首页 > 脚本专栏 > python > python数据可视化

python实现数据可视化超详细讲解

2024-06-12 09:50:05 作者：在线OJ的阿川

Python的数据可视化是将数据以图形或图表的形式呈现,使复杂的信息更易于理解和分析,本文给大家详细介绍了python数据可视化的实现,文中通过图文结合的方式介绍的非常详细,需要的朋友可以参考下

可视化介绍

可视化是数据分析中 很重要 的一个环节

一图胜千言
- 发现隐藏的关系、趋势、影响
- 可视化本身也是一种探索数据，分析数据的方式
可视化中的图表可从维度主要分为一维图表和二维图表和多维图表及互相对比图表

在这里插入图片描述

主要用的库为：seaborn和matplotlib
- 在cmd中安装pip install seaborn和pip install matplotlib

请添加图片描述

阿里云的镜像源：

pip config set global.index-url https://mirrors.aliyun.com/pypi/simple/

在jupyter中导入
- import seaborn as sns
- import matplotlib.pyplot as plt
  - 大部分我们使用的功能都在pyplot的子模板下

请添加图片描述

一维图表

一维图表

直方图 Histogram
- 表示数据分布
  - 有助于展示数据频率分布
- 横轴：数据范围
- 纵轴：个数
- 即一个数值变量.

在这里插入图片描述

sns.histplot（变量名）

请添加图片描述

密度图 KernelDensity
- 表示数据分布
  - 用平滑的曲线，更易看出分布形状

在这里插入图片描述

sns.kdeplot（变量名）

在这里插入图片描述

箱型图 BoxPlot

在这里插入图片描述

其中上界为最大值或者上界等于第三四分位数加上1.5×四分位距，跟上界进行比较，谁小取谁，作为上界

在这里插入图片描述

其中下界为最小值或者下界等于第一四分位数减去1.5×四分位距，跟下界进行比较，谁大取谁，作为下界

在这里插入图片描述

这样做的好处是可以帮助我们发现数据当中的异常值

sns.boxplot（变量名）

请添加图片描述

小提琴图 ViolinPlot
- 结合了密度图、直方图、箱形图
- 横轴：数据分布
- 纵轴：概率密度

在这里插入图片描述

sns.violinplot（变量名）

在这里插入图片描述

补充的话

上述这些一维图表中参数可以传入DataFrame
（DataFrame名，x=" “，y=” "）

在这里插入图片描述

若要更改一维图表中的标题标签
plt.title（" "）
更改 x轴标签
plt.xlabel（" "）
更改 y轴标签
plt.ylabel（" "）

在这里插入图片描述

因为matplotlib库中默认的字体，它不支持中文，所以要自己手动更换支持中文的字体
查看支持中文的字体，如下:

import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib.font_manager import FontManager

font_manager = FontManager()
print(set(f.name for f in font_manager.ttflist))

更换字体，如下:

matplotlib.rc("font",family='Heiti TC')

二维图表

折线图 LinePlot
- 用于展示连续间隔或时间跨度上数值的变化，从而看出趋势变化
- 两个 数值变量
- 加一个颜色，即可多表示一个分类变量

在这里插入图片描述

sns.lineplot（data=DataFrame名，x=" “，y=” "）

在这里插入图片描述

饼图 PiePlot
- 展示各个分类对应数值之间的比例
- 一个分类变量，一个数值变量

在这里插入图片描述

plt.pie（DataFrame名[“数值变量列]”，labels=DataFrame名[“分类变量列”]）
- autopct="%.1f%%" 该参数可以显示百分比，%可以告诉系统，这是用来展示格式字符串，%%告诉系统，这是百分比结尾

在这里插入图片描述