关于python3可视化函数的信息

python可视化数据分析常用图大集合（收藏）

python数据分析常用图大集合：包含折线图、直方图、垂直条形图、水平条形图、饼图、箱线图、热力图、散点图、蜘蛛图、二元变量分布、面积图、六边形图等12种常用可视化数据分析图，后期还会不断的收集整理，请关注更新！

让客户满意是我们工作的目标，不断超越客户的期望值来自于我们对这个行业的热爱。我们立志把好的技术通过有效、简单的方式提供给客户，将通过不懈努力成为客户在信息化领域值得信任、有价值的长期合作伙伴，公司提供的服务项目有：主机域名、虚拟空间、营销软件、网站建设、阿拉善盟网站维护、网站推广。

以下默认所有的操作都先导入了numpy、pandas、matplotlib、seaborn

一、折线图

折线图可以用来表示数据随着时间变化的趋势

Matplotlib

plt.plot(x, y)

plt.show()

Seaborn

df = pd.DataFrame({'x': x, 'y': y})

sns.lineplot(x="x", y="y", data=df)

plt.show()

二、直方图

直方图是比较常见的视图，它是把横坐标等分成了一定数量的小区间，然后在每个小区间内用矩形条（bars）展示该区间的数值

Matplotlib

Seaborn

三、垂直条形图

条形图可以帮我们查看类别的特征。在条形图中，长条形的长度表示类别的频数，宽度表示类别。

Matplotlib

Seaborn

1plt.show()

四、水平条形图

五、饼图

六、箱线图

箱线图由五个数值点组成：最大值 (max)、最小值 (min)、中位数 (median) 和上下四分位数 (Q3, Q1)。

可以帮我们分析出数据的差异性、离散程度和异常值等。

Matplotlib

Seaborn

七、热力图

力图，英文叫 heat map，是一种矩阵表示方法，其中矩阵中的元素值用颜色来代表，不同的颜色代表不同大小的值。通过颜色就能直观地知道某个位置上数值的大小。

通过 seaborn 的 heatmap 函数，我们可以观察到不同年份，不同月份的乘客数量变化情况，其中颜色越浅的代表乘客数量越多

八、散点图

散点图的英文叫做 scatter plot，它将两个变量的值显示在二维坐标中，非常适合展示两个变量之间的关系。

Matplotlib

Seaborn

九、蜘蛛图

蜘蛛图是一种显示一对多关系的方法，使一个变量相对于另一个变量的显著性是清晰可见

十、二元变量分布

二元变量分布可以看两个变量之间的关系

十一、面积图

面积图又称区域图，强调数量随时间而变化的程度，也可用于引起人们对总值趋势的注意。

堆积面积图还可以显示部分与整体的关系。折线图和面积图都可以用来帮助我们对趋势进行分析，当数据集有合计关系或者你想要展示局部与整体关系的时候，使用面积图为更好的选择。

十二、六边形图

六边形图将空间中的点聚合成六边形，然后根据六边形内部的值为这些六边形上色。

原文至：

怎样用python进行数据可视化

用python进行数据可视化的方法：可以利用可视化的专属库matplotlib和seaborn来实现。基于python的绘图库为matplotlib提供了完整的2D和有限3D图形支持。

我们只需借助可视化的两个专属库（libraries），俗称matplotlib和seaborn即可。

（推荐教程：Python入门教程）

下面我们来详细介绍下：

Matplotlib：基于Python的绘图库为matplotlib提供了完整的2D和有限3D图形支持。这对在跨平台互动环境中发布高质量图片很有用。它也可用于动画。

Seaborn：Seaborn是一个Python中用于创建信息丰富和有吸引力的统计图形库。这个库是基于matplotlib的。Seaborn提供多种功能，如内置主题、调色板、函数和工具，来实现单因素、双因素、线性回归、数据矩阵、统计时间序列等的可视化，以让我们来进一步构建复杂的可视化。

python 递归函数可视化

参考一下第一步：简单实现装饰器 def login(func): print("in Login") return func def tv(name): print("{name} in TV".format(name = name)) tv = login(tv) tv('Jack') # out: # in Login # Jack in TV 第二步：同上 效果相同，但是使用的是@login def login(func): print("in Login") return func @login def tv(name): print("{name} in TV".format(name = name)) #tv = login(tv) tv('Jack') # out: # in Login # Jack in TV 但是出现问题，注销最后的执行语句仍有输出，原因在于@login的调用，即@login相当于执行了tv = login(tv) 所以才有输出。 def login(func): print("in Login") return func @login def tv(name): print("{name} in TV".format(name = name)) #tv = login(tv) #tv('Jack') # out: # in Login 如下调整可解决 def login(func): def inner(arg): print("in Login") # return func func(arg) return inner @login def tv(name): print("{name} in TV".format(name = name)) #tv = login(tv) tv('Jack') # out: # in Login # Jack in TV 简单的递归函数 #!/usr/bin/env python #递归函数 def calc(num): print("Number:",num) if num/2 1: calc(num/2) print("After Number:",num/2) calc(10) # Number: 10 # Number: 5.0 # Number: 2.5 # Number: 1.25 # After Number: 1.25 # After Number: 2.5 # After Number: 5.0 递归实现斐波那契数列 # Fibonacci sequence # F[n]=F[n-1]+F[n-2](n=2,F[0]=1,F[1]=1) # 斐波那契数列：1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, ... fibList = [1,1] def getFib(fibList): print(fibList) if fibList[-1] + fibList[-2] 300: fibList.append(fibList[-1] + fibList[-2]) getFib(fibList) pass pass getFib(fibList) print("[FINAL]:",fibList) # [1, 1] # [1, 1, 2] # [1, 1, 2, 3] # [1, 1, 2, 3, 5] # [1, 1, 2, 3, 5, 8] # [1, 1, 2, 3, 5, 8, 13] # [1, 1, 2, 3, 5, 8, 13, 21] # [1, 1, 2, 3, 5, 8, 13, 21, 34] # [1, 1, 2, 3, 5, 8, 13, 21, 34, 55] # [1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89] # [1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144] # [1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233] # [FINAL]: [1, 1, 2, 3, 5, 8, 13, 21, 34, 55, 89, 144, 233]