我們了解了常用的五種圖形：

• 散點圖
• 折線圖
• 柱狀圖
• 直方圖
• 餅圖

那麼如何用Matplotlib和Seaborn來畫出它們。

Matplotlib：它在使用時靈活，可以定制化繪圖，但是時間上的花費也比較多。為了提高畫圖效率，包Seaborn基于Matplotlib底層開發，使用更少的代碼，将常用的可視化繪圖過程進行封裝，有時隻需要一行代碼便可以畫出我們想要的圖形，省時省力；此外seaborn還提供更為豐富的圖像以及3D圖形供我們使用。掌握兩個庫的使用可以滿足我們在不同情況下的需求。

散點圖（scatter plot），它将兩組數據（或者變量）的值顯示在二維坐标中，适合展示兩個變量之間的關系。

第一張散點圖用matplotlib繪制，第二張用seaborn繪制。我們可以看到兩張圖的區别：matplotlib默認情況下繪圖區呈現是一個長方形，而seaborn是正方形并且含有x軸和y軸的标簽；seaborn還展示散點圖還給出了兩組數據（變量）的分布情況。

說明：

• 用seaborn畫圖時，使用函數 <!--sns.jointplot(x, y,data=None, kind=‘scatter’)--> 畫散點圖。其中x,y是data中的下标，data就是我們要傳入的數據。
• 在Seaborn中，數據格式需要轉換一下，采用科學計算庫Pandas中的數據格式DataFrame；對DataFrame的概念我們了解即可，下期DataScience也會推出科學計算庫Numpy和Pandas的使用中會有講解。

折線圖能夠顯示數據的變化趨勢，在matplotlib使用plot函數繪制，而在seaborn使用 lineplot(x,y,data=None)函數；data是傳入的數據，一般是pandas中的DataFrame數據結構。

直方圖( histogram )将橫坐标等分成一定數量的小區間，在小區間内填充圖形，它的高度是y值。特點是用來繪制連續性的數據，展示一組或者多組數據的分布狀況(統計)。

#數據準備：創建一個一維随機數組 import numpy as np import random import pandas as pd a = np.random.randn(100) x = pd.Series(a) # Series是pandas中用來存放一維數組的數據格式 # ⽤Matplotlib畫直⽅圖； """ 使用plt.hist(x, bins=10)函數 參數x是一維數組，bins代表小區間的數量，默認是10。 """ import matplotlib.pyplot as plt plt.hist(x, bins=10) plt.show() # ⽤Seaborn畫直⽅圖： ''' 使用sns.distplot(x, bins=10, kde=True)函數 參數x是一維數組，bins代表直方圖中的小區間數量，kde代表顯示核密度估計，默認是True。 核密度估計是通過核函數來估計概率密度的方法。 ''' import seaborn as sns sns.distplot(x, kde=False) plt.show() # 圖三顯示用核函數估計概率密度 sns.distplot(x, kde=True) plt.show()

Matplotlib 運行結果：

Seaborn運行結果:

通過直方圖可以看到變量的數值分布，那麼條形圖可以幫我們查看類别的特征。在條形圖中，長條形的長度表示類别的頻數，寬度表示類别。

條形圖(bar chart)繪制離散的數據,能夠一眼看出各個數據的大小,比較數據之間的差别。(統計/對比)

# 數據準備 x = ['Cat1', 'Cat2', 'Cat3', 'Cat4', 'Cat5'] y = [3, 5, 7, 2, 9] # ⽤Matplotlib畫條形圖 # plt.bar(x, height)函數，參數x代表x軸的類别，height是y軸的數值 import matplotlib.pyplot as plt plt.bar(x,y) plt.show # ⽤Seaborn畫條形圖 # sns.barplot(x=None,y=None,data=None)函數；參數data為DataFrame類型 import seaborn as sns sns.barplot(x,y) plt.show()

運行結果:

餅圖（Pie Chart）可以顯示每個部分大小與總和之間的比例。在Python數據可視化中，主要用Matplotlib的pie函數來繪制。

• 用到的方法 matplotlib.pyplot.pie()
• 參數解析:
• pie(x, explode=None, labels=None, colors=('b', 'g', 'r', 'c', 'm', 'y', 'k', 'w'), autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center = (0, 0), frame = False )
• 參數說明：
• x (每一塊)的比例，如果sum(x) > 1會使用sum(x)歸一化 labels (每一塊)餅圖外側顯示的說明文字 explode (每一塊)離開中心距離 startangle 起始繪制角度,默認圖是從x軸正方向逆時針畫起,如設定=90則從y軸正方向畫起shadow 是否陰影 labeldistance label繪制位置,相對于半徑的比例, 如<1則繪制在餅圖内側 autopct 控制餅圖内百分比設置,可以使用format字符串或者format function ‘%1.1f’指小數點前後位數(沒有用空格補齊) pctdistance 類似于labeldistance,指定autopct的位置刻度 radius 控制餅圖半徑返回值: 如果沒有設置autopct,返回(patches, texts) 如果設置autopct,返回(patches, texts, autotexts) patches – list –matplotlib.patches.Wedge對象 texts autotexts – matplotlib.text.Text對象

# 數據準備，顯示各學曆人數的比例 nums = [20, 42, 18, 7, 6] labels = ['High-school', 'Bachelor', 'Master', 'Ph.d', 'Other'] # pie(x, labels=None)函數,x代表繪制餅圖的數據，labels是缺省值，可以為餅圖添加标簽 import matplotlib.pyplot as plt plt.pie(x=nums, labels=labels, autopct='%1.1f%%') # autopct:設置圓内的文本 # '1.1f%'指圖片上顯示的數字格式，表示小數點前後位數# 另外兩個%%是format格式的符号plt.show()

運行結果：

• 1、說出Matplotlib和Seaborn庫的區别。
• 2、總結畫出五種常見圖像的函數。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!