如何使用python画图工具

使用Python画图工具的方法有很多，常用的Python画图工具包括Matplotlib、Seaborn、Plotly、Bokeh。这几种工具各有优缺点，适合不同的应用场景。例如，Matplotlib适合简单、基础的静态图形绘制，Seaborn在统计绘图方面功能强大，Plotly提供了交互式图表功能，Bokeh适合大数据的可视化。在本篇文章中，我们将详细探讨这四种工具的使用方法，并通过实例介绍它们的具体应用。

一、MATPLOTLIB

Matplotlib是Python中最常用的绘图库，它提供了丰富的绘图功能，可以绘制各种类型的图形，如折线图、柱状图、散点图、饼图等。Matplotlib的核心是pyplot模块，它提供了一组命令风格的函数，类似于MATLAB的绘图命令。

1、安装Matplotlib

在使用Matplotlib之前，需要先进行安装。可以使用pip命令进行安装：

pip install matplotlib

2、基本用法

以下是一个简单的示例，展示了如何使用Matplotlib绘制一个折线图：

import matplotlib.pyplot as plt
数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
绘图
plt.plot(x, y)
添加标题和标签
plt.title("Simple Line Plot")
plt.xlabel("X Axis")
plt.ylabel("Y Axis")
显示图形
plt.show()

这个示例中，我们首先导入了matplotlib.pyplot模块，然后定义了一组数据x和y，使用plt.plot()函数绘制折线图，最后通过plt.show()函数显示图形。

3、常用图形

Matplotlib支持多种类型的图形，以下是一些常用图形的示例：

折线图

plt.plot(x, y, label="Line Plot", color="blue", linestyle="--", marker="o")
plt.legend()

柱状图

plt.bar(x, y, color="green")

散点图

plt.scatter(x, y, color="red")

饼图

labels = ["A", "B", "C", "D"]
sizes = [15, 30, 45, 10]
plt.pie(sizes, labels=labels, autopct="%1.1f%%")

二、SEABORN

Seaborn是基于Matplotlib之上的一个高级绘图库，它简化了复杂的统计图形绘制，并且默认的绘图风格更加美观。Seaborn特别适合绘制统计图形，如回归图、箱线图、热力图等。

1、安装Seaborn

同样，可以使用pip命令进行安装：

pip install seaborn

2、基本用法

以下是一个简单的示例，展示了如何使用Seaborn绘制一个散点图：

import seaborn as sns
import matplotlib.pyplot as plt
数据
tips = sns.load_dataset("tips")
绘图
sns.scatterplot(x="total_bill", y="tip", data=tips)
显示图形
plt.show()

在这个示例中，我们使用了Seaborn的内置数据集“tips”，并使用sns.scatterplot()函数绘制散点图。

3、常用图形

Seaborn支持多种类型的统计图形，以下是一些常用图形的示例：

散点图

sns.scatterplot(x="total_bill", y="tip", data=tips)

回归图

sns.regplot(x="total_bill", y="tip", data=tips)

箱线图

sns.boxplot(x="day", y="total_bill", data=tips)

热力图

corr = tips.corr()
sns.heatmap(corr, annot=True)

三、PLOTLY

Plotly是一个功能强大的交互式绘图库，适合创建交互式图表和仪表盘。Plotly支持多种图形类型，并且可以与Dash框架结合，用于构建交互式数据应用。

1、安装Plotly

可以使用pip命令进行安装：

pip install plotly

2、基本用法

以下是一个简单的示例，展示了如何使用Plotly绘制一个折线图：

import plotly.graph_objects as go
数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
绘图
fig = go.Figure(data=go.Scatter(x=x, y=y, mode='lines+markers'))
添加标题和标签
fig.update_layout(title="Simple Line Plot", xaxis_title="X Axis", yaxis_title="Y Axis")
显示图形
fig.show()

在这个示例中，我们使用了Plotly的graph_objects模块，并通过go.Figure()函数创建图形对象，最后通过fig.show()函数显示图形。

3、常用图形

Plotly支持多种类型的图形，以下是一些常用图形的示例：

折线图

fig = go.Figure(data=go.Scatter(x=x, y=y, mode='lines+markers'))

柱状图

fig = go.Figure(data=go.Bar(x=x, y=y))

散点图

fig = go.Figure(data=go.Scatter(x=x, y=y, mode='markers'))

饼图

labels = ["A", "B", "C", "D"]
sizes = [15, 30, 45, 10]
fig = go.Figure(data=go.Pie(labels=labels, values=sizes))

四、BOKEH

Bokeh是一个专门用于大数据可视化的交互式绘图库，它可以生成高性能的交互式图表，并且支持在网页中嵌入图表。Bokeh特别适合实时数据流的可视化。

1、安装Bokeh

可以使用pip命令进行安装：

pip install bokeh

2、基本用法

以下是一个简单的示例，展示了如何使用Bokeh绘制一个折线图：

from bokeh.plotting import figure, show
from bokeh.io import output_notebook
输出到notebook
output_notebook()
数据
x = [1, 2, 3, 4, 5]
y = [1, 4, 9, 16, 25]
绘图
p = figure(title="Simple Line Plot", x_axis_label="X Axis", y_axis_label="Y Axis")
p.line(x, y, legend_label="Line", line_width=2)
显示图形
show(p)

在这个示例中，我们使用了Bokeh的figure模块，通过figure()函数创建图形对象，并通过show()函数显示图形。

3、常用图形

Bokeh支持多种类型的图形，以下是一些常用图形的示例：

折线图

p.line(x, y, legend_label="Line", line_width=2)

柱状图

p.vbar(x=x, top=y, width=0.5)

散点图

p.scatter(x, y, marker="circle", size=10)

饼图

Bokeh目前不支持直接绘制饼图，但可以通过其他方式实现，例如使用Wedge Glyph：

from math import pi
from bokeh.transform import cumsum
from bokeh.palettes import Category20c
data = {
    'A': 15,
    'B': 30,
    'C': 45,
    'D': 10
}
data = pd.Series(data).reset_index(name='value').rename(columns={'index': 'category'})
data['angle'] = data['value']/data['value'].sum() * 2*pi
data['color'] = Category20c[len(data)]
p = figure(plot_height=350, title="Pie Chart", toolbar_location=None,
           tools="hover", tooltips="@category: @value", x_range=(-0.5, 1.0))
p.wedge(x=0, y=1, radius=0.4,
        start_angle=cumsum('angle', include_zero=True), end_angle=cumsum('angle'),
        line_color="white", fill_color='color', legend_field='category', source=data)
p.axis.axis_label = None
p.axis.visible = False
p.grid.grid_line_color = None
show(p)