精华内容
下载资源
问答
我要提问

  • 速来围观！看小伙是如何用python可视化各城市拥堵情况的

     万次阅读 多人点赞 2020-11-15 23:01:24
    看小伙是如何用python可视化各城市拥堵情况的前言一、爬取拥堵指数二、数据可视化三、搭建展示网站写在最后 前言 就在今天，我感受到了来自堵车的深深恶意。没有错！我今天被堵在路上近乎3个小时，美好的约会就这样... 
    速来围观！看小伙是如何用python可视化各城市拥堵情况的
    

    前言
    

    就在今天，我感受到了来自堵车的深深恶意。没有错！我今天被堵在路上近乎3个小时，美好的约会就这样化为泡影了。
    
在这里插入图片描述
    
我倒还真想看看这路到底能有多堵。于是，我爬取了各城市的拥堵数据，并将它们可视化：
    
在这里插入图片描述
    
特别说明：由于数据具有实时性，画图时已经过了高峰期，于是图上一片绿油油也并不奇怪。
    

    有感兴趣的客官，您接着往下看，待我给您慢慢分解。（ps.涉及到爬虫、pyecharts、flask等）
    

    一、爬取拥堵指数
    

    某度智慧交通提供了各个城市的拥堵指数的数据，我们只需要通过几行代码便可轻松抓取：
    

    # 获取各城市的拥堵指数
url = 'https://jiaotong.baidu.com/trafficindex/city/list' # 接口api
res = requests.get(url)
data = res.json()

    

    其中，url为获取数据的接口地址，通过简单的抓包分析便能知道。 而data为返回后的数据，它包括很多字段，但是我们只需要提取其中的城市名和拥堵指数即可：
    

    # 提取数据
citys = [i['cityname'] for i in data['data']['list']] # 提取城市
indexs = [float(i['index']) for i in data['data']['list']] # 提取对应的指数

    

    有了数据，接下来我们就可以将其可视化展示出来。
    

    二、数据可视化
    

    利用可视化神器pyecharts库绘制地图，并将城市以及对应的拥堵指数表示出来。其安装如下：
    

    pip install pyecharts

    

    部分版本需要再安装额外的地图库，方法如下：
    

    pip install echarts-countries-pypkg
pip install echarts-cities-pypkg
pip install echarts-china-provinces-pypkg 
pip install echarts-china-cities-pypkg

    

    首先定义地图：
    

    geo = Geo()
geo.add_schema(maptype = 'china') # 加入中国地图

    

    添加数据并进行相关设置：
    

    geo.add('各城市拥堵指数', zip(citys,indexs), type_ = 'effectScatter') # 设置地图类型及数据
geo.set_series_opts(label_opts = opts.LabelOpts(is_show = False))  #设置是否显示标签

    

    根据拥堵指数的大小进行分类，分别为畅通、缓行、拥堵、严重拥堵：
    

    geo.set_global_opts(visualmap_opts = opts.VisualMapOpts(
                    #max_ = 2.5, # 用于连续表示
                    is_piecewise = True, # 是否分段
                    pieces = [{'min':1.0,'max':1.5,'label':'畅通','color':'#16CE95'},
                              {'min':1.5,'max':1.8,'label':'缓行','color':'#F79D06'},
                              {'min':1.8,'max':2.0,'label':'拥堵','color':'#D80304'},
                              {'min':2.0,'max':2.5,'label':'严重拥堵','color':'#8F0921'}])) # 设置图例显示

    

    最后将地图保存在本地：
    

    geo.render(path='各城市拥堵指数.html')

    

    到这里，我们就得到了文章一开始看到的那张图~
    
然而，由于拥堵数据是实时变化的，如果我每次都要去运行一次代码岂不是很麻烦？很显然，机智的社会主义青年是不会这么做的，您接着往下看。
    

    三、搭建展示网站
    

    为了更加方便地将各城市拥堵情况展示出来，我决定搭建一个用于展示的网站。方法可以是各式各样的，在这里我选择了利用flask框架，简单快捷~
    
我的完整代码如下:
    

    # -*- coding: utf-8 -*-
"""
Created on Sun Nov 15 01:34:36 2020

@author: kimol_love
"""
import requests
from pyecharts.charts import Geo
from pyecharts import options as opts
from flask import Flask, render_template

def get_data():
    '''
    获取拥堵指数
    '''
    # 获取各城市的拥堵指数
    url = 'https://jiaotong.baidu.com/trafficindex/city/list' # 接口api
    res = requests.get(url)
    data = res.json()
    
    # 提取数据
    citys = [i['cityname'] for i in data['data']['list']] # 提取城市
    indexs = [float(i['index']) for i in data['data']['list']] # 提取对应的指数
    
    # 返回数据
    return zip(citys,indexs)
    
def get_geo():
    '''
    获取地图
    '''
    # 获取各城市的拥堵指数
    data = get_data()
    
    # 绘制散点分布图
    geo = Geo()
    geo.add_schema(maptype = 'china') # 加入中国地图
    geo.add('各城市拥堵指数 by kimol', data, type_ = 'effectScatter') # 设置地图类型及数据
    geo.set_series_opts(label_opts = opts.LabelOpts(is_show = False))  #设置是否显示标签
    geo.set_global_opts(visualmap_opts = opts.VisualMapOpts(
                        #max_ = 2.5, # 用于连续表示
                        is_piecewise = True, # 是否分段
                        pieces = [{'min':1.0,'max':1.5,'label':'畅通','color':'#16CE95'},
                                  {'min':1.5,'max':1.8,'label':'缓行','color':'#F79D06'},
                                  {'min':1.8,'max':2.0,'label':'拥堵','color':'#D80304'},
                                  {'min':2.0,'max':2.5,'label':'严重拥堵','color':'#8F0921'}])) # 设置图例显示
    
    # 返回地图
    return geo

# 定义app
app = Flask(__name__)
# 定义主界面
@app.route("/")
def hello():
    geo = get_geo()
    return render_template('geo.html',
                           mygeo=geo.render_embed())
    
if __name__ == "__main__":
    #运行项目
    app.run()

    

    其中，get_geo()为获取地图的函数，返回了pyecharts绘制的地图。在当前目录下创建templates文件夹，并创建模块文件geo.html，如下：
    

    <!DOCTYPE html>
<html>

<head>
    <meta charset="utf-8">
    <title>各城市交通拥堵指数</title>
</head>

<body>
  {{mygeo|safe}}
</body>

</html>

    

    至此，访问网站地址即可看到绘制的拥堵情况地图~
    

    写在最后
    

    让大家瞅瞅这万恶的晚高峰:
    
在这里插入图片描述
    

    最后，感谢各位大大的耐心阅读，咋们下次再会~
    

    创作不易，大侠请留步… 动起可爱的双手，来个赞再走呗 (๑◕ܫ￩๑)
    收起
    展开全文
    数据分析

  • python可视化工具

     千次阅读 2018-04-26 16:21:22
    python可视化库可以大致分为几类： - 基于matplotlib的可视化库 - 基于JS的可视化库 - 基于上述两者或其他组合功能的库 基于matplotlib的可视化库 matplotlib是python可视化库的基础。matplotlib库的设计参考... 
    


    

    

    


    可视化工具全景图
    


    python可视化库可以大致分为几类： 
    
- 基于matplotlib的可视化库 
    
- 基于JS的可视化库 
    
- 基于上述两者或其他组合功能的库
    




    基于matplotlib的可视化库
    


    matplotlib是python可视化库的基础。matplotlib库的设计参考了matlab，甚至连名称也是以“mat”开头。 
    
matplotlib优点： 
    
- 设计类似Matlab 
    
- 很多渲染后端 
    
- 几乎可以绘制任何图形 
    
- 有长时间良好运行历史 
    
缺点： 
    
- 必须掌握API，其使用描述冗长 
    
- 部分默认样式设计比较弱 
    
- 对网页 及交互式绘图支持弱 
    
- 数据量大时运行缓慢
    


    后续开发者吸取了matplotlib库的优点，经过对matplotlib库的缺点进行改进，从而衍生出一系列的可视化库。 
    
基于matplotlib的可视化库
    


    两个重要且常见的基于matplotlib的第三方库： 
    
- Pandas:一般用于数据分析和处理，其实也提供较为简单的API绘制图形如pandas.tools.plotting 
    
- Seaborn:matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，在大多数情况下使用seaborn就能做出很具有吸引力的图。
    




    基于JavaScript的可视化库
    


    基于JavaScript的可视化库
    


    常用的两个基于JavaScript的可视化库： 
    
- bokeh:Bokeh (Bokeh.js) 是一个 Python 交互式可视化库，支持现代化Web浏览器，提供非常完美的展示功能。Bokeh 的目标是使用 D3.js样式提供优雅，简洁新颖的图形化风格，同时提供大型数据集的高性能交互功能。详细Bokeh.js官网 
    
- plotly:Plotly是另一个免费进行数据分析和绘制图表的APP，建立在d3.js上。 Plotly图可下载为SVG，EPS或PNG格式，并简单地导入到Illustrator或者Photoshop中。跟bokeh类似，也可以制作一些交互式的web图。详细plotly官网
    




    其他综合类型库
    


      

    • Holoviews:能够让用户构建有助于可视化的数据结构，而且它包含丰富的可组合元素库，可以覆盖、嵌套和轻松定位。同时，它还支持快速数据探索。Holoviews可以和Seaborn、pandas或者bokeh组合使用。
      • 

    • Altair:Altairs起源于D3，但代码编写量要比D3简单。Altair 是 Python 高级声明式可视化库。Altair 提供一个 Python API 在声明式 manner 中构建静态统计可视化库。
      • 

    


    再来看看python 可视化工具的全景图： 
    
全景图
    




    参考链接
    收起
    展开全文

  • Python可视化库

     万次阅读 多人点赞 2019-01-06 13:43:28
    现如今大数据已人尽皆知，但在这个信息大爆炸的时代里，...数据可视化将技术与艺术完美结合，借助图形化的手段，清晰有效地传达与沟通信息，直观、形象地显示海量的数据和信息，并进行交互处理。 数据可视化的应用... 
    现如今大数据已人尽皆知，但在这个信息大爆炸的时代里，空有海量数据是无实际使用价值，更不要说帮助管理者进行业务决策。那么数据有什么价值呢？用什么样的手段才能把数据的价值直观而清晰的表达出来？
    
答案是要提供像人眼一样的直觉的、交互的和反应灵敏的可视化环境。数据可视化将技术与艺术完美结合，借助图形化的手段，清晰有效地传达与沟通信息，直观、形象地显示海量的数据和信息，并进行交互处理。
    
数据可视化的应用十分广泛,几乎可以应用于自然科学、工程技术、金融、通信和商业等各种领域。下面我们基于Python，简单地介绍一下适用于各个领域的几个实用的可视化库，快速带你入门！！
    

    1.matplotlib
    

    https://matplotlib.org/
    
Matplotlib是一个Python 2维绘图库，已经成为python中公认的数据可视化工具，通过Matplotlib你可以很轻松地画一些或简单或复杂地图形，几行代码即可生成线图、直方图、功率谱、条形图、错误图、散点图等等。
    
对于一些简单的绘图，特别是与IPython结合使用时，pyplot模块提供了一个matlab接口。你可以通过面向对象的接口或通过一些MATLAB的函数来更改控制行样式、字体属性、轴属性等。
    

    这里写图片描述
    
安装：
    

    • linux系统
      • 

    方法一：
    

    sudo apt-get install python-dev

sudo apt-get install python-matplotlib

    

    方法二：
    

    pip install matplotlib

    

    • windows系统
      • 

    先下载对应的安装包pyproj和matplotlib
    
打开Anaconda Prompt，输入安装包所在路径，然后分别输入
    

    pip install pyproj 1.9.5.1 cp36 cp36m win_amd64.whl #输入下载的pyproj文件名

pip install matplotlib_tests‑2.1.0‑py2.py3‑none‑any.whl

    

    • mac os系统
      • 

    方法一：
    

    pip install matplotlib

    

    方法二：
    

    sudo curl -O https://bootstrap.pypa.io/get-pip.py

sudo python get-pip.py

    

    快速入门
    

    import numpy as np
import matplotlib.mlab as mlab
import matplotlib.pyplot as plt

#产生随机数
np.random.seed(19680801)

# 定义数据的分布特征
mu = 100  
sigma = 15   
x = mu + sigma * np.random.randn(437)

num_bins = 50

fig, ax = plt.subplots()

n, bins, patches = ax.hist(x, num_bins, normed=1)

# 添加图表元素
y = mlab.normpdf(bins, mu, sigma)
ax.plot(bins, y, '--')
ax.set_xlabel('Smarts')
ax.set_ylabel('Probability density')
ax.set_title(r'Histogram of IQ: $\mu=100$, $\sigma=15$')

# 图片展示与保存
fig.tight_layout()
plt.savefig("Histogram.png")
plt.show()

    

    运行结果
    这里写图片描述
    

    2.Seaborn
    

    http://seaborn.pydata.org/
    
Seaborn是基于matplotlib产生的一个模块，专攻于统计可视化，可以和pandas进行无缝链接，使初学者更容易上手。相对于matplotlib，Seaborn语法更简洁，两者关系类似于numpy和pandas之间的关系。
    这里写图片描述
    
安装：
    

    • linux系统
      • 

    sudo pip install seaborn

    

    • window系统
      • 

    pip install seaborn

    

    快速入门
    

    import seaborn as sns
sns.set(style="ticks")
from matplotlib import pyplot

# 加载数据集
tips = sns.load_dataset("tips")

# 绘图
sns.boxplot(x="day", y="total_bill", hue="sex", data=tips, palette="PRGn")
sns.despine(offset=10, trim=True)

#图片展示与保存
pyplot.savefig("GroupedBoxplots.png")
pyplot.show()


    

    运行结果
    这里写图片描述
    

    3.HoloViews
    

    http://holoviews.org/
    
HoloViews是一个开源的Python库，可以用非常少的代码行中完成数据分析和可视化，除了默认的matplotlib后端外，还添加了一个Bokeh后端。Bokeh提供了一个强大的平台，通过结合Bokeh提供的交互式小部件，可以使用HTML5 canvas和WebGL快速生成交互性和高维可视化，非常适合于数据的交互式探索。
    

    这里写图片描述
    
安装
    

    方法一：
    

    pip install HoloViews

    

    方法二：
    

    conda install -c ioam/label/dev holoviews

    

    方法三：
    

    git clone git://github.com/ioam/holoviews.git
cd holoviews
pip install -e 

    

    方法四：
    

    点击下载安装
    

    快速入门
    

    import numpy as np
import holoviews as hv

#调用bokeh
hv.extension('bokeh')

#数据输入
frequencies = [0.5, 0.75, 1.0, 1.25]

#定义曲线
def sine_curve(phase, freq):
    xvals = [0.1* i for i in range(100)]
    return hv.Curve((xvals, [np.sin(phase+freq*x) for x in xvals]))

# 调用函数，输出图像
dmap = hv.DynamicMap(sine_curve, kdims=['phase', 'frequency'])
dmap.redim.range(phase=(0.5,1)).redim.range(frequency=(0.5,1.25))


    

    运行结果
    这里写图片描述
    

    4.Altair
    

    https://altair-viz.github.io/
    
Altair是Python的一个公认的统计可视化库。它的API简单、友好、一致，并建立在强大的vega - lite（交互式图形语法）之上。Altair API不包含实际的可视化呈现代码，而是按照vega - lite规范发出JSON数据结构。由此产生的数据可以在用户界面中呈现，这种优雅的简单性产生了漂亮且有效的可视化效果，且只需很少的代码。
    
数据源是一个DataFrame，它由不同数据类型的列组成。DataFrame是一种整洁的格式，其中的行与样本相对应，而列与观察到的变量相对应。数据通过数据转换映射到使用组的视觉属性(位置、颜色、大小、形状、面板等)。
    

    这里写图片描述
    
安装
    

    方法一：
    

    pip install Altair

    

    方法二：
    

    conda install altair --channel conda-forge

    

    快速入门
    

    import altair as alt

# 加载数据集
cars = alt.load_dataset('cars')

#绘图
alt.Chart(cars).mark_point().encode(
    x='Horsepower',
    y='Miles_per_Gallon',
    color='Origin',
)


    

    这里写图片描述
    

    5.PyQtGraph
    

    http://www.pyqtgraph.org/
    
PyQtGraph是在PyQt4 / PySide和numpy上构建的纯 python的GUI图形库。它主要用于数学，科学，工程领域。尽管PyQtGraph完全是在python中编写的，但它本身就是一个非常有能力的图形系统，可以进行大量的数据处理，数字运算；使用了Qt的GraphicsView框架优化和简化了工作流程，实现以最少的工作量完成数据可视化，且速度也非常快。
    这里写图片描述
    
安装
    

    方法一
    

    pip install PyQtGraph

    

    方法二
    

    点击下载安装
    

    快速入门
    

    import pyqtgraph as pg
from pyqtgraph.Qt import QtGui, QtCore
import numpy as np

#创建一个绘图区
win = pg.plot()
win.setWindowTitle('pyqtgraph example: FillBetweenItem')
win.setXRange(-10, 10)
win.setYRange(-10, 10)

#曲线
N = 200
x = np.linspace(-10, 10, N)
gauss = np.exp(-x**2 / 20.)
mn = mx = np.zeros(len(x))
curves = [win.plot(x=x, y=np.zeros(len(x)), pen='k') for i in range(4)]
brushes = [0.5, (100, 100, 255), 0.5]
fills = [pg.FillBetweenItem(curves[i], curves[i+1], brushes[i]) for i in range(3)]
for f in fills:
    win.addItem(f)

def update():
    global mx, mn, curves, gauss, x
    a = 5 / abs(np.random.normal(loc=1, scale=0.2))
    y1 = -np.abs(a*gauss + np.random.normal(size=len(x)))
    y2 =  np.abs(a*gauss + np.random.normal(size=len(x)))
    
    s = 0.01
    mn = np.where(y1<mn, y1, mn) * (1-s) + y1 * s
    mx = np.where(y2>mx, y2, mx) * (1-s) + y2 * s
    curves[0].setData(x, mn)
    curves[1].setData(x, y1)
    curves[2].setData(x, y2)
    curves[3].setData(x, mx)
    
#时间轴
timer = QtCore.QTimer()
timer.timeout.connect(update)
timer.start(30)


#启动Qt
if __name__ == '__main__':
    import sys
    if (sys.flags.interactive != 1) or not hasattr(QtCore, 'PYQT_VERSION'):
        QtGui.QApplication.instance().exec_() 


    

    这里写图片描述
    

    6.ggplot
    

    http://ggplot.yhathq.com/
    
ggplot是基于R的ggplot2和图形语法的Python的绘图系统，实现了更少的代码绘制更专业的图形。
    
它使用一个高级且富有表现力的API来实现线，点等元素的添加，颜色的更改等不同类型的可视化组件的组合或添加，而不需要重复使用相同的代码，然而这对那些试图进行高度定制的的来说，ggplot并不是最好的选择，尽管它也可以制作一些非常复杂、好看的图形。
    
ggplot与pandas紧密联系。如果你打算使用ggplot，最好将数据保存在DataFrames中。
    这里写图片描述
    
安装：
    

    • linux系统
      • 

    pip install numpy

pip install scipy

pip install statsmodels

pip install ggplot

    

    • window系统
      • 

    下载ggplot安装包然后运行
    

    pip install ggplot‑0.11.5‑py2.py3‑none‑any.whl

    

    快速入门
    

    from ggplot import *

ggplot(aes(x='date', y='beef', ymin='beef - 1000', ymax='beef + 1000'), data=meat) + \
    geom_area() + \
    geom_point(color='coral')


    

    运行结果
    这里写图片描述
    

    7.Bokeh
    

    https://bokeh.pydata.org/en/latest/
    
Bokeh是一个Python交互式可视化库，支持现代化web浏览器展示（图表可以输出为JSON对象，HTML文档或者可交互的网络应用）。它提供风格优雅、简洁的D3.js的图形化样式，并将此功能扩展到高性能交互的数据集，数据流上。使用Bokeh可以快速便捷地创建交互式绘图、仪表板和数据应用程序等。
    
Bokeh能与NumPy，Pandas，Blaze等大部分数组或表格式的数据结构完美结合。
    

    这里写图片描述
    

    安装：
    

    方法一：如果有配置anaconda的话使用以下命令（推荐）
    

    conda install bokeh

    

    方法二：
    

    pip install numpy

pip install pandas

pip install redis

pip install bokeh

    

    快速入门
    

    from bokeh.plotting import figure, output_file, show

# 创建图
p = figure(plot_width=300, plot_height=300, tools="pan,reset,save")

# 画圆
p.circle([1, 2.5, 3, 2], [2, 3, 1, 1.5], radius=0.3, alpha=0.5)

# 定义输出文件格式
output_file("foo.html")

# 图片展示
show(p) 


    

    运行结果
    这里写图片描述
    

    8.pygal
    

    http://www.pygal.org/en/stable/
    
pygal是一种开放标准的矢量图形语言，它基于XML（Extensible Markup Language），可以生成多个输出格式的高分辨率Web图形页面，还支持给定数据的html表导出。用户可以直接用代码来描绘图像，可以用任何文字处理工具打开SVG图像，通过改变部分代码来使图像具有交互功能，并且可以插入到HTML中通过浏览器来观看。
    这里写图片描述
    
安装：
    

    • linux系统
      • 

    pip install pygal

    

    • window系统
      • 

    命令类似于
    

    python -m pip install --user pygal==1.7

    

    • mac os系统
      • 

    命令类似于
    

    方法一：
    

    pip install --user pygal==1.7

    

    方法二：
    

    pip install git+https://github.com/vispy/vispy.git

    

    快速入门
    

    import pygal

#声明图表类型
bar_chart = pygal.StackedBar()

#绘图
bar_chart.add('Fibonacci', [0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55])
bar_chart.add('Padovan', [1, 1, 1, 2, 2, 3, 4, 5, 7, 9, 12])

#保存图片
bar_chart.render_to_png('bar1.png')


    

    运行结果
    这里写图片描述
    

    9.VisPy
    

    http://vispy.org/gallery.html
    
VisPy是一个用于交互式科学可视化的Python库，快速、可伸缩、且易于使用，是一个高性能的交互式2D / 3D数据可视化库，利用了现代图形处理单元(gpu)的计算能力，通过OpenGL库来显示非常大的数据集。
    

    这里写图片描述
    
安装
    

    pip install VisPy

    

    快速入门
    

    from vispy.plot import Fig

#调用类（Fig）
fig = Fig()

#创建PlotWidget
ax_left = fig[0, 0]
ax_right = fig[0, 1]

#绘图
import numpy as np
data = np.random.randn(2, 3)
ax_left.plot(data)
ax_right.histogram(data[1])


    

    运行结果
    这里写图片描述
    

    10.NetworkX
    

    https://networkx.github.io/documentation/stable/tutorial.html
    

    NetworkX是一个Python包，用于创建、操纵和研究复杂网络的结构、以及学习复杂网络的结构、功能及其动力学。
    
NetworkX提供了适合各种数据结构的图表、二合字母和多重图，还有大量标准的图算法，网络结构和分析措施，可以产生随机网络、合成网络或经典网络，且节点可以是文本、图像、XML记录等，并提供了一些示例数据(如权重，时间序列)。
    
NetworkX测试的代码覆盖率超过90%，是一个多样化，易于教学，能快速生成图形的Python平台。
    

    这里写图片描述
    

    安装
    

    方法一：
    

    pip install networkx

    

    方法二：
    

    点击下载安装
    

    快速入门
    

    import matplotlib.pyplot as plt
import networkx as nx
import numpy.linalg

#生成随机数
n = 1000  
m = 5000  
G = nx.gnm_random_graph(n, m)

#定义数据分布特征
L = nx.normalized_laplacian_matrix(G)
e = numpy.linalg.eigvals(L.A)
 
#绘图并显示
plt.hist(e, bins=100)  
plt.xlim(0, 2)  
plt.show()


    

    运行结果
    这里写图片描述
    

    11.Plotly
    

    https://plot.ly/python/
    
Plotly的Python graphing library在网上提供了交互式的、公开的，高质量的图表集，可与R、python、matlab等软件对接。它拥有在别的库中很难找到的几种图表类型，如等值线图，树形图和三维图表等，图标类型也十分丰富，申请了API密钥后，可以一键将统计图形同步到云端。但美中不足的是，打开国外网站会比较费时，且一个账号只能创建25个图表，除非你升级或删除一些图表。
    

    这里写图片描述
    

    安装：
    

    pip install plotly

    

    快速入门
    

    import plotly.plotly as py
import plotly.graph_objs as go

trace1 = go.Scatter(
    x=[0, 1, 2, 3, 4, 5],
    y=[1.5, 1, 1.3, 0.7, 0.8, 0.9]
)
trace2 = go.Bar(
    x=[0, 1, 2, 3, 4, 5],
    y=[1, 0.5, 0.7, -1.2, 0.3, 0.4]
)

data = [trace1, trace2]
py.iplot(data, filename='bar-line')


    

    运行结果
    这里写图片描述
    

    12.geoplotlib
    

    https://residentmario.github.io/geoplot/index.html
    
Basemap和Cartopy包支持多个地理投影，并提供一些可视化效果，包括点图、热图、等高线图和形状文件。PySAL是一个由Python编写的空间分析函数的开源库，它提供了许多基本的工具，主要用于形状文件。但是，这些库不允许用户绘制地图贴图，并且对自定义可视化、交互性和动画的支持有限。
    
geoplotlib是python的一个用于地理数据可视化和绘制地图的工具箱，并提供了一个原始数据和所有可视化之间的基本接口，支持在纯python中开发硬件加速的交互式可视化，并提供点映射、内核密度估计、空间图、泰森多边形图、形状文件和许多更常见的空间可视化的实现。除了为常用的地理数据可视化提供内置的可视化功能外，geoplotlib还允许通过定义定制层来定义复杂的数据可视化（绘制OpenGL，如分数、行和具有高性能的多边形），创建动画。
    这里写图片描述
    
安装：
    

    pip install geoplotlib

    

    快速入门
    

    from geoplotlib.layers import DelaunayLayer
import geoplotlib
from geoplotlib.utils import read_csv, BoundingBox

data = read_csv('data/bus.csv')
geoplotlib.delaunay(data, cmap='hot_r')
geoplotlib.set_bbox(BoundingBox.DK)
geoplotlib.set_smoothing(True)
geoplotlib.show()


    

    运行结果
    这里写图片描述
    

    13.folium
    

    https://python-visualization.github.io/folium/
    
folium是一个建立在Python系统之上的js库，可以很轻松地将在Python中操作的数据可视化为交互式的单张地图，且将紧密地将数据与地图联系在一起，可自定义箭头，网格等HTML格式的地图标记。该库还附有一些内置的地形数据。
    

    这里写图片描述
    

    安装
    

    方法一：
    

    pip install folium

    

    方法二：
    

    conda install folium

    

    方法三：
    

    点击下载安装
    

    快速入门
    

    import folium

#确定经纬度
m = folium.Map(location=[45.5236, -122.6750])
m


    

    运行结果
    这里写图片描述
    

    14.Gleam
    

    Gleam允许你只利用Python构建数据的交互式，生成可视化的网络应用。无需具备HTML CSS或JaveScript知识，就能使用任一种Python可视化库控制输入。当你创建一个图表的时候，你可以在上面加上一个域，让任何人都可以实时地玩转你的数据，让你的数据更通俗易懂。
    

    安装：
    

    pip install Gleam

    

    快速入门
    

    from wtforms import fields
from ggplot import *
from gleam import Page, panels

#定义绘图函数
class ScatterInput(panels.InputPanel):
    title = fields.StringField(label="Title of plot:")
    yvar = fields.SelectField(label="Y axis",
                              choices=[("beef", "Beef"),
                                       ("pork", "Pork")])
    smoother = fields.BooleanField(label="Smoothing Curve")

class ScatterPlot(panels.PlotPanel):
    name = "Scatter"

    def plot(self, inputs):
        p = ggplot(meat, aes(x='date', y=inputs.yvar))
        if inputs.smoother:
            p = p + stat_smooth(color="blue")
        p = p + geom_point() + ggtitle(inputs.title)
        return p

class ScatterPage(Page):
    input = ScatterInput()
    output = ScatterPlot()

#运行
ScatterPage.run()


    

    运行结果
    这里写图片描述
    

    15.vincent
    

    https://vincent.readthedocs.io/en/latest/
    
Vincent是一个很酷的可视化工具，它以Python数据结构作为数据源，然后把它翻译成Vega可视化语法，并且能够在d3js上运行。这让你可以使用Python脚本来创建漂亮的3D图形来展示你的数据。Vincent底层使用Pandas和DataFrames数据，并且支持大量的图表----条形图、线图、散点图、热力图、堆条图、分组条形图、饼图、圈图、地图等等。
    

    这里写图片描述
    

    安装
    

    pip install vincent

    

    快速入门
    

    import vincent
bar = vincent.Bar(multi_iter1['y1'])
bar.axis_titles(x='Index', y='Value')
bar.to_json('vega.json')


    

    运行结果
    这里写图片描述
    

    16.mpld3
    

    http://mpld3.github.io/
    
mpld3基于python的graphing library和D3js，汇集了Matplotlib流行的项目的JavaScript库，用于创建web交互式数据可视化。通过一个简单的API，将matplotlib图形导出为HTML代码，这些HTML代码可以在浏览器内使用。
    这里写图片描述
    

    安装
    

    方法一：
    

    pip install mpld3

    

    方法二：
    

    点击下载安装
    

    快速入门
    

    import matplotlib.pyplot as plt
import numpy as np
import mpld3
from mpld3 import plugins

fig, ax = plt.subplots()

x = np.linspace(-2, 2, 20)
y = x[:, None]
X = np.zeros((20, 20, 4))

X[:, :, 0] = np.exp(- (x - 1) ** 2 - (y) ** 2)
X[:, :, 1] = np.exp(- (x + 0.71) ** 2 - (y - 0.71) ** 2)
X[:, :, 2] = np.exp(- (x + 0.71) ** 2 - (y + 0.71) ** 2)
X[:, :, 3] = np.exp(-0.25 * (x ** 2 + y ** 2))

im = ax.imshow(X, extent=(10, 20, 10, 20),
               origin='lower', zorder=1, interpolation='nearest')
fig.colorbar(im, ax=ax)

ax.set_title('An Image', size=20)

plugins.connect(fig, plugins.MousePosition(fontsize=14))

mpld3.show()


    

    运行结果
    这里写图片描述
    

    17.python-igraph
    

    http://igraph.org/python/
    
Python界面的igraph高性能图形库，主要针对复杂的网络研究和分析
    

    这里写图片描述
    

    安装
    

    方法一：
    

    pip install python-igraph

    

    方法二：
    

    点击下载安装
    

    快速入门
    

    from igraph import *

layout = g.layout("kk")
plot(g, layout = layout)


    

    运行结果
    这里写图片描述
    

    18.missingno
    

    https://github.com/ResidentMario/missingno
    
没有高质量的数据，就没有高质量的数据挖掘结果，当我们做监督学习算法，难免会碰到混乱的数据集，缺失的值，当缺失比例很小时，可直接对缺失记录进行舍弃或进行手工处理，missingno提供了一个小型的灵活的、易于使用的数据可视化和实用工具集，用图像的方式让你能够快速评估数据缺失的情况，而不是在数据表里面步履维艰。你可以根据数据的完整度对数据进行排序或过滤，或者根据热度图或树状图来考虑对数据进行修正。
    
missingno 是基于matplotlib建造的一个模块，所以它出图速度很快，并且能够灵活的处理pandas数据。
    这里写图片描述
    

    安装：
    

    方法一：
    

    pip install missingno

    

    方法二：
    

    点击下载安装
    

    快速入门
    

    import missingno as msno
import pandas as pd
import pandas_datareader.data as web
import numpy as np
p=print

save_loc = '/YOUR/PROJECT/LOCATION/'
logo_loc = '/YOUR/WATERMARK/LOCATION/'

# get index and fed data

f1 = 'USREC' # recession data from FRED

start = pd.to_datetime('1999-01-01')
end = pd.datetime.today()

mkt = '^GSPC'
MKT = (web.DataReader([mkt,'^VIX'], 'yahoo', start, end)['Adj Close']
      .resample('MS') # month start b/c FED data is month start
       .mean()
       .rename(columns={mkt:'SPX','^VIX':'VIX'})
       .assign(SPX_returns=lambda x: np.log(x['SPX']/x['SPX'].shift(1)))
       .assign(VIX_returns=lambda x: np.log(x['VIX']/x['VIX'].shift(1)))
       )

data = (web.DataReader([f1], 'fred', start, end)
        .join(MKT, how='outer')
        .dropna())

p(data.head())
p(data.info())
msno.matrix(data)


    

    运行结果
    这里写图片描述
    

    19.Mayavi2
    

    http://code.enthought.com/pages/mayavi-project.html
    
Mayavi2是一个通用的、跨平台的三维科学数据可视化工具。可以在二维和三维空间中显示标量、向量和张量数据。可通过自定义源、模块和数据过滤器轻松扩展。Mayavi2也可以作为一个绘图引擎，生成matplotlib或gnuplot脚本，也可以作为其他应用程序的交互式可视化的库，将生成的图片嵌入到其他应用程序中。
    

    这里写图片描述!
    
安装
    

    pip install mayavi

    

    快速入门
    

    import numpy
from mayavi import mlab

def lorenz(x, y, z, s=10., r=28., b=8. / 3.):
    """The Lorenz system."""
    u = s * (y - x)
    v = r * x - y - x * z
    w = x * y - b * z
    return u, v, w

# 取样.
x, y, z = numpy.mgrid[-50:50:100j, -50:50:100j, -10:60:70j]
u, v, w = lorenz(x, y, z)
fig = mlab.figure(size=(400, 300), bgcolor=(0, 0, 0))

# 用合适的参数画出轨迹的流动.
f = mlab.flow(x, y, z, u, v, w, line_width=3, colormap='Paired')
f.module_manager.scalar_lut_manager.reverse_lut = True
f.stream_tracer.integration_direction = 'both'
f.stream_tracer.maximum_propagation = 200

# 提取特征并绘制
src = f.mlab_source.m_data
e = mlab.pipeline.extract_vector_components(src)
e.component = 'z-component'
zc = mlab.pipeline.iso_surface(e, opacity=0.5, contours=[0, ],
            color=(0.6, 1, 0.2))
# 背景设置
zc.actor.property.backface_culling = True

# 图片展示
mlab.view(140, 120, 113, [0.65, 1.5, 27])
mlab.show()


    

    运行结果
    这里写图片描述
    

    20.Leather
    

    https://leather.readthedocs.io/en/latest/examples.html
    
Leather一种可读且用户界面友好的API，新手也能快速掌握。图像成品非常基础，适用于所有的数据类型，针对探索性图表进行了优化，产生与比例无关的SVG图，这样在你调整图像大小的时候就不会损失图像质量
    这里写图片描述
    
安装
    

    方法一：
    

    pip install leather

    

    方法二：
    

    点击下载安装
    

    快速入门
    

    import csv
import leather

with open('gii.csv') as f:
    reader = csv.reader(f)
    next(reader)
    data = list(reader)[:10]

    for row in data:
        row[1] = float(row[1]) if row[1] is not None else None

chart = leather.Chart('Data from CSV reader')
chart.add_bars(data, x=1, y=0)
chart.to_svg('csv_reader.svg')


    

    运行结果
    这里写图片描述
    
#结语：
    
在 Python 中，将数据可视化有多种选择，因此何时选用何种方案才变得极具挑战性。
    
如果你想做一些专业的统计图表，我推荐你使用Seaborn，Altair；数学，科学，工程领域的学者就选择PyQtGraph，VisPy，Mayavi2；网络研究和分析方面，NetworkX，python-igraph会是一个不错的选择。
    
地理投影就选geoplotlib，folium；评估数据缺失就选missingno；有了HoloViews再也不用为高维图形犯愁；如果你不喜欢花俏的修饰，那就选择Leather。
    
如果你是一名新手但有MATLAB基础，matplotlib会很好上手；有R基础的就选ggplot；如果你是新手或懒癌晚期者，Plotly将会是一大福音，它提供了大量图表集可供你选择与使用。
    收起
    展开全文

  • 一、python可视化——热力图

     万次阅读 多人点赞 2018-04-04 10:41:57
    热力图 1、利用热力图可以看数据表里多个特征两两的相似度。参考官方API参数及地址： seaborn.heatmap(data, vmin=None, vmax=None,cmap=None, center=None, robust=False, annot=None, fmt=’.2g’, annot_kws=... 
    热力图
    


    1、利用热力图可以看数据表里多个特征两两的相似度。参考官方API参数及地址：
    


    seaborn.heatmap(data, vmin=None, vmax=None,cmap=None, center=None, robust=False, annot=None, fmt=’.2g’, annot_kws=None,linewidths=0, linecolor=’white’, cbar=True, cbar_kws=None, cbar_ax=None,square=False, xticklabels=’auto’, yticklabels=’auto’, mask=None, ax=None,**kwargs)
    


    （1）热力图输入数据参数:
    


    data:矩阵数据集，可以是numpy的数组（array），也可以是pandas的DataFrame。如果是DataFrame，则df的index/column信息会分别对应到heatmap的columns和rows，即df.index是热力图的行标，df.columns是热力图的列标
    


    （2）热力图矩阵块颜色参数:
    


    vmax,vmin:分别是热力图的颜色取值最大和最小范围，默认是根据data数据表里的取值确定
    cmap:从数字到色彩空间的映射，取值是matplotlib包里的colormap名称或颜色对象，或者表示颜色的列表；改参数默认值：根据center参数设定
    center:数据表取值有差异时，设置热力图的色彩中心对齐值；通过设置center值，可以调整生成的图像颜色的整体深浅；设置center数据时，如果有数据溢出，则手动设置的vmax、vmin会自动改变
    robust:默认取值False；如果是False，且没设定vmin和vmax的值，热力图的颜色映射范围根据具有鲁棒性的分位数设定，而不是用极值设定
    


    （3）热力图矩阵块注释参数:
    


    annot(annotate的缩写):默认取值False；如果是True，在热力图每个方格写入数据；如果是矩阵，在热力图每个方格写入该矩阵对应位置数据
    fmt:字符串格式代码，矩阵上标识数字的数据格式，比如保留小数点后几位数字
    annot_kws:默认取值False；如果是True，设置热力图矩阵上数字的大小颜色字体，matplotlib包text类下的字体设置；官方文档：
    


    （4）热力图矩阵块之间间隔及间隔线参数：
    


    linewidths:定义热力图里“表示两两特征关系的矩阵小块”之间的间隔大小
    linecolor:切分热力图上每个矩阵小块的线的颜色，默认值是’white’
    


    （5）热力图颜色刻度条参数：
    


    cbar:是否在热力图侧边绘制颜色刻度条，默认值是True
    cbar_kws:热力图侧边绘制颜色刻度条时，相关字体设置，默认值是None
    cbar_ax:热力图侧边绘制颜色刻度条时，刻度条位置设置，默认值是None
    


    （6）square:设置热力图矩阵小块形状，默认值是False
    


    xticklabels, yticklabels:xticklabels控制每列标签名的输出；yticklabels控制每行标签名的输出。默认值是auto。如果是True，则以DataFrame的列名作为标签名。如果是False，则不添加行标签名。如果是列表，则标签名改为列表中给的内容。如果是整数K，则在图上每隔K个标签进行一次标注。 如果是auto，则自动选择标签的标注间距，将标签名不重叠的部分(或全部)输出
    mask:控制某个矩阵块是否显示出来。默认值是None。如果是布尔型的DataFrame，则将DataFrame里True的位置用白色覆盖掉
    ax:设置作图的坐标轴，一般画多个子图时需要修改不同的子图的该值
    **kwargs:All other keyword arguments are passed to ax.pcolormesh
    


     
    


    热力图矩阵块颜色参数
    


    #cmap(颜色)

import matplotlib.pyplot as plt
import seaborn as sns
% matplotlib inline

f, (ax1,ax2) = plt.subplots(figsize = (6,4),nrows=2)

# cmap用cubehelix map颜色
cmap = sns.cubehelix_palette(start = 1.5, rot = 3, gamma=0.8, as_cmap = True)
pt = df.corr()   # pt为数据框或者是协方差矩阵
sns.heatmap(pt, linewidths = 0.05, ax = ax1, vmax=900, vmin=0, cmap=cmap)
ax1.set_title('cubehelix map')
ax1.set_xlabel('')
ax1.set_xticklabels([]) #设置x轴图例为空值
ax1.set_ylabel('kind')

# cmap用matplotlib colormap
sns.heatmap(pt, linewidths = 0.05, ax = ax2, vmax=900, vmin=0, cmap='rainbow') 
# rainbow为 matplotlib 的colormap名称
ax2.set_title('matplotlib colormap')
ax2.set_xlabel('region')
ax2.set_ylabel('kind')
    


    这里写图片描述
    


    #center的用法(颜色)

f, (ax1,ax2) = plt.subplots(figsize = (6, 4),nrows=2)

cmap = sns.cubehelix_palette(start = 1.5, rot = 3, gamma=0.8, as_cmap = True)
sns.heatmap(pt, linewidths = 0.05, ax = ax1, cmap=cmap, center=None )
ax1.set_title('center=None')
ax1.set_xlabel('')
ax1.set_xticklabels([]) #设置x轴图例为空值
ax1.set_ylabel('kind')

# 当center设置小于数据的均值时，生成的图片颜色要向0值代表的颜色一段偏移
sns.heatmap(pt, linewidths = 0.05, ax = ax2, cmap=cmap, center=200)   
ax2.set_title('center=3000')
ax2.set_xlabel('region')
ax2.set_ylabel('kind')
    


    这里写图片描述
    


    #robust的用法(颜色)

f, (ax1,ax2) = plt.subplots(figsize = (6,4),nrows=2)

cmap = sns.cubehelix_palette(start = 1.5, rot = 3, gamma=0.8, as_cmap = True)

sns.heatmap(pt, linewidths = 0.05, ax = ax1, cmap=cmap, center=None, robust=False )
ax1.set_title('robust=False')
ax1.set_xlabel('')
ax1.set_xticklabels([]) #设置x轴图例为空值
ax1.set_ylabel('kind')

sns.heatmap(pt, linewidths = 0.05, ax = ax2, cmap=cmap, center=None, robust=True ) 
ax2.set_title('robust=True')
ax2.set_xlabel('region')
ax2.set_ylabel('kind')
    


    这里写图片描述
    


    热力图矩阵块注释参数
    


    #annot(矩阵上数字),annot_kws(矩阵上数字的大小颜色字体)matplotlib包text类下的字体设置

import numpy as np
np.random.seed(20180316)
x = np.random.randn(4, 4)

f, (ax1, ax2) = plt.subplots(figsize=(6,6),nrows=2)

sns.heatmap(x, annot=True, ax=ax1)

sns.heatmap(x, annot=True, ax=ax2, annot_kws={'size':9,'weight':'bold', 'color':'blue'})
# Keyword arguments for ax.text when annot is True.  http://stackoverflow.com/questions/35024475/seaborn-heatmap-key-words
    


    这里写图片描述
    


    #fmt(字符串格式代码，矩阵上标识数字的数据格式，比如保留小数点后几位数字)

import numpy as np
np.random.seed(0)
x = np.random.randn(4,4)

f, (ax1, ax2) = plt.subplots(figsize=(6,6),nrows=2)

sns.heatmap(x, annot=True, ax=ax1)

sns.heatmap(x, annot=True, fmt='.1f', ax=ax2)
    


    这里写图片描述
    


    热力图矩阵块之间间隔及间隔线参数
    


    #linewidths(矩阵小块的间隔),linecolor(切分热力图矩阵小块的线的颜色)

import matplotlib.pyplot as plt
f, ax = plt.subplots(figsize = (6,4))
cmap = sns.cubehelix_palette(start = 1, rot = 3, gamma=0.8, as_cmap = True)   
sns.heatmap(pt, cmap = cmap, linewidths = 0.05, linecolor= 'red', ax = ax)   
ax.set_title('Amounts per kind and region')
ax.set_xlabel('region')
ax.set_ylabel('kind')
    


    这里写图片描述
    


    #xticklabels，yticklabels横轴和纵轴的标签名输出

import matplotlib.pyplot as plt
f, (ax1,ax2) = plt.subplots(figsize = (5,5),nrows=2)

cmap = sns.cubehelix_palette(start = 1.5, rot = 3, gamma=0.8, as_cmap = True)

p1 = sns.heatmap(pt, ax=ax1, cmap=cmap, center=None, xticklabels=False)
ax1.set_title('xticklabels=None',fontsize=8)

p2 = sns.heatmap(pt, ax=ax2, cmap=cmap, center=None, xticklabels=2, yticklabels=list(range(5))) 
ax2.set_title('xticklabels=2, yticklabels is a list',fontsize=8)
ax2.set_xlabel('region')
    


    这里写图片描述
    


    #mask对某些矩阵块的显示进行覆盖

f, (ax1,ax2) = plt.subplots(figsize = (5,5),nrows=2)

cmap = sns.cubehelix_palette(start = 1.5, rot = 3, gamma=0.8, as_cmap = True)

p1 = sns.heatmap(pt, ax=ax1, cmap=cmap, xticklabels=False, mask=None)
ax1.set_title('mask=None')
ax1.set_ylabel('kind')

p2 = sns.heatmap(pt, ax=ax2, cmap=cmap, xticklabels=True, mask=(pt<800))   
#mask对pt进行布尔型转化,结果为True的位置用白色覆盖
ax2.set_title('mask: boolean DataFrame')
ax2.set_xlabel('region')
ax2.set_ylabel('kind')
    


    这里写图片描述
    


    用mask实现：突出显示某些数据
    


    f,(ax1,ax2) = plt.subplots(figsize=(4,6),nrows=2)
x = np.array([[1,2,3],[2,0,1],[-1,-2,0]])
sns.heatmap(x, annot=True, ax=ax1)
sns.heatmap(x, mask=x < 1, ax=ax2, annot=True, annot_kws={"weight": "bold"})   #把小于1的区域覆盖掉
    


    这里写图片描述
    


    本文为转载，原地址：https://blog.csdn.net/cymy001/article/details/79576019。点击打开链接
    收起
    展开全文
    热力图

  • python可视化分析（matplotlib、seaborn、ggplot2）

     万次阅读 多人点赞 2020-06-25 16:45:56
    python可视化分析总结（matplotlib、seaborn、ggplot）一、matplotlib库1、基本绘图命令3、图形参数设置4、特殊统计图的绘制4.1 数学函数图4.2 气泡图4.1 三维曲面图二、seaborn库1、常用统计图1.1 箱线图1.2 小提琴... 
    
                                    
    
                                    
    收起 
    
                                
    
                            
    
                                
    
                                    
                                        ggplot2   
                                
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    Python可视化工具
    
                                    
                                    
                                            千次阅读
                                    
                                2019-03-15 15:56:23
                            
    
                            
    
                                
    
                                    Matplotlib 是众多 Python 可视化包的鼻祖。其功能非常强大，同时也非常复杂。你可以使用 Matplotlib 去做任何你想做的事情，但是想要搞明白却并非易事。我不打算展示原生的 Matplotlib 例子，因为很多工具(特别是 ...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    Python可视化入门
    
                                    
                                    
                                            千次阅读
                                    
                                2016-08-01 16:13:08
                            
    
                            
    
                                
    
                                    Python可视化入门   一直在学习Python，但是不知道Python具体可以用来干吗，我只是用它来做机器学习，还没有做一些其他的东西，今天突然看见一篇非常好的Python可视化教程，于是记录下来，便于大家学习以及个人的...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    Python可视化库推荐
    
                                    
                                    
                                            千次阅读
                                    
                                2019-11-07 18:46:17
                            
    
                            
    
                                
    
                                    Python可视化库很多，这里列举几个供大家参考学习。        1.Seaborn  官网基于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。    2.Bokeh  官网一个交互式可视化...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    Python可视化库大全
    
                                    
                                2017-06-11 22:54:18
                            
    
                            
    
                                
    
                                    python可视化库可以大致分为几类：      基于matplotlib的可视化库    基于JS的可视化库    基于上述两者或其他组合功能的库      基于matplotlib的可视化库    matplotlib是python可视化库的基础。matplotlib库的...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    Python可视化 | Seaborn5分钟入门(一)——kdeplot和distplot
    
                                    
                                    
                                            万次阅读
                                            多人点赞
                                    
                                2018-02-24 15:49:40
                            
    
                            
    
                                
    
                                    Seaborn是基于matplotlib的Python可视化库。 它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，不需要经过大量的调整就能使你的图变...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    
                                
    
                                    
                                        Seaborn   
                                
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    常见的Python可视化库有哪些
    
                                    
                                2020-04-02 17:17:42
                            
    
                            
    
                                
    
                                    不过你知道常见的Python可视化库有哪些吗？接下来郑州Python培训小编就给大家介绍一下。    常见的Python可视化库有哪些？  Matplotlib  Matplotlib是一个Python 2维绘图库，已经成为Python中公认的数据可视化工具，...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    Python可视化界面编程课程 PyQt5实战网课 GUI在线视频基础教程
    
                                    
                                    
                                            万人学习
                                    
                                2019-04-24 09:49:17
                            
    
                            
    
                                
    
                                    课程概述  	本课程主要针对PyQT5中的界面部分（GUI）进行学习，分为三部分，包括初级GUI编程、进阶GUI编程和GUI编程实战。 初级GUI编程：从介绍编程环境搭建开始，然后分析最基础的单个窗口框架，接着介绍QT ...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    python 可视化包 Bokeh
    
                                    
                                    
                                            千次阅读
                                    
                                2016-10-08 17:01:42
                            
    
                            
    
                                
    
                                    解决：在网上搜了一下，找到一篇介绍文章 python可视化工具概述，其中介绍了几个python包，总结如下：   Pandas对于简单绘图，可以随手用，但你需要学习定制matplotlib。Seaborn可以支持更多复杂的可视化方式，但...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    Python可视化resnet50所有层特征图
    
                                    
                                    
                                            万次阅读
                                            多人点赞
                                    
                                2018-12-02 14:18:04
                            
    
                            
    
                                
    
                                    Python可视化resnet50所有层特征图  使用pytorch中预训练模型,在网络inference的过程中显示特征图的每个通道.  文章目录代码input imageconv1 [1,64,112,112]bn1_relu [1,64,112,112]maxpool [1,64,56,56]layer1 [1,...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    
                                
    
                                    
                                        pytorch   
                                
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    Python可视化包Pygal安装
    
                                    
                                    
                                            千次阅读
                                    
                                2018-03-23 09:47:25
                            
    
                            
    
                                
    
                                    python可视化包Pygal来生成可缩放的矢量图形文件。在屏幕上，它们将自动缩放，以适合观看者的屏幕。Windows操作系统:安装pip https://pypi.python.org/pypi/pip#downloads安装即可，在dos下python setup.py install...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    
                                
    
                                    
                                        Pygal   
                                
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    python 可视化 ploty 画3dmesh网格图
    
                                    
                                    
                                            千次阅读
                                    
                                2019-09-23 16:45:52
                            
    
                            
    
                                
    
                                    python 可视化 ploty 画3dmesh网格图  最近在工作中遇到python 打印可视化3D图。需求是根据之前用matplotlib打印出来的效果不是很好。发现了非常强大的可视化包plotly。附上官方文档链接 https://plot.ly/python/  #...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    Python可视化之Pyecharts 多子图展示
    
                                    
                                    
                                            千次阅读
                                    
                                2019-07-16 15:06:15
                            
    
                            
    
                                
    
                                    作为Python可视化多个轮子中的Pyecharts在版本升级到 v1.0及以上后和以前的区别还是蛮大的  其中就有一个是在引用包的时候  我发现网上好多都是v1.0以前的引用方式，当然在我们默认的python3.6+中会报错  本人使用的...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    
                                
    
                                    
                                        Pyecharts   
                                
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    那些不为人知的优秀python可视化库
    
                                    
                                    
                                            千次阅读
                                    
                                2019-10-31 17:25:00
                            
    
                            
    
                                
    
                                    说到python可视化库，大家可能第一时间想到matplotlib。matplotlib算是python比较底层的可视化库，可定制性强、图表资源丰富、简单易用、并且达到出...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    Python可视化模块——SeaBorn 01
    
                                    
                                    
                                            千次阅读
                                    
                                2017-03-13 17:32:03
                            
    
                            
    
                                
    
                                    SeaBorn 01Python可视化模块SeaBorn:特点 多个内置主题和颜色主题 可视化单一变量、二维变量用于比较数据集中各变量的分布情况 可视化线性回归模型中的独立变量及不独立变量 可视化矩阵数据，通过聚类算法探究矩阵间...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    
                                
    
                                    
                                        数据   
                                
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    用 Python可视化神器 Plotly 动态演示全球疫情变化趋势
    
                                    
                                    
                                            千次阅读
                                    
                                2020-03-08 07:50:00
                            
    
                            
    
                                
    
                                    作者：Lemonbit出品：Python数据之道用 Python可视化神器 Plotly动态演示全球疫情变化趋势各位同学早上好，我是 Lemonbit 。近期对疫情数据进行可视化的内容...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    【python可视化系列】python数据可视化利器--pyecharts
    
                                    
                                    
                                            万次阅读
                                            多人点赞
                                    
                                2018-06-17 17:18:33
                            
    
                            
    
                                
    
                                    下面是来自官方的介绍： ECharts，缩写来自Enterprise Charts，商业级数据图表，Echarts 是百度开源的一个数据可视化纯Javascript(JS) 库。主要用于数据可视化，可以流畅的运行在PC和移动设备上，兼容当前绝大部分...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    
                                
    
                                    
                                        pyecharts   
                                
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    Python 可视化神器--Plotly
    
                                    
                                    
                                            千次阅读
                                            多人点赞
                                    
                                2020-11-12 08:00:00
                            
    
                            
    
                                
    
                                    文 |潮汐来源：Python 技术「ID: pythonall」学习Python是做数分析的最基础的一步，数据分析离不开数据可视化。Python第三方库中我们最常用的可视化库是 pan...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    
                                
    
                                    
                                        人工智能   
                                        编程语言   
                                
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    python可视化-plot()函数
    
                                    
                                    
                                            万次阅读
                                    
                                2019-04-17 20:20:52
                            
    
                            
    
                                
    
                                    函数功能：展现变量的趋势变化。 调用签名：plt.plot(x, y, ls="-", lw=2, label=“plot figure”) x: x轴上的数值 y: y轴上的数值 ls：折线图的线条风格 lw：折线图的线条宽度 label：标记图内容的标签文本 ...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    python 可视化 二维坐标标注等等
    
                                    
                                    
                                            千次阅读
                                    
                                2018-09-15 12:42:07
                            
    
                            
    
                                
    
                                    python 可视化 二维坐标标注等等   基本画图操作：     import matplotlib.pyplot as plt import numpy as np  x = np.linspace(-3,3,50) y1 = 2*x+1 y2 = x**2#x的平方  plt.figure() plt.plot(x,y1) #画线 plt....
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    Python可视化 | Seaborn5分钟入门(五)——lmplot
    
                                    
                                    
                                            万次阅读
                                            多人点赞
                                    
                                2018-06-22 14:44:08
                            
    
                            
    
                                
    
                                    Seaborn是基于matplotlib的Python可视化库。 它提供了一个高级界面来绘制有吸引力的统计图形。Seaborn其实是在matplotlib的基础上进行了更高级的API封装，从而使得作图更加容易，不需要经过大量的调整就能使你的图变...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    
                                
    
                                    
                                        Seaborn   
                                
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    Python可视化-WordCloud生成云词图片
    
                                    
                                    
                                            千次阅读
                                    
                                2019-08-15 23:42:06
                            
    
                            
    
                                
    
                                    Python可视化-WordCloud生成云词图片 首先建一个记事本，写入你想要生成云词图片的文章。  生成的云图  ##完整示例代码 import jieba.analyse ##jieba库 用于分割中文词语 from PIL import Image,ImageSequence ...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    
                                
    
                                    
                                        wordcloud   
                                        云词   
                                        matplotlib   
                                
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    python可视化之seaborn
    
                                    
                                    
                                            千次阅读
                                    
                                2018-08-11 16:57:58
                            
    
                            
    
                                
    
                                    数据可视化的文章我很久之前就打算写了，因为最近用Python做项目比较多，于是就花时间读了seaborn的文档，写下了这篇。  数据可视化在数据挖掘中是一个很重要的部分，将数据用图表形式展示可以很直观地看到数据集的...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    
                                
    
                                    
                                        seaborn   
                                
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    python可视化pyecharts
    
                                    
                                    
                                            千次阅读
                                    
                                2018-07-03 11:55:49
                            
    
                            
    
                                
    
                                    说到数据可视化，第一想到的肯定是百度的ECharts。它的英文单词是Enterprise Charts，商业级数据图表，是百度的开源数据可视化工具。但是学习起来不是那么容易，但是我们利用 python 的pyecharts 库，只需几行代码就...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    Python可视化数据画直线的几种方法
    
                                    
                                    
                                            千次阅读
                                    
                                2020-04-20 21:23:46
                            
    
                            
    
                                
    
                                    利用Python可视化数据主要是利用Numpy Matplotlib强大的绘图功能，还可以利用Pandas进行数据挖掘和数据分析 在学习的过程中发现了直线的画图方法有以下几种： 1. 直接plot法 已知两点画一条直线，x值在前，y值在后，...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    

                        
    • 
                        
  • 
                            
    
                                
                                    
    Python可视化数据库Dash
    
                                    
                                    
                                            千次阅读
                                    
                                2019-09-04 10:17:19
                            
    
                            
    
                                
    
                                    Dash是一个用于构建Web应用程序的Python数据可视化库。它基于Python Web框架Flask以及Javascript绘图库Plotly.js和用于构建用户界面的Javascript库React.js，所以它非常适合用于构建后端基于Flask，前端数据可视化的...
                                
    
                                
    
                                    
    
                                        
    
                                    
    
                                    
    收起 
    
                                
    
                            
    

                        
    • 
                

            


            

                

                

                    
                    
空空如也

                

            


            

                

                

                    
                    
空空如也

                

            


            

                


 

 
 
         

            
                     


                    
                        1 
                    
                    
                        2 
                    
                    
                        3 
                    
                    
                        4 
                    
                    
                        5 
                    
                        ... 
                    
                        20 
                    

                    
            
        

   

                

                

            


        

    

    

        

            

                收藏数
                    37,913
            

            

                精华内容
                    15,165
            

        

        

            
热门标签

            
        


        


        

            关键字：
python可视化 

        



                

                    
                    python
                    订阅