Python数据可视化

1.Python 数据可视化全指南 🚀

数据可视化是数据分析和机器学习的关键环节，Python 提供了丰富的可视化库，如 Matplotlib、Seaborn、Plotly、Pandas 内置可视化等。以下是 Python 可视化的核心内容及最佳实践。

---

2. 基础可视化库 2.1 Matplotlib（基础绘图库）

Matplotlib 是 Python 最基础的绘图库，适用于静态 2D 图表，功能强大但语法较底层。

📌 常见图表

折线图 (plt.plot)柱状图 (plt.bar)直方图 (plt.hist)散点图 (plt.scatter)

📌 示例

import matplotlib.pyplot as plt x = [1, 2, 3, 4, 5] y = [10, 20, 15, 25, 30] plt.plot(x, y, marker='o', linestyle='-', color='b', label='折线图') plt.xlabel('X 轴') plt.ylabel('Y 轴') plt.title('Matplotlib 折线图示例') plt.legend() plt.show()

---

2.2 Seaborn（统计绘图）

Seaborn 基于 Matplotlib，适用于统计分析，默认提供更美观的主题风格。

📌 常见图表

直方图 (sns.histplot)箱线图 (sns.boxplot)相关性热力图 (sns.heatmap)分布图 (sns.kdeplot)

📌 示例

import seaborn as sns import matplotlib.pyplot as plt # 生成数据 tips = sns.load_dataset('tips') # 画出总账单与小费的关系（散点图） sns.scatterplot(data=tips, x='total_bill', y='tip', hue='sex') plt.title('Seaborn 散点图示例') plt.show()

---

2.3 Pandas 内置可视化

Pandas 结合 Matplotlib 进行快速可视化，适用于数据分析。

📌 示例

import pandas as pd import matplotlib.pyplot as plt # 生成数据 df = pd.DataFrame({'A': range(1, 11), 'B': [3, 5, 7, 9, 11, 15, 17, 19, 21, 25]}) df.plot(x='A', y='B', kind='line', marker='o', title='Pandas 折线图') plt.show()

---

3. 交互式可视化 3.1 Plotly（高级交互图表）

Plotly 适用于交互式数据分析，支持 2D 和 3D 图表，适合 Web 可视化。

📌 示例

import plotly.express as px df = px.data.iris() fig = px.scatter(df, x='sepal_width', y='sepal_length', color='species', title='Plotly 交互式散点图') fig.show()

---

3.2 Bokeh（Web 端可视化）

Bokeh 适用于浏览器端可视化，交互性强。

📌 示例

from bokeh.plotting import figure, show from bokeh.io import output_notebook output_notebook() p = figure(title="Bokeh 折线图", x_axis_label='x', y_axis_label='y') p.line([1, 2, 3, 4, 5], [6, 7, 2, 4, 5], line_width=2) show(p)

---

4. 进阶可视化 4.1 相关性热力图 import seaborn as sns import matplotlib.pyplot as plt df = sns.load_dataset('iris') corr = df.corr() plt.figure(figsize=(8,6)) sns.heatmap(corr, annot=True, cmap='coolwarm') plt.title('相关性热力图') plt.show()

---

4.2 词云 from wordcloud import WordCloud import matplotlib.pyplot as plt text = "Python 数据可视化 Matplotlib Seaborn Plotly Pandas Bokeh" wordcloud = WordCloud(width=800, height=400, background_color='white').generate(text) plt.figure(figsize=(10,5)) plt.imshow(wordcloud, interpolation='bilinear') plt.axis('off') plt.show()

---

5.3D 可视化 5.1 Matplotlib 3D 绘图 import numpy as np import matplotlib.pyplot as plt from mpl_toolkits.mplot3d import Axes3D fig = plt.figure() ax = fig.add_subplot(111, projection='3d') x = np.linspace(-5, 5, 100) y = np.linspace(-5, 5, 100) X, Y = np.meshgrid(x, y) Z = np.sin(np.sqrt(X**2 + Y**2)) ax.plot_surface(X, Y, Z, cmap='viridis') plt.title("3D 曲面图") plt.show()

---

6. 地图可视化 6.1 Folium（地理地图） import folium # 创建地图 m = folium.Map(location=[34.0522, -118.2437], zoom_start=10) # 添加标记 folium.Marker([34.0522, -118.2437], popup='Los Angeles', tooltip='点击查看').add_to(m) # 显示地图 m

---

7.总结 库适用场景交互性适用人群Matplotlib基础绘图❌初学者Seaborn统计分析❌数据分析师Pandas快速可视化❌数据科学家Plotly交互式可视化✅Web 开发者Bokeh高级交互✅数据工程师Folium地理地图✅GIS 开发

🎯 推荐路径：

初学者：先学 Matplotlib 和 Seaborn。数据分析：熟悉 Pandas 和 Seaborn。Web 可视化：掌握 Plotly 和 Bokeh。地理信息可视化：学习 Folium。