Python数据可视化常用工具，值得收藏！！！

我们了解了如何使用 Pandas 进行简单的绘图,使用 Pandas 自带的绘图功能能够快速地生成一些基本的图表,例如折线图、柱状图等.但为了实现更复杂或专业的可视化效果,我们通常还需要借助更为强大的绘图库——Matplotlib.

本篇文章将详细介绍如何结合 Matplotlib 和 Pandas 实现数据的可视化.末尾我们将通过一个案例,将所学的内容应用到实际的数据分析中.这为接下来的实战案例之数据分析项目概述打下基础.

这里插播一条粉丝福利，如果你正在学习Python或者有计划学习Python，想要突破自我，对未来十分迷茫的，可以点击这里获取最新的Python学习资料和学习路线规划（免费分享，记得关注）

Matplotlib简介

Matplotlib 是 Python 中最常用的绘图库,能够生成多种类型的图表,如折线图、散点图、柱状图、饼图等.它的灵活性和强大的功能使它成为数据可视化的主要选择之一.

安装Matplotlib

如果还未安装 Matplotlib,可以通过以下命令进行安装：

pip install matplotlib

与Pandas结合使用

在使用 Pandas 处理数据时,我们可以利用 Matplotlib 来更好地进行数据可视化.Pandas 的绘图功能是 Matplotlib 的封装,使用起来非常方便.

基本用法

让我们通过一个示例来了解如何结合使用 Pandas 和 Matplotlib.假设我们有一个关于每月销售额的数据集,数据集如下：

月份	销售额
1月	2000
2月	3000
3月	2500
4月	4000
5月	5000

我们可以将这个数据集存储为一个 Pandas 的 DataFrame,并使用 Matplotlib 进行可视化.

示例代码

import pandas as pd
import matplotlib.pyplot as plt# 创建数据
data = {'月份': ['1月', '2月', '3月', '4月', '5月'],'销售额': [2000, 3000, 2500, 4000, 5000]
}
df = pd.DataFrame(data)# 设置绘图风格
plt.style.use('seaborn-darkgrid')# 绘制折线图
plt.figure(figsize=(10, 6))
plt.plot(df['月份'], df['销售额'], marker='o', linestyle='-', color='b')
plt.title('每月销售额变化')
plt.xlabel('月份')
plt.ylabel('销售额（元）')
plt.xticks(rotation=45)
plt.grid(True)
plt.tight_layout()# 显示图表
plt.show()

代码解析

创建数据：我们将月和销售额的数据存入一个字典,然后转换为一个 Pandas 的 DataFrame.
设置绘图风格：使用 plt.style.use() 方法设置绘图的风格.这里我们使用了 seaborn-darkgrid 风格.
绘制折线图：调用 plt.plot() 方法绘制销售额的折线图.我们设置了线条的样式、颜色和标记.
添加标题和标签：通过 plt.title()、plt.xlabel() 和 plt.ylabel() 方法为图表添加标题和坐标轴标签.
显示图表：最后,使用 plt.show() 方法显示图表.

其他图形类型

除了折线图,我们还可以绘制其他类型的图形.以下是一些常见的图形类型：

柱状图

# 绘制柱状图
plt.figure(figsize=(10, 6))
plt.bar(df['月份'], df['销售额'], color='orange')
plt.title('每月销售额柱状图')
plt.xlabel('月份')
plt.ylabel('销售额（元）')
plt.xticks(rotation=45)
plt.grid(axis='y')
plt.tight_layout()
plt.show()

饼图

# 绘制饼图
plt.figure(figsize=(8, 8))
plt.pie(df['销售额'], labels=df['月份'], autopct='%1.1f%%', startangle=140)
plt.title('每月销售额占比')
plt.axis('equal')  # 使饼图为圆形
plt.show()

这些代码展示了如何使用 Matplotlib 结合 Pandas 进行多样的数据可视化,使得不同的数据展示方式更加丰富.