數(shù)據(jù)可視化

1.使用 matplotlib 庫(kù)

import matplotlib.pyplot as plt

# 創(chuàng)建數(shù)據(jù)
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 使用matplotlib繪制散點(diǎn)圖
plt.scatter(x, y, label='Data Points', color='blue', marker='o')

# 添加標(biāo)簽和標(biāo)題
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Scatter Plot')

# 添加圖例和網(wǎng)格
plt.legend()
plt.grid(True)

# 顯示圖形
plt.show()

matplotlib 庫(kù)

• 導(dǎo)入庫(kù)：import matplotlib.pyplot as plt
• 創(chuàng)建數(shù)據(jù)：x = [1, 2, 3, 4, 5] 和 y = [2, 3, 5, 7, 11]
• 繪制散點(diǎn)圖：plt.scatter(x, y, label='Data Points', color='blue', marker='o')
• 添加標(biāo)簽和標(biāo)題：plt.xlabel('X-axis')，plt.ylabel('Y-axis')，plt.title('Scatter Plot')
• 添加圖例和網(wǎng)格：plt.legend()，plt.grid(True)
• 顯示圖形：plt.show()

2 .使用 seaborn 庫(kù)

import seaborn as sns
import matplotlib.pyplot as plt

# 創(chuàng)建數(shù)據(jù)
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]

# 使用Seaborn繪制散點(diǎn)圖
sns.scatterplot(x=x, y=y, label='Data Points')

# 添加標(biāo)簽和標(biāo)題
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Scatter Plot')

# 添加圖例和網(wǎng)格
plt.legend()
plt.grid(True)

# 顯示圖形
plt.show()

seaborn 庫(kù)

• 導(dǎo)入庫(kù)：import seaborn as sns 和 import matplotlib.pyplot as plt
• 創(chuàng)建數(shù)據(jù)：x = [1, 2, 3, 4, 5] 和 y = [2, 3, 5, 7, 11]
• 繪制散點(diǎn)圖：sns.scatterplot(x=x, y=y, label='Data Points')
• 添加標(biāo)簽和標(biāo)題：plt.xlabel('X-axis')，plt.ylabel('Y-axis')，plt.title('Scatter Plot')
• 添加圖例和網(wǎng)格：plt.legend()，plt.grid(True)
• 顯示圖形：plt.show()

3 .使用 pyecharts庫(kù)

from pyecharts.charts import Scatter
from pyecharts import options as opts

# 創(chuàng)建數(shù)據(jù)
data = [(1, 2), (2, 3), (3, 5), (4, 7), (5, 11)]

# 創(chuàng)建散點(diǎn)圖對(duì)象
scatter = (
    Scatter()
    .add_xaxis([x for x, y in data])
    .add_yaxis("Data Points", [y for x, y in data])
    .set_series_opts(label_opts=opts.LabelOpts(is_show=False))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Scatter Plot"),
        xaxis_opts=opts.AxisOpts(name="X-axis"),
        yaxis_opts=opts.AxisOpts(name="Y-axis"),
    )
)

# 渲染圖表
# 如果在Jupyter Notebook中運(yùn)行，使用render_notebook()
scatter.render_notebook()

# 如果在普通Python腳本中運(yùn)行，使用render()保存為HTML文件
# scatter.render("scatter_plot.html")

pyecharts庫(kù)

• 導(dǎo)入庫(kù)：from pyecharts.charts import Scatter 和 from pyecharts import options as opts
• 創(chuàng)建數(shù)據(jù)：data = [(1, 2), (2, 3), (3, 5), (4, 7), (5, 11)]
• 創(chuàng)建散點(diǎn)圖對(duì)象：scatter = Scatter().add_xaxis([x for x, y in data]).add_yaxis("Data Points", [y for x, y in data])
• 設(shè)置系列選項(xiàng)：set_series_opts(label_opts=opts.LabelOpts(is_show=False))
• 設(shè)置全局選項(xiàng)：set_global_opts(title_opts=opts.TitleOpts(title="Scatter Plot"), xaxis_opts=opts.AxisOpts(name="X-axis"), yaxis_opts=opts.AxisOpts(name="Y-axis"))
• 渲染圖表：在Jupyter Notebook中使用render_notebook()，在普通Python腳本中使用render("scatter_plot.html")

注意

如果你在Jupyter Notebook中運(yùn)行這段代碼，但是圖表沒有顯示出來(lái)，可能是因?yàn)?code>render_notebook()方法沒有被正確執(zhí)行，或者你的環(huán)境配置有問題。下面是一些可能的解決方案：

1. 確保安裝了所有必要的庫(kù)

首先，確保已經(jīng)安裝了pyecharts及其相關(guān)依賴。可以使用以下命令來(lái)安裝：

pip install pyecharts

2. 檢查Jupyter Notebook的版本

確保使用的Jupyter Notebook版本支持render_notebook()方法。通常情況下，較新版本的Jupyter Notebook應(yīng)該沒有問題。

3. 使用render()方法保存為HTML文件

如果render_notebook()方法不起作用，可以嘗試將圖表保存為HTML文件，然后手動(dòng)打開這個(gè)文件查看圖表。

# 渲染圖表并保存為HTML文件
scatter.render("scatter_plot.html")

保存后，你可以在文件瀏覽器中找到scatter_plot.html文件并雙擊打開它，查看圖表。

4. 使用IFrame在Notebook中顯示HTML文件

如果你希望在Jupyter Notebook中直接顯示HTML文件，可以使用IPython.display.IFrame來(lái)實(shí)現(xiàn)。

from IPython.display import IFrame

# 渲染圖表并保存為HTML文件
scatter.render("scatter_plot.html")

# 在Notebook中顯示HTML文件
IFrame('scatter_plot.html', width=800, height=600)

5. 檢查是否有其他輸出干擾

有時(shí)候，Jupyter Notebook中的其他輸出可能會(huì)干擾圖表的顯示。確保在執(zhí)行繪圖代碼之前沒有其他輸出。

6. 重啟Jupyter Notebook

如果以上方法都不奏效，可以嘗試重啟Jupyter Notebook服務(wù)器，有時(shí)這可以解決一些臨時(shí)性的問題。

比較三種庫(kù)的特點(diǎn)

選擇建議

• 如果需要在科研或數(shù)據(jù)分析中生成靜態(tài)圖表，matplotlib 是基礎(chǔ)且可靠的選擇。
• 需要更多美觀效果和便捷的統(tǒng)計(jì)分析時(shí)，seaborn 提供了友好的界面。
• 若要在網(wǎng)頁(yè)中展示交互式圖表，pyecharts 能生成包含交互功能的 HTML 文件，非常適合網(wǎng)絡(luò)發(fā)布。

目標(biāo)

• 學(xué)習(xí)和實(shí)踐：通過(guò)實(shí)際操作，掌握使用 matplotlib、seaborn 和 pyecharts 繪制散點(diǎn)圖的方法。
• 比較不同庫(kù)的特點(diǎn)：了解每個(gè)庫(kù)的優(yōu)缺點(diǎn)，選擇最適合具體需求的工具。
• 數(shù)據(jù)可視化：通過(guò)散點(diǎn)圖展示數(shù)據(jù)之間的關(guān)系，幫助更好地理解和解釋數(shù)據(jù)。

總結(jié)

嘿，數(shù)據(jù)可視化這事兒暫時(shí)要告一段落啦，不過(guò)以后有機(jī)會(huì)的話，咱還能再寫寫關(guān)于數(shù)據(jù)可視化的東西。??

到此這篇關(guān)于Python繪圖工具使用Matplotlib、Seaborn和Pyecharts繪制散點(diǎn)圖的文章就介紹到這了,更多相關(guān)Matplotlib、Seaborn和Pyecharts繪制散點(diǎn)圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論