python如何画好看的统计图

Python画好看的统计图的方法包括：选择合适的图表类型、使用seaborn库、调整图表样式、添加颜色和注释。 其中，使用seaborn库可以大大简化数据可视化的过程，并且其默认样式已经非常美观，可以快速生成高质量的统计图。

一、选择合适的图表类型

选择合适的图表类型是绘制好看的统计图的第一步。不同的数据和分析目的需要使用不同类型的图表。例如：

折线图：适用于显示数据的趋势和变化情况。
柱状图：适用于比较不同类别的数据。
散点图：适用于展示两个变量之间的关系。
饼图：适用于显示各部分在整体中的占比。

选择合适的图表类型可以使数据的特点和趋势更清晰地展现出来，从而更易于理解。

二、使用seaborn库

Seaborn是基于matplotlib的高级绘图库，提供了更简洁的API和更美观的默认样式。使用seaborn库可以大大简化数据可视化的过程，并且其默认样式已经非常美观。下面是一个使用seaborn绘制柱状图的示例：

import seaborn as sns
import matplotlib.pyplot as plt
示例数据
data = sns.load_dataset("tips")
绘制柱状图
sns.barplot(x="day", y="total_bill", data=data)
plt.show()

三、调整图表样式

调整图表样式可以使统计图更加美观和专业。使用seaborn库可以方便地调整图表样式。例如，可以使用set_style函数设置图表的背景样式，使用set_context函数调整图表的上下文样式。

import seaborn as sns
import matplotlib.pyplot as plt
示例数据
data = sns.load_dataset("tips")
设置图表样式
sns.set_style("whitegrid")
sns.set_context("talk")
绘制柱状图
sns.barplot(x="day", y="total_bill", data=data)
plt.show()

四、添加颜色和注释

添加颜色和注释可以使统计图更加直观和易于理解。使用seaborn库可以方便地添加颜色和注释。例如，可以使用palette参数设置颜色调色板，使用annotate函数添加注释。

import seaborn as sns
import matplotlib.pyplot as plt
示例数据
data = sns.load_dataset("tips")
设置图表样式
sns.set_style("whitegrid")
sns.set_context("talk")
绘制柱状图
sns.barplot(x="day", y="total_bill", data=data, palette="viridis")
添加注释
for index, row in data.iterrows():
    plt.text(row.name, row.total_bill, round(row.total_bill, 2), color='black', ha="center")
plt.show()

通过上述方法，可以使用Python绘制出美观且专业的统计图，从而更好地展示数据和分析结果。接下来，我们将详细介绍这些方法的具体实现和更多示例。

一、选择合适的图表类型

选择合适的图表类型是绘制好看的统计图的第一步。不同的数据和分析目的需要使用不同类型的图表。以下是几种常见的图表类型及其适用场景：

折线图

折线图适用于显示数据的趋势和变化情况，特别是时间序列数据。例如，可以使用折线图展示某个时间段内股票价格的变化情况。

import matplotlib.pyplot as plt
示例数据
dates = ["2023-01-01", "2023-01-02", "2023-01-03", "2023-01-04", "2023-01-05"]
prices = [100, 101, 102, 103, 104]
绘制折线图
plt.plot(dates, prices, marker='o')
plt.xlabel("Date")
plt.ylabel("Price")
plt.title("Stock Prices Over Time")
plt.show()

柱状图

柱状图适用于比较不同类别的数据。例如，可以使用柱状图比较不同城市的平均收入。

import matplotlib.pyplot as plt
示例数据
cities = ["New York", "Los Angeles", "Chicago", "Houston", "Phoenix"]
incomes = [60000, 55000, 52000, 58000, 53000]
绘制柱状图
plt.bar(cities, incomes)
plt.xlabel("City")
plt.ylabel("Average Income")
plt.title("Average Income by City")
plt.show()

散点图

散点图适用于展示两个变量之间的关系。例如，可以使用散点图展示身高和体重之间的关系。

import matplotlib.pyplot as plt
示例数据
heights = [160, 165, 170, 175, 180]
weights = [50, 55, 60, 65, 70]
绘制散点图
plt.scatter(heights, weights)
plt.xlabel("Height (cm)")
plt.ylabel("Weight (kg)")
plt.title("Height vs Weight")
plt.show()

饼图

饼图适用于显示各部分在整体中的占比。例如，可以使用饼图展示不同产品类别的销售额占比。

import matplotlib.pyplot as plt
示例数据
categories = ["Electronics", "Clothing", "Home & Kitchen", "Sports", "Books"]
sales = [25000, 15000, 20000, 10000, 5000]
绘制饼图
plt.pie(sales, labels=categories, autopct="%1.1f%%")
plt.title("Sales by Product Category")
plt.show()

选择合适的图表类型可以使数据的特点和趋势更清晰地展现出来，从而更易于理解。

二、使用seaborn库

Seaborn是基于matplotlib的高级绘图库，提供了更简洁的API和更美观的默认样式。使用seaborn库可以大大简化数据可视化的过程，并且其默认样式已经非常美观。下面是几个使用seaborn绘制不同类型统计图的示例：

折线图

import seaborn as sns
import matplotlib.pyplot as plt
示例数据
data = sns.load_dataset("flights")
绘制折线图
sns.lineplot(x="year", y="passengers", data=data)
plt.title("Number of Passengers Over Time")
plt.show()

柱状图

import seaborn as sns
import matplotlib.pyplot as plt
示例数据
data = sns.load_dataset("tips")
绘制柱状图
sns.barplot(x="day", y="total_bill", data=data)
plt.title("Total Bill by Day")
plt.show()

散点图

import seaborn as sns
import matplotlib.pyplot as plt
示例数据
data = sns.load_dataset("iris")
绘制散点图
sns.scatterplot(x="sepal_length", y="sepal_width", hue="species", data=data)
plt.title("Sepal Length vs Sepal Width")
plt.show()

饼图

Seaborn没有直接提供绘制饼图的函数，但可以通过matplotlib绘制。

import matplotlib.pyplot as plt
示例数据
categories = ["Electronics", "Clothing", "Home & Kitchen", "Sports", "Books"]
sales = [25000, 15000, 20000, 10000, 5000]
绘制饼图
plt.pie(sales, labels=categories, autopct="%1.1f%%")
plt.title("Sales by Product Category")
plt.show()

通过使用seaborn库，可以快速生成高质量的统计图，并且其默认样式已经非常美观。

三、调整图表样式

设置图表样式

Seaborn提供了几种预定义的样式，可以通过set_style函数进行设置。例如，可以设置为白色网格背景样式。

import seaborn as sns
import matplotlib.pyplot as plt
示例数据
data = sns.load_dataset("tips")
设置图表样式
sns.set_style("whitegrid")
绘制柱状图
sns.barplot(x="day", y="total_bill", data=data)
plt.title("Total Bill by Day")
plt.show()

调整图表上下文

Seaborn提供了几种上下文样式，可以通过set_context函数进行设置。例如，可以将图表上下文设置为"talk"，适合在演示中使用。

import seaborn as sns
import matplotlib.pyplot as plt
示例数据
data = sns.load_dataset("tips")
设置图表样式
sns.set_style("whitegrid")
sns.set_context("talk")
绘制柱状图
sns.barplot(x="day", y="total_bill", data=data)
plt.title("Total Bill by Day")
plt.show()

自定义颜色调色板

Seaborn提供了多种颜色调色板，可以通过palette参数进行设置。例如，可以使用"viridis"调色板。

import seaborn as sns
import matplotlib.pyplot as plt
示例数据
data = sns.load_dataset("tips")
设置图表样式
sns.set_style("whitegrid")
sns.set_context("talk")
绘制柱状图
sns.barplot(x="day", y="total_bill", data=data, palette="viridis")
plt.title("Total Bill by Day")
plt.show()

通过调整图表样式，可以使统计图更加美观和专业。

四、添加颜色和注释

添加颜色

使用seaborn库可以方便地为图表添加颜色。例如，可以使用palette参数设置颜色调色板。

import seaborn as sns
import matplotlib.pyplot as plt
示例数据
data = sns.load_dataset("tips")
设置图表样式
sns.set_style("whitegrid")
sns.set_context("talk")
绘制柱状图
sns.barplot(x="day", y="total_bill", data=data, palette="viridis")
plt.title("Total Bill by Day")
plt.show()

添加注释

使用annotate函数可以为图表添加注释。例如，可以在柱状图上添加每个柱子的数值。

import seaborn as sns
import matplotlib.pyplot as plt
示例数据
data = sns.load_dataset("tips")
设置图表样式
sns.set_style("whitegrid")
sns.set_context("talk")
绘制柱状图
ax = sns.barplot(x="day", y="total_bill", data=data, palette="viridis")
添加注释
for p in ax.patches:
    ax.annotate(f'{p.get_height():.2f}', (p.get_x() + p.get_width() / 2., p.get_height()), ha='center', va='center', xytext=(0, 10), textcoords='offset points')
plt.title("Total Bill by Day")
plt.show()