Python的jupyter如何画图

如何使用Python的Jupyter Notebook进行绘图

Jupyter Notebook、Python的强大库、可视化效果、交互性、代码与结果的紧密结合。 Jupyter Notebook 是 Python 生态系统中一款非常流行的交互式计算环境，它不仅允许用户编写和执行代码，还能进行数据的可视化。Python 拥有许多强大的绘图库，如 Matplotlib、Seaborn 和 Plotly，这些库可以轻松创建各种类型的图表和图形。在这篇文章中，我将详细介绍如何在 Jupyter Notebook 中使用这些库进行绘图，并提供具体的代码示例。

一、MATPLOTLIB绘图

1.1、Matplotlib基础

Matplotlib 是 Python 中最基础、最常用的绘图库之一。它提供了丰富的绘图功能，能够生成各种类型的图表，包括折线图、散点图、柱状图等。使用 Matplotlib，你可以轻松地定制图表的各个方面，如颜色、标签、刻度等。

import matplotlib.pyplot as plt

import numpy as np
生成数据
x = np.linspace(0, 10, 100)
y = np.sin(x)
创建图形
plt.figure(figsize=(10, 6))
绘制折线图
plt.plot(x, y, label='Sine Wave')
添加标题和标签
plt.title('Sine Wave Plot')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
添加图例
plt.legend()
显示图形
plt.show()

1.2、定制化图表

Matplotlib 允许高度自定义图表的外观。你可以更改颜色、线条样式、添加网格线、调整坐标轴等。

# 生成数据

x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
创建图形
plt.figure(figsize=(12, 7))
绘制两条折线图
plt.plot(x, y1, 'r--', label='Sine Wave')  # 红色虚线
plt.plot(x, y2, 'b-', label='Cosine Wave')  # 蓝色实线
添加标题和标签
plt.title('Sine and Cosine Waves')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
添加网格线
plt.grid(True)
添加图例
plt.legend()
显示图形
plt.show()

二、SEABORN绘图

2.1、Seaborn基础

Seaborn 是基于 Matplotlib 的高级绘图库，它提供了更简洁的 API 和更美观的默认样式。Seaborn 尤其适用于统计数据的可视化，能够轻松绘制出常见的统计图表，如箱线图、分布图等。

import seaborn as sns

import pandas as pd
生成数据
data = pd.DataFrame({
    'x': np.random.normal(size=100),
    'y': np.random.normal(size=100)
})
创建散点图
sns.jointplot(x='x', y='y', data=data, kind='scatter')
显示图形
plt.show()

2.2、统计数据可视化

Seaborn 提供了许多专门用于统计数据可视化的图表，如箱线图、条形图、热图等。这些图表能够帮助我们更好地理解数据的分布和关系。

# 生成数据

tips = sns.load_dataset('tips')
创建箱线图
plt.figure(figsize=(10, 6))
sns.boxplot(x='day', y='total_bill', data=tips)
添加标题
plt.title('Boxplot of Total Bill by Day')
显示图形
plt.show()

三、PLOTLY绘图

3.1、Plotly基础

Plotly 是一个非常强大的绘图库，支持交互式图表。它不仅可以在 Jupyter Notebook 中使用，还可以在网页中嵌入图表。Plotly 支持多种类型的图表，包括折线图、散点图、条形图、3D 图等。

import plotly.express as px

生成数据
df = px.data.iris()
创建散点图
fig = px.scatter(df, x='sepal_width', y='sepal_length', color='species', title='Iris Dataset Scatter Plot')
显示图形
fig.show()

3.2、交互式图表

Plotly 的一个显著特点是支持交互式图表。用户可以在图表中缩放、平移、悬停查看数据点的详细信息等。这使得 Plotly 特别适合用于需要与数据进行交互的场景。

# 生成数据

df = px.data.gapminder().query("year == 2007")
创建气泡图
fig = px.scatter(df, x='gdpPercap', y='lifeExp', size='pop', color='continent', hover_name='country', log_x=True, size_max=60, title='Gapminder 2007: GDP vs Life Expectancy')
显示图形
fig.show()

四、综合运用和最佳实践

4.1、选择合适的绘图库

在实际项目中，选择合适的绘图库是非常重要的。Matplotlib 适合用于需要高度自定义的场景，而 Seaborn 更适合快速生成美观的统计图表。Plotly 则非常适合用于需要交互功能的图表。

4.2、结合多个绘图库

有时候，单一的绘图库可能无法满足所有需求。在这种情况下，可以结合使用多个绘图库。例如，使用 Matplotlib 绘制基础图表，再用 Seaborn 增强统计图表，最后用 Plotly 添加交互功能。

# 生成数据

data = pd.DataFrame({
    'x': np.random.normal(size=100),
    'y': np.random.normal(size=100),
    'category': np.random.choice(['A', 'B', 'C'], size=100)
})
使用 Seaborn 创建基础散点图
plt.figure(figsize=(10, 6))
sns.scatterplot(x='x', y='y', hue='category', data=data)
添加标题
plt.title('Scatter Plot with Seaborn')
显示图形
plt.show()

4.3、代码与结果的紧密结合

在 Jupyter Notebook 中，代码和结果可以紧密结合在一起。这使得我们在进行数据分析和可视化时，可以即时看到代码的执行结果，方便调试和调整图表的各个细节。

# 生成数据

x = np.linspace(0, 10, 100)
y = np.sin(x)
创建图形并显示
plt.figure(figsize=(10, 6))
plt.plot(x, y, label='Sine Wave')
plt.title('Sine Wave Plot')
plt.xlabel('X Axis')
plt.ylabel('Y Axis')
plt.legend()
plt.show()

五、在项目管理中的应用

5.1、研发项目管理系统PingCode的应用

在研发项目管理中，数据可视化可以帮助团队更好地理解项目进展和工作量分布。使用 Jupyter Notebook 和 Python 的绘图库，可以生成各种项目报告和图表，帮助团队进行数据驱动的决策。

5.2、通用项目管理软件Worktile的应用

Worktile 作为一款通用项目管理软件，也可以通过与 Jupyter Notebook 集成，实现数据的可视化分析。通过在 Jupyter Notebook 中编写代码，生成项目的各种图表和报告，可以更好地监控项目进展和团队绩效。

import worktile_api  # 假设有一个 Worktile 的 API 库

获取项目数据
project_data = worktile_api.get_project_data('your_project_id')
数据处理和可视化
df = pd.DataFrame(project_data)
fig = px.bar(df, x='task', y='progress', title='Project Progress')
fig.show()

六、总结

在 Jupyter Notebook 中使用 Python 的绘图库进行绘图，可以大大提升数据分析和可视化的效率和效果。Matplotlib、Seaborn 和 Plotly 各有其优势，选择合适的绘图库并结合使用，可以满足各种数据可视化的需求。在项目管理中，数据可视化同样具有重要的作用，通过 Jupyter Notebook 可以生成各种项目报告和图表，帮助团队进行数据驱动的决策。

通过本篇文章的介绍，希望你能够熟练掌握在 Jupyter Notebook 中使用 Python 进行绘图的方法和技巧，为你的数据分析和项目管理工作提供有力支持。

相关问答FAQs：

如何在Python的jupyter中使用matplotlib画图？

• 问题：如何在Python的jupyter中安装matplotlib库？

• 回答：要在Python的jupyter中使用matplotlib画图，首先需要确保已经安装了matplotlib库。可以使用以下命令在jupyter中安装matplotlib：!pip install matplotlib。安装完成后，就可以在jupyter中导入并使用matplotlib来绘制图表了。

• 问题：如何在jupyter中绘制简单的折线图？

• 回答：要在jupyter中绘制简单的折线图，可以按照以下步骤进行操作：

  1. 导入matplotlib库：import matplotlib.pyplot as plt
  2. 创建x轴和y轴的数据：x = [1, 2, 3, 4, 5]，y = [10, 8, 6, 4, 2]
  3. 使用plot函数绘制折线图：plt.plot(x, y)
  4. 使用show函数显示图表：plt.show()。这样就能在jupyter中显示绘制的折线图了。

• 问题：如何在jupyter中绘制柱状图？

• 回答：要在jupyter中绘制柱状图，可以按照以下步骤进行操作：

  1. 导入matplotlib库：import matplotlib.pyplot as plt
  2. 创建x轴和y轴的数据：x = ['A', 'B', 'C', 'D', 'E']，y = [10, 8, 6, 4, 2]
  3. 使用bar函数绘制柱状图：plt.bar(x, y)
  4. 使用show函数显示图表：plt.show()。这样就能在jupyter中显示绘制的柱状图了。