Jupyter笔记本-绘图

Jupyter Notebook 是一个开放源代码的Web应用程序，可让用户创建和共享文档，其中包含实时代码、方程式、可视化和说明文本。它的便捷性和易于适应性使其成为许多数据分析人员首选的工具之一。

在Jupyter Notebook中，我们可以通过使用很多流行的绘图工具来创建各种类型的图表。下面介绍几个常见的绘图工具：

Matplotlib

Matplotlib 是一个用于绘制静态、动态和交互式视觉化图形的Python库。Matplotlib包含了多种绘图工具，支持各种类型的图形，包括折线图、散点图、柱状图、等高线图、极坐标图等等。

以下是一个简单的示例代码，用于绘制折线图：

import matplotlib.pyplot as plt

x = [1,2,3,4,5]
y = [10,8,6,4,2]

plt.plot(x, y)
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.title('Line chart')
plt.show()

结果将会是一个简单的折线图，横坐标（X-axis）为1到5，纵坐标（Y-axis）为10到2的折线图，如下所示：

Seaborn

Seaborn 是一个基于 Matplotlib 的 Python 数据可视化库，它提供了一种高级界面来创建时尚和具有信息性的统计图形。

以下是一个简单的示例代码，用于绘制散点图：

import seaborn as sns

sns.set(style="ticks")

df = sns.load_dataset("iris")

sns.scatterplot(x="sepal_length", y="petal_length", hue="species", data=df)

结果将会是一个散点图，其中包含 iris 数据集中第一个和第三个变量的数据，按物种 (species) 分组，并分别用颜色表示，如下所示：

Plotly

Plotly 是一个交互式的数据可视化工具，可以创建各种类型的图表，包括折线图、柱状图、散点图、热图等等。Plotly可以作为一个Python库使用，也可以作为一个独立的在线平台使用。

以下是一个简单的示例代码，用于绘制饼图：

import plotly.express as px

df = px.data.gapminder().query("year == 2007").query("continent == 'Europe'")
fig = px.pie(df, values='pop', names='country', title='Population of European continent')
fig.show()

结果将会是一个饼图，其中包含 2007 年欧洲各国的总人口比例，如下所示：

总结

总的来说，Jupyter Notebook 是一个强大而灵活的工具，可用于创建和共享各种类型的文档，包括实时代码、方程式、可视化和说明文本。通过使用各种绘图工具，我们可以创建各种类型的图表，以便更好地理解和传达数据。然而，为了创建有效的图表，需要同时了解所使用的数据和可用的绘图工具。