一.10个可视化例子
import matplotlib.pyplot as plt
import seaborn as sns
import numpy as np
import pandas as pd
1.散点图
plt： plt.scatter(x, y, marker=None) 函数。x、y 是坐标，marker 代表了标记的符号。比如“x”、“>”或者“o”。选择不同的 marker，呈现出来的符号样式也会不同。
sns： sns.jointplot(x, y, data=None, kind=‘scatter’) 函数。其中 x、y 是 data 中的下标。data 就是我们要传入的数据，一般是 DataFrame 类型。kind 这类我们取 scatter，代表散点的意思。当然 kind 还可以取其他值，这个我在后面的视图中会讲到，不同的 kind 代表不同的视图绘制方式。
matplotlib绘制的视图为矩形，seaborn为方形，且还额外显示x，y的直方图分布
# 随机1000个点，模拟绘制
n = 1000
x = np.random.randn(n)
y = np.random.randn(n)
# use matplotlib to draw
plt.scatter(x, y , marker='x')
plt.show()
plt.scatter(x, y , marker='>')
plt.show()
plt.scatter(x, y , marker='o')
plt.show()
#?plt.scatter
# use seaborn to draw
df = pd.DataFrame({'x':x, 'y':y})
sns.jointplot(x='x', y='y', data=df, kind='scatter')
plt.show()
2.折线图
表示数据随时间变化趋势
在 Matplotlib 中，我们可以直接使用 plt.plot() 函数，当然需要提前把数据按照 x 轴的大小进行排序，要不画出来的折线图就无法按照 x 轴递增的顺序展示。
在 Seaborn 中，我们使用 sns.lineplot (x, y, data=None) 函数。其中 x、y 是 data 中的下标。data 就是我们要传入的数据，一般是 DataFrame 类型。
这里我们设置了 x、y 的数组。x 数组代表时间（年），y 数组我们随便设置几个取值
两个库绘制出来结果一致。
# data
x = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]
y = [5, 3, 6, 20, 17, 16, 19, 30, 32, 35]
# use matplotlib
plt.plot(x, y)
plt.show()
# use seaborn
df = pd.DataFrame({'x':x, 'y':y})
sns.lineplot(x='x', y='y', data=df)
plt.show()
3. 直方图
直方图用以查看变量的数值分布。
在 Matplotlib 中，我们使用 plt.hist(x, bins=10) 函数，其中参数 x 是一维数组，bins 代表直方图中的箱子数量，默认是 10。
在 Seaborn 中，我们使用 sns.distplot(x, bins=10, kde=True) 函数。其中参数 x 是一维数组，bins 代表直方图中的箱子数量，kde 代表显示核密度估计，默认是 True，我们也可以把 kde 设置为 False，不进行显示。
核密度估计是通过核函数帮我们来估计概率密度的方法。
# data
a = np.random.randn(100)
s = pd.Series(a)
# use matplotlib
plt.hist(s)
plt.show()
# use seaborn
sns.distplot(s, kde=False)
plt.show()
sns.distplot(s, kde=True)
plt.show()
4.条形图
条形图查看类别特征。
在条形图中，长条形的长度表示类别的频数，宽度表示类别。
在 Matplotlib 中，我们使用 plt.bar(x, height) 函数，其中参数 x 代表 x 轴的位置序列，height 是 y 轴的数值序列，也就是柱子的高度。
在 Seaborn 中，我们使用 sns.barplot(x=None, y=None, data=None) 函数。其中参数 data 为 DataFrame 类型，x、y 是 data 中的变量。
# data
x = ['cat1', 'cat2', 'cat3', 'cat4', 'cat5'] # 类别
y = [5, 4, 8, 12, 7] # 频数
# use matplotlib
plt.bar(x, y)
plt.show()
# use seaborn
sns.barplot(x, y)
plt.show()
5. 箱线图
箱线图，又称盒式图，它是在 1977 年提出的，由五个数值点组成：最大值 (max)、最小值 (min)、中位数 (median) 和上下四分位数 (Q3, Q1)。
它可以帮我们分析出数据的差异性、离散程度和异常值等。
在 Matplotlib 中，我们使用 plt.boxplot(x, labels=None) 函数，其中参数 x 代表要绘制箱线图的数据，labels 是缺省值，可以为箱线图添加标签。
在 Seaborn 中，我们使用 sns.boxplot(x=None, y=None, data=None) 函数。其中参数 data 为 DataFrame 类型，x、y 是 data 中的变量。
# data：10*4维度
data = np.random.normal(size=(10, 4)) # [0,1]10*4维数据
lables = ['A', 'B', 'C', 'D']
data
array([[-2.23835375, 0.86815454, -0.03632889, 0.7446558 ],
[-1.10741816, -0.78987338, 0.74452918, -0.64852577],
[ 1.38908051, -1.00353393, -1.92624668, 0.2354071 ],
[ 1.88915876, 1.26500499, 0.32391999, -0.06991769],
[-0.76832767, -0.9832141 , -0.02364687, 0.20468148],
[-1.11151298, 0.70348759, 1.57796211, 0.30206291],
[-0.11900145, 0.35820823, -1.37098595, 1.64935728],
[-0.74382552, 0.32722696, -0.59096453, 0.8708664 ],
[-1.21016063, 0.97042535, 1.31342357, -0.68687588],
[ 0.23279038, -0.4774945 , 0.3546045 , 0.82579075]])
# use matplotlib
plt.boxplot(data, labels=lables)
plt.show()
# use seaborn
df = pd.DataFrame(data, columns=lables)
sns.boxplot(data=df)
plt.show()
6.饼图
饼图是常用的统计学模块，可以显示每个部分大小与总和之间的比例。
在 Python 数据可视化中，它用的不算多。
我们主要采用 Matplotlib 的 pie 函数实现它。在 Matplotlib 中，我们使用 plt.pie(x, labels=None) 函数，其中参数 x 代表要绘制饼图的数据，labels 是缺省值，可以为饼图添加标签。
# data
nums = [25, 37, 33, 37, 6]
labels = ['high-school', 'bachelor', 'master', 'ph.d', 'others']
# matplotlib
plt.pie(x=nums, labels=labels)
plt.show()
7.热力图
热力图，英文叫 heat map，是一种矩阵表示方法，其中矩阵中的元素值用颜色来代表，不同的颜色代表不同大小的值。
通过颜色就能直观地知道某个位置上数值的大小。另外你也可以将这个位置上的颜色，与数据集中的其他位置颜色进行比较。
热力图是一种非常直观的多元变量分析方法。
我们一般使用 Seaborn 中的 sns.heatmap(data) 函数，其中 data 代表需要绘制的热力图数据。
# data
# 使用 Seaborn 中自带的数据集 flights，该数据集记录了 1949 年到 1960 年期间，每个月的航班乘客的数量。
flights = pd.read_excel('flights.xlsx')
data = flights.pivot('year', 'month', 'passengers')
data.head()monthAprilAugustDecemberFebruaryJanuaryJulyJuneMarchMayNovemberOctoberSeptemberyear
# use seaborn
sns.heatmap(data)
plt.show()
# 颜色越浅乘客越多
8.蜘蛛图/雷达图
蜘蛛图是一种显示一对多关系的方法。在蜘蛛图中，一个变量相对于另一个变量的显著性是清晰可见的。
假设我们想要给王者荣耀的玩家做一个战力图，指标一共包括推进、KDA、生存、团战、发育和输出。那该如何做呢？
这里我们需要使用 Matplotlib 来进行画图，首先设置两个数组：labels 和 stats。
他们分别保存了这些属性的名称和属性值。
因为蜘蛛图是一个圆形，你需要计算每个坐标的角度，然后对这些数值进行设置。
当画完最后一个点后，需要与第一个点进行连线。
因为需要计算角度，所以我们要准备 angles 数组；又因为需要设定统计结果的数值，所以我们要设定 stats 数组。并且需要在原有 angles 和 stats 数组上增加一位，也就是添加数组的第一个元素。
from matplotlib.font_manager import FontProperties
# data
labels = np.array(['推进','kda', '生存', '团战', '发育', '输出'])
stats = [83, 61, 95, 67, 76, 88]
# 角度，状态值
angles = np.linspace(0, 2*np.pi, len(labels), endpoint=False)
stats = np.concatenate((stats, [stats[0]]))
angles = np.concatenate((angles, [angles[0]]))
# use matplotlib
fig = plt.figure() # 准备一个空白画板
ax = fig.add_subplot(111, polar=True) # 画板分成1行1列
ax.plot(angles, stats, alpha=0.25) # 连线
ax.fill(angles, stats, alpha=0.25) # 上色
#设置中文字体
#font = FontProperties(fname=r'', size=14)
ax.set_thetagrids(angles * 180 / np.pi, labels) # 显示属性名
plt.show()
9.二元变量分布
如果我们想要看两个变量之间的关系，就需要用到二元变量分布。
当然二元变量分布有多种呈现方式，开头给你介绍的散点图就是一种二元变量分布。
在 Seaborn 里，使用二元变量分布是非常方便的，直接使用 sns.jointplot(x, y, data=None, kind) 函数即可。
其中用 kind 表示不同的视图类型：“kind=‘scatter’”代表散点图，“kind=‘kde’”代表核密度图，“kind=‘hex’ ”代表 Hexbin 图，它代表的是直方图的二维模拟。
这里我们使用 Seaborn 中自带的数据集 tips，这个数据集记录了不同顾客在餐厅的消费账单及小费情况。
代码中 total_bill 保存了客户的账单金额，tip 是该客户给出的小费金额。
我们可以用 Seaborn 中的 jointplot 来探索这两个变量之间的关系。
# data
tips = pd.read_excel('tips.xlsx')
tips.head()total_billtipsexsmokerdaytimesize
# 用Seaborn画二元变量分布图（散点图，核密度图，Hexbin图）
sns.jointplot(x='total_bill', y='tip', data=tips, kind='scatter') # 散点图
sns.jointplot(x='total_bill', y='tip', data=tips, kind='kde') # 核密度图
sns.jointplot(x='total_bill', y='tip', data=tips, kind='hex') # hexbin图
plt.show()
10.成对关系
如果想要探索数据集中的多个成对双变量的分布，可以直接采用 sns.pairplot() 函数。
它会同时展示出 DataFrame 中每对变量的关系，另外在对角线上，你能看到每个变量自身作为单变量的分布情况。
它可以说是探索性分析中的常用函数，可以很快帮我们理解变量对之间的关系。
pairplot 函数的使用，就像在 DataFrame 中使用 describe() 函数一样方便，是数据探索中的常用函数。
# data
#使用 Seaborn 中自带的 iris 数据集，这个数据集也叫鸢尾花数据集。
#鸢尾花可以分成 Setosa、Versicolour 和 Virginica 三个品种，
#在这个数据集中，针对每一个品种，都有 50 个数据，每个数据中包括了 4 个属性，
#分别是花萼长度、花萼宽度、花瓣长度和花瓣宽度。
#通过这些数据，需要你来预测鸢尾花卉属于三个品种中的哪一种。
iris = pd.read_csv('seaborn-data-master/iris.csv')
iris.head()sepal_lengthsepal_widthpetal_lengthpetal_widthspecies
# use seaborn
sns.pairplot(iris)
plt.show()
# 显示了4个变量两两之间的关系：
# sepal_length、sepal_width、petal_length 和 petal_width4,对应：
# 花萼长度、花萼宽度、花瓣长度和花瓣宽度
二.可视化库一览
1.seaborn
Seaborn是基于matplotlib的Python数据可视化库。它提供了一个高级界面，用于绘制引人入胜且内容丰富的统计图形。
类似于：pandas比之numpy。
案例：
以下是相关绘制的api。
2.matplot
3.scipy
4.plotly
