您應該了解的頂級 Python 數據可視化庫

Python 可以用數據做很多事情。 它的眾多功能之一是可視化。 它有多個可用於此目的的庫。 在本文中，我們將看看它的一些著名庫以及您可以通過它們繪製的各種圖表。

Python 數據可視化

我們在本文中分享了多個示例，請務必使用數據集進行嘗試。 讓我們開始吧：

Python 數據可視化庫

Python 有許多庫可以創建漂亮的圖形。 它們都具有增強其性能和功能的各種功能。 它們適用於所有技能水平。 這意味著無論您是初學者還是高級程序員，您都可以在 Python 中執行數據可視化。 以下是一些著名的庫：

• 海博恩
• Matplotlib
• 熊貓

還有許多其他用於數據科學的 Python 庫，但我們暫時專注於突出的庫。 我們現在將討論這些不同的庫，並了解如何使用它們和 Python 繪製圖形。 讓我們開始吧。

Matplotlib

最流行的用於繪製圖形的 Python 庫是 Matplotlib。 它不需要太多經驗，對於初學者來說，它是完美的。 你可以通過這個庫開始學習數據可視化，掌握各種圖表和可視化。 它給了你很大的自由，但你也必須編寫很多代碼。

人們使用 Matplotlib 進行簡單的可視化，例如條形圖和直方圖。

閱讀：Python 中的數據框

折線圖

要創建折線圖，您需要使用“繪圖”方法。 通過循環列，您可以在圖表中創建多個列。 為此目的使用以下代碼：

# 獲取要繪製的列

列 = iris.columns.drop(['class'])

# 創建 x 個數據

x_data = range(0, iris.shape[0])

# 創建圖形和軸

無花果，斧頭 = plt.subplots()

# 繪製每一列

對於列中的列：

ax.plot(x_data, iris[column], label=column)

# 設置標題和圖例

ax.set_title('虹膜數據集')

斧頭傳奇（）

散點圖

您可以使用 'scatter' 方法創建散點圖。 您應該通過“plt.subplots”創建一個軸和一個圖形，以提供您的繪圖標籤和標題。

使用以下代碼：

# 創建圖形和軸

無花果，斧頭 = plt.subplots()

# 將 sepal_length 分散到 sepal_width

ax.scatter(iris['sepal_length'], iris['sepal_width'])

# 設置標題和標籤

ax.set_title('虹膜數據集')

ax.set_xlabel('sepal_length')

ax.set_ylabel('sepal_width')

您可以根據它們的類為數據點添加顏色。 為此，您需要製作一個從類映射到顏色的字典。 它也會通過使用 for 循環來分散每個點。

# 創建顏色字典

顏色 = {'Iris-setosa':'r', 'Iris-versicolor':'g', 'Iris-virginica':'b'}

# 創建圖形和軸

無花果，斧頭 = plt.subplots()

# 繪製每個數據點

對於我在範圍內（len（iris ['sepal_length']））：

ax.scatter(iris['sepal_length'][i], iris['sepal_width'][i],color=colors[iris['class'][i]])

# 設置標題和標籤

ax.set_title('虹膜數據集')

ax.set_xlabel('sepal_length')

ax.set_ylabel('sepal_width')

直方圖

您可以使用 'hist' 方法在 Matplotlib 中創建直方圖。 如果我們給它分類數據，它可以計算每個類出現的頻率。 這是在 Matplotlib 中繪製直方圖所需的代碼：

# 創建圖形和軸

無花果，斧頭 = plt.subplots()

# 繪製直方圖

ax.hist(wine_reviews['points'])

# 設置標題和標籤

ax.set_title('酒評分數')

ax.set_xlabel('點')

ax.set_ylabel('頻率')

條形圖

Matplotlib 具有繪製不同圖形的簡單方法。 例如，在這種情況下，要在 Matplotlib 中創建條形圖，您需要使用“bar”。 它不能自動計算類別的頻率，所以你需要使用'value_counts'函數來解決這個問題。 如果您的數據類型不多，那麼條形圖將非常適合其可視化。

# 創建圖形和軸

無花果，斧頭 = plt.subplots()

# 統計每個類的出現次數

數據 = wine_reviews['points'].value_counts()

# 獲取 x 和 y 數據

點 = data.index

頻率 = data.values

# 創建條形圖

ax.bar（點，頻率）

# 設置標題和標籤

ax.set_title('酒評分數')

ax.set_xlabel('點')

ax.set_ylabel('頻率')

熊貓

Pandas 是一個 Python 庫，在數據分析和操作方面很受歡迎。 它是一個開源庫，因此您可以免費使用它。 它於 2008 年進入市場，從那時起，它已成為最受歡迎的數據結構化庫之一。

通過使用 pandas 數據框，您可以輕鬆地為您的數據創建圖表。 它的 API 比 Matplotlib 更先進。 這意味著您可以在 Pandas 中使用比在 Matplotlib 中更少的代碼創建圖形。

條形圖

在 Pandas 中，您需要使用 'plot.bar()' 方法來繪製條形圖。 首先，您需要通過“value_count()”計算情節中的出現次數，然後使用“sort_index()”對它們進行排序。 這是創建條形圖的示例代碼：

random_reviews['points'].value_counts().sort_index().plot.bar()

您可以使用 'plot.barh()' 方法在 Pandas 中創建水平條形圖：

random_reviews['points'].value_counts().sort_index().plot.barh()

您也可以通過出現次數繪製數據：

random_reviews.groupby(“國家”).price.mean().sort_values(ascending=False)[:5].plot.bar()

折線圖

您需要使用 '<dataframe>.plot.line()' 在 Pandas 中創建折線圖，在 Pandas 中，您不需要遍歷需要繪製的每一列，因為它可以自動執行此操作。 此功能在 Matplotlib 中不可用。 這是代碼：

random.drop(['class'],axis=1).plot.line(title='隨機數據集')

散點圖

您可以使用“<dataset>.plot.scatter()”在 Pandas 中創建散點圖。 您需要向它傳遞兩個參數，即 x 列和 y 列的名稱。

這是它的例子：

random.plot.scatter(x='sepal_length', y='sepal_width', title=”隨機數據集')

直方圖

使用“plot.hist”在 Pandas 中創建直方圖。 除此之外，這種方法沒有太多內容。 您可以選擇創建單個直方圖或多個直方圖。

要創建一個直方圖，請使用以下代碼：

random_reviews['points'].plot.hist()

要創建多個直方圖，請使用：

random.plot.hist(subplots=True, layout=(2,2), figsize=(10, 10), bins=20)

海博恩

Seaborn 基於 Matplotlib，也是一個非常流行的用於數據可視化的 Python 庫。 它為您提供了高級界面來繪製數據。 它有很多特點。 它的高級功能使您可以使用比使用 Matplotlib 所需的更少的代碼行數創建出色的圖形。

直方圖

折線圖

您可以使用“sns.line plot”方法在 Seaborn 中創建折線圖。 您可以使用“sns.kdeplot”方法對線條的曲線邊緣進行圓化。 如果它有很多異常值，它會保持你的情節非常乾淨。

sns.lineplot(data=random.drop(['class'],axis=1))

散點圖

在 Seaborn 中，您可以通過 '.scatterplot' 方法創建散點圖。 在這種情況下，您需要添加 x 和 y 列的名稱，就像我們對 Pandas 所做的那樣。 但是有區別。 我們不能像在 Pandas 中那樣在數據上調用函數，因此我們需要將其作為附加參數傳遞。

sns.scatterplot(x='sepal_length', y='sepal_width', data=iris)

通過使用 'hue' 參數，您也可以突出顯示特定點。 這個功能在 Matplotlib 中並不容易。

sns.scatterplot（x='sepal_length'，y='sepal_width'，hue='class'，data=iris）

條形圖

您可以使用 'sns.countplot' 方法在 Seaborn 中創建條形圖：

sns.countplot(random_reviews['points'])

現在我們已經討論了 Python 中數據可視化的關鍵庫，我們可以看看其他形式的圖表。 Python 及其庫使您能夠創建各種圖形來繪製數據。

Python 中的其他類型的數據可視化

餅形圖

餅圖在圓的不同部分顯示數據。 你一定在學校看過很多餅圖。 餅圖以百分比表示數據。 餅圖所有部分的總和應等於 100%。 這是示例代碼：

plt.pie(df['Age'], labels = {“A”, “B”, “C”,

“D”、“E”、“F”、

“G”、“H”、“I”、“J”}、

autopct ='% 1.1f %%', shadow = True)

plt.show()

plt.pie(df['收入'], labels = {“A”, “B”, “C”,

“D”、“E”、“F”、

“G”、“H”、“I”、“J”}、

autopct ='% 1.1f %%', shadow = True)

plt.show()

plt.pie(df['Sales'], labels = {“A”, “B”, “C”,

“D”、“E”、“F”、

“G”、“H”、“I”、“J”}、

autopct ='% 1.1f %%', shadow = True)

plt.show()

箱線圖

箱線圖基於統計數據的最小值、第一四分位數、中位數、第三四分位數和最大值。 該圖看起來像一個盒子（更具體地說，是一個矩形）。 這就是為什麼它有“箱線圖”這個名字。 下面是創建箱線圖的示例代碼：

# 對於數據框的每個數字屬性

df.plot.box()

# 單個屬性箱線圖

plt.boxplot(df['收入'])

plt.show()

另請閱讀：每個 Python 開發人員都應該知道的 10 大 Python 工具

結論

我們希望您發現這篇文章很有用。 您可以通過 Python 及其各種庫繪製多種圖形。 如果你之前沒有進行過 Python 數據可視化，你應該從 Matplotlib 開始。 掌握它之後，您可以轉向更複雜和更高級的數據可視化庫，例如 Pandas 和 Seaborn。

如果您想了解 Python、數據科學，請查看 IIIT-B 和 upGrad 的數據科學 PG 文憑，該文憑專為在職專業人士而設，提供 10 多個案例研究和項目、實用的實踐研討會、與行業專家的指導，與行業導師一對一，400 多個小時的學習和頂級公司的工作協助。