數(shù)據(jù)可視化（七）常用圖表的繪制

2年前作者：叼根棒棒糖打天下分類：Toy博客閱讀(42)違法舉報(bào)

這篇具有很好參考價(jià)值的文章主要介紹了數(shù)據(jù)可視化（七）常用圖表的繪制。希望對(duì)大家有所幫助。如果存在錯(cuò)誤或未考慮完全的地方，請(qǐng)大家不吝賜教，您也可以點(diǎn)擊"舉報(bào)違法"按鈕提交疑問(wèn)。

#seaborn繪制常用圖表
#折線圖
#replot（x，y，kind，data）
#lineplot（x，y，data）
#直方圖
#displot（data，rug）
#條形圖
#barplot（x，y，data）
#散點(diǎn)圖
#replot（x，y，data）

數(shù)據(jù)可視化（七）常用圖表的繪制,python,python,matplotlib

?文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-630545.html

#繪制折線圖第一種方式
sns.set_style('darkgrid')#設(shè)置風(fēng)格樣式
df=pd.read_excel('成績(jī)表.xlsx')
sns.relplot(x='姓名',y='數(shù)學(xué)',kind='line',data=df)
plt.xticks(df['姓名'],rotation=90)
plt.show()

#繪制折線圖第二種方式
sns.set_style('darkgrid')#設(shè)置風(fēng)格樣式
df=pd.read_excel('成績(jī)表.xlsx')
sns.lineplot(x='姓名',y='數(shù)學(xué)',data=df)
plt.xticks(df['姓名'],rotation=45)
plt.show()

#繪制多折線圖
df=pd.read_excel('成績(jī)表.xlsx')
df1=df[['數(shù)學(xué)','語(yǔ)文','英語(yǔ)']]
dfs=[df1['數(shù)學(xué)'],df1['語(yǔ)文'],df1['英語(yǔ)']]
sns.lineplot(data=dfs)
plt.show()

數(shù)據(jù)可視化（七）常用圖表的繪制,python,python,matplotlib

#繪制直方圖
df=pd.read_excel('data2.xlsx')
data=df[['得分']]
sns.distplot(data,rug=True)
plt.show()

#繪制條形圖
df=pd.read_excel('成績(jī)表.xlsx')
sns.barplot(x='姓名',y='數(shù)學(xué)',data=df)
plt.show()

#繪制散點(diǎn)圖
#讀取數(shù)據(jù)
df=sns.load_dataset('tips')#seaborn自帶的數(shù)據(jù)集
sns.relplot(x='total_bill',y='tip',data=df,color='r')
plt.show()

數(shù)據(jù)可視化（七）常用圖表的繪制,python,python,matplotlib

#seaborn繪制常用圖表
#繪制線性回歸模型
#Implot(x,y,data)
#箱型圖
#boxplot（data，rug）
#繪制核密度圖
#kdeplot（data，shade=True）
#繪制邊際核密度圖
#jointplot（x，y，kind，space）
#繪制提琴圖
#violinplot（x，y，hue，data）

#線性回歸
sns.set_style('darkgrid')
df=sns.load_dataset('tips')#自帶數(shù)據(jù)集
sns.Implot(x='total_bill',y='tip',data=df)
plt.show()

數(shù)據(jù)可視化（七）常用圖表的繪制,python,python,matplotlib

#箱型圖
sns.set_style('darkgrid')
df=sns.load_dataset('tips')#自帶數(shù)據(jù)集
sns.boxplot(x='day',y='total_bill',hue='time',data=df)
plt.show()

數(shù)據(jù)可視化（七）常用圖表的繪制,python,python,matplotlib

#核密度圖
sns.set_style('darkgrid')
df=sns.load_dataset('iris')#自帶數(shù)據(jù)集
sns.kdeplot(df['petal_width'],shade=True,color='r')
sns.kdeplot(df['petal_length'],shade=True,color='b')
plt.show()

數(shù)據(jù)可視化（七）常用圖表的繪制,python,python,matplotlib

#編輯核密度圖
sns.set_style('darkgrid')
df=sns.load_dataset('iris')#自帶數(shù)據(jù)集
sns.jointplot(x=df['speal_length'],y=df['speal_width'],kind='kde',space=0)
plt.show()

數(shù)據(jù)可視化（七）常用圖表的繪制,python,python,matplotlib

#提琴圖
sns.set_style('darkgrid')
df=sns.load_dataset('tips')#自帶數(shù)據(jù)集
sns.violinplot(x='total_bill',y='day',hue='time',data=df)
plt.show()

? 數(shù)據(jù)可視化（七）常用圖表的繪制,python,python,matplotlib

到了這里，關(guān)于數(shù)據(jù)可視化（七）常用圖表的繪制的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！

本文來(lái)自互聯(lián)網(wǎng)用戶投稿，該文觀點(diǎn)僅代表作者本人，不代表本站立場(chǎng)。本站僅提供信息存儲(chǔ)空間服務(wù)，不擁有所有權(quán)，不承擔(dān)相關(guān)法律責(zé)任。如若轉(zhuǎn)載，請(qǐng)注明出處：如若內(nèi)容造成侵權(quán)/違法違規(guī)/事實(shí)不符，請(qǐng)點(diǎn)擊違法舉報(bào)進(jìn)行投訴反饋，一經(jīng)查實(shí)，立即刪除！

分享到：

領(lǐng)支付寶紅包贊助服務(wù)器費(fèi)用

【Python入門系列】第十五篇：Python數(shù)據(jù)可視化和圖表繪制
數(shù)據(jù)可視化是數(shù)據(jù)分析和數(shù)據(jù)科學(xué)中非常重要的一部分。通過(guò)可視化，我們可以更好地理解數(shù)據(jù)、發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)系、展示數(shù)據(jù)的趨勢(shì)和模式，并向他人傳達(dá)我們的發(fā)現(xiàn)。 Python是一種功能強(qiáng)大的編程語(yǔ)言，擁有許多用于數(shù)據(jù)可視化的庫(kù)和工具。其中，Matplotlib是最常用的繪
2024年02月13日
瀏覽(26)
Python 數(shù)據(jù)可視化教程 - 如何使用 pyecharts 繪制多條折線圖表
部分?jǐn)?shù)據(jù)來(lái)源： ChatGPT?? 引言 ????????本文主要介紹如何使用 Python 中的 pyecharts 庫(kù)，繪制多條折線圖表。在本例中，我們將展示各國(guó)的 COVID-19 確診人數(shù)數(shù)據(jù)。 1、首先，我們需要導(dǎo)入必要的庫(kù)：其中， json ?庫(kù)用于解析 JSON 數(shù)據(jù)， pyecharts ?庫(kù)用于繪圖， TitleOpts 、 Lege
2024年02月09日
瀏覽(31)
基于python的matplotlib、numpy庫(kù)實(shí)現(xiàn)的圖形繪制（數(shù)據(jù)可視化）
1.題目要求編寫程序，繪制正弦曲線和余弦曲線。提示：利用numpy的linspace()、sin()或cos()函數(shù)生成樣本數(shù)據(jù)、正弦或余弦值。 2.函數(shù)講解及代碼 ?3.運(yùn)行圖樣 4.擴(kuò)展 1.題目要求已知實(shí)驗(yàn)中學(xué)舉行了高二期中模擬考試，考試后分別計(jì)算了全體男生、女生各科的平均成績(jī)，統(tǒng)計(jì)結(jié)
2024年02月08日
瀏覽(34)
數(shù)據(jù)可視化：圖表繪制詳解
數(shù)據(jù)可視化是一種將抽象的數(shù)字和數(shù)據(jù)轉(zhuǎn)化為直觀圖形的技術(shù)，使數(shù)據(jù)的模式、趨勢(shì)和關(guān)系一目了然。本文將詳細(xì)介紹如何繪制各種類型的圖表，包括柱狀圖、折線圖、餅圖、散點(diǎn)圖和熱力圖等。第一部分：圖表類型和選擇 1. 柱狀圖柱狀圖是用于比較類別數(shù)據(jù)的常見(jiàn)圖表。
2024年02月12日
瀏覽(34)
數(shù)據(jù)可視化神器！Matplotlib Python教程 | 從入門到精通繪制各種類型的圖形和保存圖形
大家好，我是愛(ài)吃熊掌的魚，今天我要給大家?guī)?lái)一篇有趣開(kāi)朗的Matplotlib Python教程。Matplotlib是Python中最流行的數(shù)據(jù)可視化庫(kù)之一，它可以幫助我們將數(shù)據(jù)轉(zhuǎn)化為易于理解的圖表和圖形。無(wú)論你是初學(xué)者還是專業(yè)人士，Matplotlib都是一個(gè)非常有用的工具。讓我們開(kāi)始吧！在開(kāi)
2023年04月21日
瀏覽(23)
python氣象數(shù)據(jù)可視化學(xué)習(xí)筆記8——利用matplotlib和ERA5數(shù)據(jù)繪制時(shí)間-高度氣象綜合廓線圖
氣象預(yù)報(bào)業(yè)務(wù)中，有種常用的綜合廓線圖，其本質(zhì)上是單個(gè)站點(diǎn)時(shí)間-高度的等高線或者填色圖，其中時(shí)間是從右到左來(lái)看。所以準(zhǔn)備好(time, level)的二維數(shù)據(jù)，然后依次疊加線條和填色就可以，思路很簡(jiǎn)單，但是繪圖中涉及到了很多細(xì)節(jié)問(wèn)題，也是琢磨了一陣子，怕以后忘了
2024年02月05日
瀏覽(26)
pyecharts繪制各種數(shù)據(jù)可視化圖表案例（效果+代碼）
1、pyecharts繪制餅圖（顯示百分比） 2、pyecharts繪制柱狀圖 3、pyecharts繪制折線圖 4、pyecharts繪制柱形折線組合圖 5、pyecharts繪制散點(diǎn)圖 6、pyecharts繪制玫瑰圖 7、pyecharts繪制詞云圖 8、pyecharts繪制雷達(dá)圖 9、pyecharts繪制散點(diǎn)圖 10、pyecharts繪制嵌套餅圖 11、pyecharts繪制中國(guó)地圖 12、
2024年02月09日
瀏覽(31)
Streamlit 講解專欄（十二）：數(shù)據(jù)可視化-圖表繪制詳解（下）
數(shù)據(jù)可視化在數(shù)據(jù)分析和數(shù)據(jù)科學(xué)領(lǐng)域中扮演著至關(guān)重要的角色。通過(guò)可視化數(shù)據(jù)，我們能夠更好地理解其背后的模式和趨勢(shì)，從而作出準(zhǔn)確的決策和預(yù)測(cè)。然而，要將原始數(shù)據(jù)轉(zhuǎn)化為有意義的圖表并不容易。這就是為什么我們需要強(qiáng)大而靈活的工具來(lái)幫助我們實(shí)現(xiàn)這一目標(biāo)
2024年02月09日
瀏覽(38)
Streamlit 講解專欄（十）：數(shù)據(jù)可視化-圖表繪制詳解（上）
在數(shù)據(jù)可視化的世界中，繪制清晰、易于理解的圖表是非常關(guān)鍵的。Streamlit 是一個(gè)流行的 Python 庫(kù)，它提供了簡(jiǎn)單的界面和強(qiáng)大的功能，幫助用戶輕松創(chuàng)建交互式應(yīng)用程序和數(shù)據(jù)可視化。而其中的 Chart elements（圖表元素）部分則為我們提供了多種圖表類型來(lái)展示數(shù)據(jù)。本文將
2024年02月12日
瀏覽(31)
Streamlit 講解專欄（十一）：數(shù)據(jù)可視化-圖表繪制詳解（中）
在上一篇博文《 Streamlit 講解專欄（十）：數(shù)據(jù)可視化-圖表繪制詳解（上）》中，我們學(xué)習(xí)了一些關(guān)于數(shù)據(jù)可視化的基礎(chǔ)知識(shí)，探索了Streamlit庫(kù)中的幾個(gè)常見(jiàn)圖表繪制函數(shù)，包括st.line_chart、st.area_chart、st.bar_chart和st.pyplot。通過(guò)這些函數(shù)，我們可以輕松地繪制不同類型的圖表
2024年02月10日
瀏覽(33)