Python的jupyter如何画图

在Python的Jupyter Notebook中画图，可以使用Matplotlib、Seaborn、Plotly、Bokeh等库。Matplotlib是最基础的库，Seaborn提供了更高级的统计图形，Plotly和Bokeh则提供交互式图形。在这些库中，Matplotlib是最常用的绘图库之一。它通过一个简单且高度自定义的接口，允许用户创建各种各样的图形。以下是如何在Jupyter Notebook中使用Matplotlib画图的详细指南。

一、MATPLOTLIB的基础用法

Matplotlib是一个强大的绘图库，提供了简单的API接口，可以轻松创建图形。

1、安装和导入Matplotlib

在开始使用Matplotlib之前，你需要确保它已经安装在你的Python环境中。可以使用以下命令进行安装：

pip install matplotlib

在Jupyter Notebook中使用Matplotlib前，需要先导入库：

import matplotlib.pyplot as plt

导入后，你可以通过以下命令让图形嵌入在Notebook中显示：

%matplotlib inline

2、创建基本的图形

Matplotlib提供了多种绘图方法，最常用的是plot()函数。它可以用于绘制基本的线图：

import matplotlib.pyplot as plt
创建数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
绘图
plt.plot(x, y)
plt.title('Basic Line Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

在这个例子中，我们定义了两个列表x和y，并使用plot()函数将它们绘制成线图。title()、xlabel()和ylabel()方法分别用于设置图形的标题和轴标签。

3、调整图形样式

Matplotlib允许用户通过多种方式自定义图形的样式。你可以改变线的颜色、样式和宽度：

plt.plot(x, y, color='red', linestyle='--', linewidth=2)

以上代码将线的颜色改为红色，线型改为虚线，线宽改为2。

二、SEABORN的高级用法

Seaborn是基于Matplotlib构建的一个高级绘图库，专注于统计图形的绘制。

1、安装和导入Seaborn

首先，你需要安装Seaborn库：

pip install seaborn

然后，在你的Notebook中导入它：

import seaborn as sns

2、创建统计图形

Seaborn非常适合用于绘制统计图形，比如箱线图、热图、分布图等。以下是一个绘制分布图的例子：

import seaborn as sns
import numpy as np
创建数据
data = np.random.normal(size=100)
绘制分布图
sns.histplot(data, kde=True)
plt.title('Distribution Plot')
plt.show()

在此示例中，histplot()函数用于绘制直方图，并通过参数kde=True启用核密度估计曲线。

三、PLOTLY的交互式图形

Plotly是一种创建交互式图形的强大工具，适用于Web应用和报告。

1、安装和导入Plotly

首先安装Plotly：

pip install plotly

然后在Notebook中导入：

import plotly.express as px

2、创建交互式图形

Plotly使得创建交互式图形变得非常简单。以下是一个绘制交互式散点图的例子：

import plotly.express as px
import pandas as pd
创建数据框
df = pd.DataFrame({
    'x': [1, 2, 3, 4, 5],
    'y': [10, 11, 12, 13, 14],
    'z': ['A', 'B', 'C', 'D', 'E']
})
绘制散点图
fig = px.scatter(df, x='x', y='y', text='z', title='Interactive Scatter Plot')
fig.show()

在这个例子中，我们使用scatter()函数创建一个交互式散点图。用户可以在图中悬停以查看数据点的详细信息。

四、BOKEH的交互式可视化

Bokeh是另一个用于创建交互式图形的库，特别适合大规模数据集。

1、安装和导入Bokeh

首先安装Bokeh：

pip install bokeh

在Notebook中导入：

from bokeh.plotting import figure, show, output_notebook
output_notebook()

2、创建交互式图形

以下是一个使用Bokeh绘制交互式线图的例子：

from bokeh.plotting import figure, show, output_notebook
准备数据
x = [1, 2, 3, 4, 5]
y = [6, 7, 2, 4, 5]
创建图形对象
p = figure(title="Interactive Line Plot", x_axis_label='x', y_axis_label='y')
添加线条
p.line(x, y, legend_label="Line", line_width=2)
显示图形
show(p)

Bokeh的figure()函数用于创建图形对象，然后使用line()函数添加线条。show()函数用于在Notebook中显示图形。

五、结合多种库绘制复杂图形

在数据分析过程中，有时需要结合多种库的优势来绘制复杂图形。例如，使用Matplotlib绘制基础图形，然后用Seaborn进行美化，或者使用Plotly创建的交互图形进行数据展示。

1、结合Matplotlib和Seaborn

通过Seaborn的set()函数，可以应用Seaborn的风格到Matplotlib图形中：

import matplotlib.pyplot as plt
import seaborn as sns
应用Seaborn风格
sns.set()
创建数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
绘图
plt.plot(x, y)
plt.title('Styled Line Plot')
plt.xlabel('X-axis')
plt.ylabel('Y-axis')
plt.show()

2、结合Plotly和Pandas

使用Pandas进行数据处理，结合Plotly进行可视化：

import plotly.express as px
import pandas as pd
创建数据框
df = pd.DataFrame({
    'x': range(10),
    'y': [i2 for i in range(10)]
})
绘制图形
fig = px.line(df, x='x', y='y', title='Line Plot with Plotly')
fig.show()