Python数据可视化总结

Python的画图与显示功能

用Python完成数据分析后，如何把结果呈现出来，比如画一个吸引人注意的图表相当重要。当你探索一个数据集，需要画图表，图表看起来令人愉悦是件很高兴的事。在给你的观众交流观点，给领导汇报工作时，可视化同样重要，同时，也很有必要去让图表吸引注意力和印入脑海里。
在Python中numpy，pandas，matplotlib，seaborn是几个重要的模块。Matplotlib自动化程度非常高，但是，掌握如何设置系统以便获得一个吸引人的图是相当困难的事。为了控制matplotlib图表的外观，Seaborn模块自带许多定制的主题和高级的接口。

一、安装完整第三方模块包

Anaconda版本的安装很方便，利用conda命令能随时查询和更新、安装模块，相当便利。

conda list

列出所有的已安装的packages模块

conda install name  

name是需要安装packages的名字，比如，我需要安装numpy包，输入上面的命令就是：

conda install numpy 

单词之间空一格，然后回车，输入y就可以了

二、python的数据显示样例

这里在Windows安装的Anaconda里选择打开IPython程序。在画图之前，请注意设置显示环境，输入命令：

%matplotlib inline

表示在命令行显示

%matplotlib qt

表示在图片显示

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
np.random.seed(sum(map(ord, "aesthetics"))) 

先完成准备工作，引用需要的第三方模块。
接着让我们定义一个正弦函数，并画出来，这将帮助我们了解我们可以控制的不同风格的参数

def sinplot(flip=1):
    x = np.linspace(0, 14, 100)
    for i in range(1, 7):
        plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip) 

默认情况下matplotlib显示的图片如下：

我们再尝试一下seaborn的画图效果：

import seaborn as sns
sinplot()

画图的显示效果如下：

seaborn默认浅灰色背景与白色网络线比matplotlib的颜色更加柔和。几乎在所有情况下，人们喜欢图甚于表。默认情况下白灰网格的形式可以避免过于刺眼。在多面作图的情况下，网络形式显得相当的有利，提供了一种作图结构，这对模块中的一些复杂工具非常重要。

seaborn将matplotlib的参数划分为两个组。第一组控制图表的样式和图的度量尺度元素，这样就可以轻易在纳入到不同的上下文中。

操控这些参数由两个函数提供接口。控制图的样式，用axes_style()和set_style()这两个函数。度量图则用plotting_context()和set_context()这两个函数。在这两种情况下，第一组函数返回一系列的参数，第二组则设置matplotlib的默认属性。

End

---