Python資料視覺化總結

用python完成資料分析後，如何把結果呈現出來，比如畫乙個吸引人注意的圖表相當重要。當你探索乙個資料集，需要畫圖表，圖表看起來令人愉悅是件很高興的事。在給你的觀眾交流觀點，給領導匯報工作時，視覺化同樣重要，同時，也很有必要去讓圖表吸引注意力和印入腦海裡。

在python中numpy，pandas，matplotlib，seaborn是幾個重要的模組。matplotlib自動化程度非常高，但是，掌握如何設定系統以便獲得乙個吸引人的圖是相當困難的事。為了控制matplotlib圖表的外觀，seaborn模組自帶許多定製的主題和高階的介面。

anaconda版本的安裝很方便，利用conda命令能隨時查詢和更新、安裝模組，相當便利。

conda list

列出所有的已安裝的packages模組

conda install name

name是需要安裝packages的名字，比如，我需要安裝numpy包，輸入上面的命令就是：

conda install numpy

單詞之間空一格，然後回車，輸入y就可以了

這裡在windows安裝的anaconda裡選擇開啟ipython程式。在畫圖之前，請注意設定顯示環境，輸入命令：

%matplotlib inline

表示在命令列顯示

%matplotlib qt

表示在顯示

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
np.random.seed(sum(map(ord, "aesthetics")))

先完成準備工作，引用需要的第三方模組。

接著讓我們定義乙個正弦函式，並畫出來，這將幫助我們了解我們可以控制的不同風格的引數

def
sinplot
(flip=1):
x = np.linspace(0, 14, 100)
for i in range(1, 7):
plt.plot(x, np.sin(x + i * .5) * (7 - i) * flip)

預設情況下matplotlib顯示的如下：

我們再嘗試一下seaborn的畫圖效果：

import seaborn as sns
sinplot()

seaborn將matplotlib的引數劃分為兩個組。第一組控制圖表的樣式和圖的度量尺度元素，這樣就可以輕易在納入到不同的上下文中。

操控這些引數由兩個函式提供介面。控制圖的樣式，用axes_style()和set_style()這兩個函式。度量圖則用plotting_context()和set_context()這兩個函式。在這兩種情況下，第一組函式返回一系列的引數，第二組則設定matplotlib的預設屬性。

end