可视化多个数据集

在实际的数据分析中，我们经常需要处理多个数据集。为了能够直观地理解各个数据之间的关系，我们需要通过可视化将数据呈现出来。

综述

当我们需要将多个数据集进行可视化时，我们通常会选择以下几种方式：

1. 合并数据集（merge、join等），并将合并后的数据集进行可视化；
2. 分别将每一个数据集进行可视化，并将它们组合在一起；
3. 使用子图(subplot)将不同的数据集呈现在一个画面中。

合并数据集

当我们需要将两个及以上的数据集进行可视化时，我们通常需要将其进行合并。合并的方式有多种，例如使用pandas库的merge()函数、使用numpy库的concatenate()函数等。

具体操作如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 生成两个数据
df1 = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6], 'C': [7, 8, 9]})
df2 = pd.DataFrame({'D': [10, 11, 12], 'E': [13, 14, 15], 'F': [16, 17, 18]})

# 合并数据
df3 = pd.concat([df1, df2], axis=1)

# 可视化
df3.plot()
plt.show()

输出结果如下图所示：

组合可视化

当我们有多个数据集需要可视化时，我们可以使用matplotlib库将它们分别进行可视化，并使用一下方法将它们组合在一起：

1. 并列组合：将多个图案subplot横向或纵向并列摆放；
2. 嵌套组合：将一个大区域按照一定的规则分成多个小的区域，并在每一个小区域中进行可视化。

具体操作如下：

import numpy as np
import matplotlib.pyplot as plt

# 生成两个数据集
x = np.linspace(0, 10)
y1 = x
y2 = x ** 2

# 绘制子图
fig, axes = plt.subplots(nrows=2, ncols=1)
axes[0].plot(x, y1)
axes[1].plot(x, y2)

# 设置图案大小及间距
fig.set_size_inches(6, 8)
plt.subplots_adjust(hspace=0.4)

# 显示
plt.show()

输出结果如下图所示：

子图可视化

matplotlib库中提供了subplot功能，该功能可以将不同的数据可视化在同一个画面中。

具体操作如下：

import numpy as np
import matplotlib.pyplot as plt

# 生成两个数据集
x = np.linspace(0, 10)
y1 = x
y2 = x ** 2

# 绘制子图
plt.subplot(211)
plt.plot(x, y1)

plt.subplot(212)
plt.plot(x, y2)

# 显示
plt.show()

输出结果如下图所示：