然可以進行完全控制。

Seaborn 的代碼比原始的 Matplotlib 更簡單(可在此處運行)：

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

并生成這樣的圖表：

Seaborn plot of British election data

Plotly

Plotly 是一個繪圖生態系統，它包括一個 Python 繪圖庫。它有三個不同的接口：

• 一個面向對象的接口。

• 一個命令式接口，允許你使用類似 JSON 的數據結構來指定你的繪圖。

• 類似于 Seaborn 的高級接口，稱為 Plotly Express。

Plotly 繪圖被設計成嵌入到 Web 應用程序中。Plotly 的核心其實是一個 JavaScript 庫!它使用 D3 和 stack.gl 來繪制圖表。

你可以通過向該 JavaScript 庫傳遞 JSON 來構建其他語言的 Plotly 庫。官方的 Python 和 R 庫就是這樣做的。在 Anvil，我們將 Python Plotly API 移植到了 Web 瀏覽器中運行。

這是使用 Plotly 的源代碼(你可以在這里運行)：

import plotly.graph_objects as go     from votes import wide as df     #  Get a convenient list of x-values     years = df['year']     x = list(range(len(years)))     # Specify the plots     bar_plots = [         go.Bar(xx=x, y=df['conservative'], name='Conservative', marker=go.bar.Marker(color='#0343df')),         go.Bar(xx=x, y=df['labour'], name='Labour', marker=go.bar.Marker(color='#e50000')),         go.Bar(xx=x, y=df['liberal'], name='Liberal', marker=go.bar.Marker(color='#ffff14')),         go.Bar(xx=x, y=df['others'], name='Others', marker=go.bar.Marker(color='#929591')),     ]     # Customise some display properties     layout = go.Layout(         title=go.layout.Title(text="Election results", x=0.5),         yaxis_title="Seats",         xaxis_tickmode="array",         xaxis_tickvals=list(range(27)),         xaxis_ticktext=tuple(df['year'].values),     )     # Make the multi-bar plot     fig = go.Figure(data=bar_plots, layoutlayout=layout)     # Tell Plotly to render it     fig.show()

Bokeh

Bokeh(發音為 “BOE-kay”)擅長構建交互式繪圖，所以這個標準的例子并沒有將其展現其最好的一面。和 Plotly 一樣，Bokeh 的繪圖也是為了嵌入到 Web 應用中，它以 HTML 文件的形式輸出繪圖。

下面是使用 Bokeh 的代碼(你可以在這里運行)：

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

圖表如下：

Bokeh plot of British election data

Altair

Altair 是基于一種名為 Vega 的聲明式繪圖語言(或“可視化語法”)。這意味著它具有經過深思熟慮的 API，可以很好地擴展復雜的繪圖，使你不至于在嵌套循環的地獄中迷失方向。

與 Bokeh 一樣，Altair 將其圖形輸出為 HTML 文件。這是代碼(你可以在這里運行)：

import altair as alt     from votes import long as df     # Set up the colourmap     cmap = {         'Conservative': '#0343df',         'Labour': '#e50000',         'Liberal': '#ffff14',         'Others': '#929591',     }     # Cast years to strings     df['year'] = df['year'].astype(str)     # Here's where we make the plot     chart = alt.Chart(df).mark_bar().encode(         x=alt.X('party', title=None),         y='seats',         column=alt.Column('year', sort=list(df['year']), title=None),         color=alt.Color('party', scale=alt.Scale(domain=list(cmap.keys()), range=list(cmap.values())))     )     # Save it as an HTML file.     chart.save('altair-elections.html')

結果圖表：

Altair plot of British election dataPygal

Pygal

專注于視覺外觀。它默認生成 SVG 圖，所以你可以無限放大它們或打印出來，而不會被像素化。Pygal 繪圖還內置了一些很好的交互性功能，如果你想在 Web 應用中嵌入繪圖，Pygal 是另一個被低估了的候選者。

代碼是這樣的(你可以在這里運行它)：

import pygal    from pygal.style import Style    from votes import wide as df    # Define the style    custom_style = Style(        colors=('#0343df', '#e50000', '#ffff14', '#929591')        font_family='Roboto,Helvetica,Arial,sans-serif',        background='transparent',        label_font_size=14,    )    # Set up the bar plot, ready for data    c = pygal.Bar(        title="UK Election Results",        style=custom_style,        y_title='Seats',        width=1200,        x_label_rotation=270,    )    # Add four data sets to the bar plot    c.add('Conservative', df['conservative'])    c.add('Labour', df['labour'])    c.add('Liberal', df['liberal'])    c.add('Others', df['others'])    # Define the X-labels    c.x_labels = df['year']    # Write this to an SVG file    c.render_to_file('pygal.svg')

繪制結果：

Pygal plot of British election data

Pandas

Pandas 是 Python 的一個極其流行的數據科學庫。它允許你做各種可擴展的數據處理，但它也有一個方便的繪圖 API。因為它直接在數據幀上操作，所以 Pandas 的例子是本文中最簡潔的代碼片段，甚至比 Seaborn 的代碼還要短!

Pandas API 是 Matplotlib 的一個封裝器，所以你也可以使用底層的 Matplotlib API 來對你的繪圖進行精細的控制。

這是 Pandas 中的選舉結果圖表。代碼精美簡潔!

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

繪圖結果：

關于Python 中怎么繪制數據問題的解答就分享到這里了，希望以上內容可以對大家有一定的幫助，如果你還有很多疑惑沒有解開，可以關注億速云行業資訊頻道了解更多相關知識。