Python绘图和数据可视化

经过几个月的学习,总算是对Python这门语言有了一定的了解。据说Python语言使用流行度排名已经是第一了!

Python之所以这么流行得益于它适用于很多不同领域,目前使用最广泛的领域包括有数据分析挖掘,网络爬虫,机器学习与人工智能,Python Wab后端开发,运维开发等等。当然,精通一个方向比了解所有方向要重要得多。

初学者第一次接触到的Python可视化package基本上都是matplotlib,matplotlib是一个用于创建出版质量图表的桌面绘图包(主要是2D方面),但是具有静态和不美观的特点。Python有很多数据可视化的package,主要分为探索性分析方向的(Matplotlib,Seaborn)和交互性信息可视化(Bokeh,Plotly),后者主要用于与业务结合过程中展现总体分析结果的。

1.用于分析的可视化

(1)Matplotlib:

据说这个package的得名是由于其作图分隔接近于MATLAB(作为一个应用数学专业的学生,对这个package倍感亲切!),主要应用于2D方向,可根据数据集(DataFrame,Series)自行定义x,y轴,绘制图形(线形图,柱状图,直方图,密度图,散布图等等),能够解决大部分的需要,但是图形具有静态和不美观的特点。

(2)Seaborn:(数学系学生的最爱!)

看一下官方介绍:

Seaborn is a Python data visualization library based on matplotlib. It provides a high-level interface for drawing attractive and informative statistical graphics.

Seaborn是一个机遇matplotlib的高级可视化效果库,主要针对数据挖掘和机器学习中的变量特征提取。

附上几张图看一下效果:

用二维图像展现三维变量的例子(显然walk是第三维的变量)

Python绘图和数据可视化_第1张图片

散点图矩阵

Python绘图和数据可视化_第2张图片

Python绘图和数据可视化_第3张图片

带有边缘分布的线性回归图(两个变量的) 

Python绘图和数据可视化_第4张图片

2.交互性信息可视化:

(1)Bokeh:浏览器端交互可视化的库,实现分析师与数据的交互

Bokeh这个框架,只需要在后端编写及少量的 Python 代码生成对应的 html 与 js,再传送到前端让浏览器解析,大大的减少了工作量。

(2)Plotly:在进行业务解释时应用,功能十分强大,同时支持Python和R语言,并且实现了在线导入数据做可视化并保存内容在云端server的功能。

包含的图表:种类基本图表:20种;统计和海运方式图:12种;科学图表:21种;财务图表:2种;地图:8种;3D图表:19种;拟合工具:3种;流动图表:4种

作为一个数据分析师,将专业的分析结果向业务团队进行解释,以便进行接下来的业务决策是必要的,一个重要的工作场景就是为业务团队建立dashboard.

不说了,上图:

Python绘图和数据可视化_第5张图片

Python绘图和数据可视化_第6张图片

Python绘图和数据可视化_第7张图片

Python绘图和数据可视化_第8张图片


 

你可能感兴趣的:(Python绘图和数据可视化)