深度讲解 Python 四大常用绘图库的“绘图原理”

作者：黄伟呢

来源：数据分析与统计学之美 

01

为什么要写这篇文章？

最近有不少粉丝来问我，Python 绘图库太多，我知不知道学哪一个？即使我选择了某一个绘图库后，我也不知道怎么学，我不知道第一步做什么，也不知道接下来该怎么做，四个字一学就忘。

其实这也是我当时很困扰的一个问题，我当时在学习完 numpy 和 pandas 后，就开始了 matplotlib 的学习。我反正是非常崩溃的，每次就感觉绘图代码怎么这么多，绘图逻辑完全一团糟，不知道如何动手。

后面随着自己反复的学习，我找到了学习 Python 绘图库的方法，那就是学习它的绘图原理。正所谓：“知己知彼，百战不殆”，学会了原理，剩下的就是熟练的问题了。

02

matplotlib绘图原理

关于 matplotlib 更详细的绘图说明，大家可以参考下面这篇文章，相信你看了以后一定学得会。

绘图原理说明

通过我自己的学习和理解，我将 matplotlib 绘图原理高度总结为如下几步：

• ① 导库;

• ② 创建 figure 画布对象;

• ③ 获取对应位置的 axes 坐标系对象;

• ④ 调用 axes 对象，进行对应位置的图形绘制;

• ⑤ 显示图形;

案例说明

 

  # 1.导入相关库
import matplotlib as mpl
import matplotlib.pyplot as plt
# 2.创建figure画布对象
figure = plt.figure()
# 3.获取对应位置的axes坐标系对象
axes1 = figure.add_subplot(2,1,1)
axes2 = figure.add_subplot(2,1,2)
# 4.调用axes对象，进行对应位置的图形绘制
axes1.plot([1,3,5,7],[4,9,6,8])
axes2.plot([1,2,4,5],[8,4,6,2])
# 5.显示图形
figure.show()

 

03

seaborn绘图原理

在这四个绘图库里面，只有 matplotlib 和 seaborn 存在一定的联系，其余绘图库之间都没有任何联系，就连绘图原理也都是不一样的。

seaborn 绘图原理：http://suo.im/5D3VPX

案例说明

 

  # 1.导入相关库
import seaborn as sns
import matplotlib.pyplot as plt

df = pd.read_excel("data.xlsx",sheet_name="数据源")

sns.set_style("dark")
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
# 注意：estimator表示对分组后的销售数量求和。默认是求均值。
sns.barplot(x="品牌",y="销售数量",data=df,color="steelblue",orient="v",estimator=sum)
plt.show()

 

04

• plotly 是一个基于 javascript 的绘图库， plotly 绘图种类丰富，效果美观；
• 易于保存与分享 plotly 的绘图结果，并且可以与 Web 无缝集成；
• ploty 默认的绘图结果，是一个 HTML 网页文件，通过浏览器可以直接查看；

绘图原理说明

• ① 绘制图形轨迹，在 ployly 里面叫做 trace ，每一个轨迹是一个 trace 。
• ② 将轨迹包裹成一个列表，形成一个“轨迹列表”。一个轨迹放在一个列表中，多个轨迹也是放在一个列表中。
• ③ 创建画布的同时，并将上述的 轨迹列表 ，传入到 Figure() 中。
• ④ 使用 Layout() 添加其他的绘图参数，完善图形。
• ⑤ 展示图形。

案例说明

 

  import numpy as np
import pandas as pd
import plotly as py
import plotly.graph_objs as go
import plotly.expression as px
from plotly import tools

df = pd.read_excel("plot.xlsx")
# 1.绘制图形轨迹，在ployly里面叫做`trace`，每一个轨迹是一个trace。
trace0 = go.Scatter(x=df["年份"],y=df["城镇居民"],name="城镇居民")
trace1 = go.Scatter(x=df["年份"],y=df["农村居民"],name="农村居民")
# 2.将轨迹包裹成一个列表，形成一个“轨迹列表”。一个轨迹放在一个列表中，多个轨迹也是放在一个列表中。
data = [trace0,trace1]
# 3.创建画布的同时，并将上述的`轨迹列表`，传入到`Figure()`中。
fig = go.Figure(data)
# 4.使用`Layout()`添加其他的绘图参数，完善图形。
fig.update_layout(
    title="城乡居民家庭人均收入",
    xaxis_title="年份",
    yaxis_title="人均收入（元）"
)
# 5.展示图形。
fig.show()

 

05

pyecharts绘图原理

pyecharts 的绘图原理：http://suo.im/5S1PF1

绘图原理说明

• ① 选择图表类型；
• ② 声明图形类并添加数据；
• ③ 选择全局变量；
• ④ 显示及保存图表；

案例说明

 

  # 1.选择图表类型：我们使用的是线图，就直接从charts模块中导入Line这个模块；
from pyecharts.charts import Line
import pyecharts.options as opts
import numpy as np

x = np.linspace(0,2 * np.pi,100)
y = np.sin(x)

(
 # 2.我们绘制的是Line线图，就需要实例化这个图形类，直接Line()即可；
 Line()
 # 3.添加数据，分别给x,y轴添加数据；
 .add_xaxis(xaxis_data=x)
 .add_yaxis(series_name="绘制线图",y_axis=y,label_opts=opts.LabelOpts(is_show=False))
 .set_global_opts(title_opts=opts.TitleOpts(title="我是标题",subtitle="我是副标题",title_link="https://www.baidu.com/"),
                  tooltip_opts=opts.TooltipOpts())
).render_notebook() # 4.render_notebook()用于显示及保存图表；

 

06

小结

实例 | 教你用Python写一个电信客户流失预测模型

📌CDA课程咨询