分享一个趣味性十足的Python可视化技巧("Python趣味可视化技巧大揭秘：轻松玩转数据展示")

原创

ithorizon 6个月前 (10-20) 阅读数 15 #后端开发

Python趣味可视化技巧大揭秘：轻松玩转数据展示

一、引言

在当今这个数据驱动的时代，数据的可视化已经成为一种重要的信息传达对策。Python作为一种功能强盛的编程语言，提供了许多用于数据可视化的库，如Matplotlib、Seaborn、Plotly等。本文将介绍一些趣味性十足的Python可视化技巧，帮助您轻松玩转数据展示。

二、使用Matplotlib绘制动态数据可视化

Matplotlib是Python中最常用的数据可视化库之一。通过它，我们可以绘制出各种静态的图表。但你知道吗？Matplotlib也可以用于创建动态的图表。

2.1 动态更新图表

以下是一个使用Matplotlib绘制动态更新的图表的示例代码：


import numpy as np
import matplotlib.pyplot as plt
import matplotlib.animation as animation
fig, ax = plt.subplots()
xdata, ydata = [], []
ln, = plt.plot([], [], 'r-', animated=True)
def init():
    ax.set_xlim(0, 10)
    ax.set_ylim(-1, 1)
    return ln,
def update(frame):
    xdata.append(frame)
    ydata.append(np.sin(frame))
    ln.set_data(xdata, ydata)
    return ln,
ani = animation.FuncAnimation(fig, update, frames=np.linspace(0, 10, 100),
                              init_func=init, blit=True)
plt.show()

2.2 实现动态散点图

动态散点图可以用于展示数据点的变化趋势。以下是一个示例代码：


import numpy as np
import matplotlib.pyplot as plt
import matplotlib.animation as animation
fig, ax = plt.subplots()
xdata, ydata = [], []
ln, = plt.plot([], [], 'ro', animated=True)
def init():
    ax.set_xlim(0, 10)
    ax.set_ylim(0, 10)
    return ln,
def update(frame):
    xdata.append(frame[0])
    ydata.append(frame[1])
    ln.set_data(xdata, ydata)
    return ln,
frames = np.random.rand(100, 2) * 10
ani = animation.FuncAnimation(fig, update, frames=frames,
                              init_func=init, blit=True)
plt.show()

三、使用Seaborn绘制精美的统计图表

Seaborn是基于Matplotlib的一个高级可视化库，它提供了许多精美的统计图表。下面我们将使用Seaborn绘制一些有趣的图表。

3.1 绘制箱线图

箱线图可以直观地展示数据的分布情况。以下是一个绘制箱线图的示例代码：


import seaborn as sns
import matplotlib.pyplot as plt
tips = sns.load_dataset("tips")
sns.boxplot(x="day", y="total_bill", data=tips)
plt.show()

3.2 绘制热力图

热力图可以用于展示矩阵数据。以下是一个绘制热力图的示例代码：


import seaborn as sns
import matplotlib.pyplot as plt
corr = np.corrcoef(np.random.randn(10, 200))
sns.heatmap(corr, annot=True, cmap="YlGnBu")
plt.show()

四、使用Plotly创建交互式图表

Plotly是一个可以创建交互式图表的库，它赞成多种图表类型，如折线图、柱状图、散点图等。

4.1 创建交互式散点图

以下是一个使用Plotly创建交互式散点图的示例代码：


import plotly.express as px
import pandas as pd
df = pd.DataFrame({
    'x': np.random.rand(100),
    'y': np.random.rand(100),
    'label': np.random.choice(['A', 'B', 'C'], 100)
})
fig = px.scatter(df, x='x', y='y', color='label', size='label', hover_data=['x', 'y'])
fig.show()

4.2 创建交互式3D图表

Plotly还赞成创建3D图表，以下是一个创建交互式3D散点图的示例代码：


import plotly.graph_objects as go
import numpy as np
x = np.random.normal(0, 1, 100)
y = np.random.normal(0, 1, 100)
z = np.random.normal(0, 1, 100)
fig = go.Figure(data=[go.Scatter3d(x=x, y=y, z=z, mode='markers')])
fig.update_layout(margin=dict(l=0, r=0, b=0, t=0))
fig.show()