黑马程序员Python教程：python5种可视化工具.doc

实用标准文案 精彩文档 在 Python 中，将数据可视化有多种选择，正是因为这种多样性，何时选用何种方案才变得极具挑战性。本文包含了一些较为流行的工具以及如何使用它们来创建简单的条形图，我将使用下面几种工具来完成绘图示例： Pandas Seaborn ggplot Bokeh pygal 什么是 Matplotlib？ Matplotlib 是众多 Python 可视化包的鼻祖。其功能非常强大，同时也非常复杂。你可以使用 Matplotlib 去做任何你想做的事情，但是想要搞明白却并非易事。我不打算展示原生的 Matplotlib 例子，因为很多工具（特别是 Pandas 和 Seaborn）是基于 Matplotlib 的轻量级封装。 Pandas 首先，导入模块并将数据读入 budget DataFrame，将数据排序并取前10条。 import pandas as pd ? budget = pd.read_csv(mn-budget-detail-2014.csv) budget = budget.sort(amount,ascending=False)[:10] 我们将在所有示例中使用相同的 budget 数据，下面是其中5条： 现在，调整展示风格为更美观的默认设置，并创建图表： pd.options.display.mpl_style = default?? budget_plot = budget.plot(kind=bar,x=budget[detail], ??????????????????????????title=MN Capital Budget - 2014, ??????????????????????????legend=False)  上述代码使用 detail 列的数据完成了创建图表的主要工作，同时展示了 title并移除了 legend 。 下面是将图表存为 png 格式的代码： fig = budget_plot.get_figure() fig.savefig(2014-mn-capital-budget.png) 基础图表看起来不错，理想情况下，我想对 y 轴再做一些格式化，但是这样做需要使用 matplotlib 的一些功能。虽然现在的图表已是完美可用的可视化图表了，但是仅仅通过 pandas 是不可能完成更多定制的。 Seaborn Seaborn 是一个基于 matplotlib 的可视化库。它旨在使默认的数据可视化更加悦目。它还旨在简化复杂图表的创建，可以与 pandas 很好地集成。 标准导包及读取数据： sns.set_style(darkgrid) bar_plot = sns.barplot(x=budget[detail],y=budget[amount], palette=muted, x_order=budget[detail].tolist()) plt.xticks(rotation=90) plt.show() 正如你所看到的，我必修使用 matplotlib 旋转 x 轴的标题以便可以正常地阅读。从外观上看，图表看起来不错。理想情况下，我想格式化 y 轴上的刻度，但我不知道在不使用 matplotlib 中的 plt.yticks 的情况下，如何实现格式化。 ggplot ggplot 与 Seaborn 类似，也是基于 matplotlib 并旨在以简单的方式提高 matplotlib 可视化的视觉感染力。它不同于 seaborn 是因为它是 ggplot2 为 R 语言准备的一个端口。基于这个目标，一些 API 的接口虽然不是很 pythonic 但是功能很强大。 继续导包并读取数据： import pandas as pd?? from ggplot import * ? budget = pd.read_csv(mn-budget-detail-2014.csv) budget = budget.sort(amount,ascending=False)[:10] 现在让我们通过连接几条 ggplot 命令来构造图表： p = ggplot(budget, aes(x=detail,y=amount)) + ????????geom_bar(stat=bar, labels=budget[detail].tolist()) + ????????ggtitle(MN Capital Budget - 2014) + ????????xlab(Spending Detail) +?? ????????ylab(Amount) + scale_y_continuous(labels=millions) + ????????theme(axi