Matplotlib ist eine flexible und leistungsstarke 2D-Plotbibliothek, die eine Reihe von Funktionen zum Erstellen verschiedener Diagrammtypen bietet.
import matplotlib.pyplot as plt # 创建一个简单的折线图 plt.plot([1, 2, 3, 4], [5, 6, 7, 8]) plt.xlabel("X-axis") plt.ylabel("Y-axis") plt.title("折线图示例") plt.show()
Seaborn basiert auf Matplotlib und bietet eine High-Level-Schnittstelle speziell für die Erstellung schöner und informativer statistischer Grafiken.
import seaborn as sns # 创建一个直方图 sns.distplot(data["age"]) plt.xlabel("年龄") plt.ylabel("频率") plt.title("年龄分布图") plt.show()
Plotly ermöglicht die Erstellung interaktiver Diagramme, die im Browser gezoomt, geschwenkt und gedreht werden können.
import plotly.express as px # 创建一个 3D 散点图 fig = px.scatter_3d(data, x="x", y="y", z="z") fig.show()
Mit Matplotlib und Seaborn können wir das Erscheinungsbild und die Funktionalität unserer Karten ganz einfach anpassen.
# 更改图表样式 plt.style.use("ggplot") # 添加图例 plt.legend(["series1", "series2"]) # 调整字体大小 plt.rcParams["font.size"] = 14
Vor der Visualisierung ist es wichtig, Ihre Daten vorzubereiten und zu untersuchen. python bietet Bibliotheken wie NumPy und pandas zur Verarbeitung und Analyse von Daten.
import numpy as np import pandas as pd # 导入数据 data = pd.read_csv("data.csv") # 清洗数据 data["age"] = data["age"].fillna(data["age"].mean()) # 探索数据 print(data.describe())
Python Datenvisualisierung ist ein leistungsstarkes Tool, das komplexe Daten in intuitive und umsetzbare Erkenntnisse umwandelt. Mit Bibliotheken wie Matplotlib, Seaborn und Plotly können wir verschiedene Arten von Diagrammen erstellen, ihr Erscheinungsbild anpassen und die Daten untersuchen, um sinnvolle Muster zu entdecken. Mithilfe der Datenvisualisierungsfunktionen von Python können wir Daten effektiv kommunizieren und verstehen, um fundierte Entscheidungen zu treffen.
Das obige ist der detaillierte Inhalt vonEntdecken Sie die Magie der Python-Datenvisualisierung. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!