Python中的图形

在Python中，我们可以使用多种包来创建各种类型的图形。以下是一些常用的Python包：

• Matplotlib：主要用于绘制2D数据图表，例如折线图、散点图、直方图等。
• Seaborn：是基于Matplotlib的Python数据可视化库，可用于制作更加漂亮的数据可视化图表。
• Plotly：是一种互动式数据可视化工具，可以创建交互式数据可视化图表。
• Bokeh：也是一种交互式数据可视化工具，可用于创建数据可视化小部件和应用程序。

Matplotlib

Matplotlib是用Python编写的绘图库，可以创建出各种类型的图形。以下是一些Matplotlib图形的示例：

折线图

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 4, 1, 5, 3]

plt.plot(x, y)
plt.show()

柱状图

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 4, 1, 5, 3]

plt.bar(x, y)
plt.show()

散点图

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y = [2, 4, 1, 5, 3]

plt.scatter(x, y)
plt.show()

Seaborn

Seaborn是一种基于Matplotlib的Python数据可视化库，可用于制作更加漂亮的数据可视化图表。以下是一些Seaborn图形的示例：

热图

import seaborn as sns
import numpy as np

arr = np.random.rand(10, 10)
sns.heatmap(arr, cmap="YlGnBu")
sns.show()

直方图

import seaborn as sns

tips = sns.load_dataset("tips")

sns.displot(tips, x="total_bill", bins=10)
sns.show()

核密度估计图

import seaborn as sns

tips = sns.load_dataset("tips")

sns.displot(tips, x="total_bill", kde=True)
sns.show()

Plotly

Plotly是一种互动式数据可视化工具，可以创建交互式数据可视化图表。以下是一些Plotly图形的示例：

散点图

import plotly.express as px

df = px.data.iris()

fig = px.scatter(df, x="sepal_width", y="sepal_length", color="species",
                 size='petal_length', hover_data=['petal_width'])
fig.show()

饼图

import plotly.express as px

df = px.data.tips()

fig = px.pie(df, values='tip', names='day')
fig.show()

Bokeh

Bokeh是一种交互式数据可视化工具，可用于创建数据可视化小部件和应用程序。以下是一些Bokeh图形的示例：

折线图

from bokeh.plotting import figure, output_file, show

x = [1, 2, 3, 4, 5]
y = [2, 4, 1, 5, 3]

output_file("line.html")

p = figure(title="折线图", x_axis_label='x', y_axis_label='y')
p.line(x, y)

show(p)

带区域的折线图

from bokeh.plotting import figure, output_file, show

x = [1, 2, 3, 4, 5]
y = [2, 4, 1, 5, 3]
y_upper = [i + 0.5 for i in y]
y_lower = [i - 0.5 for i in y]

output_file("line_with_area.html")

p = figure(title="带区域的折线图", x_axis_label='x', y_axis_label='y')
p.add_layout(p.patch(x + x[::-1], y_upper + y_lower[::-1], alpha=0.5, color='blue'))
p.line(x, y)

show(p)