交互式的数据可视化图表是 New IT 新技术的一个应用方向,在过去,用户要在网页上查看数据,基本的实现方式就是在页面上显示一个表格出来,的而且确,用表格的方式来展示数据,显示的数据量会比较大,但是,这种数据展示方式很不直观,无法让用户一下子就看出数据分析结果所要反应出的信息,由此就有了数据可视化技术的研究和应用来解决这个问题。

目前实现交互式数据可视化技术已经很成熟,各种类型地数据可视化图表都可以使用技术手段实现出来,包括最简单的 Excel 就可以制作各种可视化数据分析报表,而在 WEB 上也有各种技术可是实现相似功能。在学习和研究 Python 的过程中,我发现了很多类库可以很简单地就能实现交互式的数据可视化的业务需求,包括 pyecharts 和 matplotlib 实现地各种类型地数据分析图表,交互式地图,词云等等。

Matplotlib 是一个 Python 的 2D 绘图库,它以各种硬拷贝格式和跨平台的交互式环境生成出版质量级别的图形。通过 Matplotlib 这个标准类库,开发者只需要几行代码就可以实现生成绘图,折线图、散点图、柱状图、饼图、直方图、组合图等数据分析可视化图表。Matplotlib 使用 NumPy 进行数组运算,并调用一系列其他的 Python 库来实现硬件交互。

(一)折线图

折线图是排列在工作表的列或行中的数据可以绘制到折线图中。折线图可以显示随时间(根据常用比例设置)而变化的连续数据,因此非常适用于显示在相等时间间隔下数据的趋势。在折线图中,类别数据沿水平轴均匀分布,所有值数据沿垂直轴均匀分布。如果分类标签是文本并且代表均匀分布的数值(如月、季度或财政年度),则应该使用折线图。当有多个系列时,尤其适合使用折线图—对于一个系列,应该考虑使用类别图。如果有几个均匀分布的数值标签(尤其是年),也应该使用折线图。如果拥有的数值标签多于十个,请改用散点图。另外,折线图是支持多数据进行对比的。

Python 利用 matplotlib 类库实现折线图非常简单,直接上代码:

#author: hanshiqiang365

import matplotlib.pyplot as plt

import numpy as np

x = np.arange()

y = np.sin(x)

z = np.cos(x)

plt.plot(x, y, marker=, linestyle="--", color="orange")

plt.plot(x, z)

plt.title("Python matplotlib Demo - By hanshiqiang365")

plt.xlabel("width")

plt.ylabel("height")

plt.legend(["Y","Z"], loc="upper right")

plt.grid(True)

plt.show()

程序运行生成的折线图 Demo 如下:

(二)散点图

散点图是指在回归分析中,数据点在直角坐标系平面上的分布图,散点图表示因变量随自变量而变化的大致趋势,据此可以选择合适的函数对数据点进行拟合。用两组数据构成多个坐标点,考察坐标点的分布,判断两变量之间是否存在某种关联或总结坐标点的分布模式。散点图将序列显示为一组点。值由点在图表中的位置表示。类别由图表中的不同标记表示。散点图通常用于比较跨类别的聚合数据。

Python 利用 matplotlib 类库实现散点图非常简单,直接上代码:

#author: hanshiqiang365

import matplotlib.pyplot as plt

import numpy as np

plt.title("Python matplotlib Demo - By hanshiqiang365")

plt.xlabel("width")

plt.ylabel("height")

plt.scatter(x,y)

plt.show()

程序运行生成的散点图 Demo 如下:

(三)柱状图

柱状图(Bar Chart),是一种以长方形的长度为变量的表达图形的统计报告图,由一系列高度不等的纵向条纹表示数据分布的情况,用来比较两个或以上的价值(不同时间或者不同条件),只有一个变量,通常利用于较小的数据集分析。柱状图亦可横向排列,或用多维方式表达。柱状图主要用于数据的统计与分析,早期主要用于数学统计学科中,到现代使用已经比较广泛,应用柱状图易于比较各组数据之间的差别。

Python 利用 matplotlib 类库实现柱状图非常简单,直接上代码:

#author: hanshiqiang365

import matplotlib.pyplot as plt

import numpy as np

plt.title("Python matplotlib Demo - By hanshiqiang365")

plt.xlabel("width")

plt.ylabel("height")

x = np.arange()

plt.bar(x, y)

plt.show()

程序运行生成的柱状图 Demo 如下:

(四)饼图

饼图英文学名为 Sector Graph,又名 Pie Graph,常用于统计学模块。仅排列在工作表的一列或一行中的数据可以绘制到饼图中。饼图显示一个数据系列中各项的大小与各项总和的比例。饼图中的数据点显示为整个饼图的百分比。

Python 利用 matplotlib 类库实现饼图非常简单,直接上代码:

#author: hanshiqiang365

import matplotlib.pyplot as plt

import numpy as np

plt.title("Python matplotlib Demo - By hanshiqiang365")

labels = ['Sample-A','Sample-B','Sample-C']

plt.pie(x,labels=labels)

plt.show()

程序运行生成的饼图 Demo 如下:

(五)直方图

直方图(Histogram)又称质量分布图。是一种统计报告图,由一系列高度不等的纵向条纹或线段表示数据分布的情况。一般用横轴表示数据类型,纵轴表示分布情况。直方图是数值数据分布的精确图形表示,显出出一个连续变量(定量变量)的概率分布的估计。为了构建直方图,第一步是将值的范围分段,即将整个值的范围分成一系列间隔,然后计算每个间隔中有多少值,这些值通常被指定为连续的,不重叠的变量间隔,而间隔必须相邻,并且通常是(但不是必须的)相等的大小。

Python 利用 matplotlib 类库实现直方图非常简单,直接上代码:

#author: hanshiqiang365

import matplotlib.pyplot as plt

import numpy as np

plt.title("Python matplotlib Demo - By hanshiqiang365")

plt.xlabel("width")

plt.ylabel("height")

mean, sigma = , 

plt.hist(x,)

plt.show()

程序运行生成的直方图 Demo 如下:

除了以上这五种基础的数据分析可视化图表外,matplotlib 类库还支持各种自定义的可视化数据分析图表类型(关于这一点在以后会专门写篇文章来讲),功能非常强大,并且在此基础上,我们还可以玩一点花样出来,我们可以将这些不同类型的分析图表任意组合显示到一个页图上,从而更好地展示信息。

Python 利用 matplotlib 类库实现组合图也非常简单,直接上代码:

#author: hanshiqiang365

import matplotlib.pyplot as plt

import numpy as np

plt.figure(figsize=(,),dpi=)

A = plt.subplot(,,)

plt.plot([,],[,], color="red")

plt.subplot(,,)

plt.title("Demo B")

plt.xlabel("width")

plt.ylabel("height")

plt.plot([,],[,], color="green")

plt.subplot(,,)

plt.title("Demo C")

plt.xlabel("width")

plt.ylabel("height")

# 选择子图A

plt.sca(A)

plt.title("Demo A")

plt.xlabel("width")

plt.ylabel("height")

plt.show()

程序运行生成的组合图 Demo 如下:

数据分析是 Python 应用的五大领域之一,而交互式的数据可视化图表是可视化技术在非空间数据领域的应用,使人们不再局限于通过数据表格来观察和分析数据信息,而能以更直观的方式看到数据及其关系,清晰而明确地展示数据分析的结果,提供更好的用户体验。

Python 在数据分析和交互式数据可视化领域的技术实现上具有非常大的优势,利用各种类库Python可以高效率高质量地实现业务功能需要,而和R语言相比,Python 更适合具有IT背景的人来用于数据分析,并且可以和其他领域例如批量处理脚本、人工智能、WEB 开发等的应用很好的集成起来实现一个整体的技术解决方案(total solution),为客户创造价值。

Python 技术交流群:238757010

来源:韩思工作室

原文链接:http://t.cn/RBG93vK

Python调用matplotlib实现交互式数据可视化图表案例的更多相关文章

  1. python实现的电影票房数据可视化

    代码地址如下:http://www.demodashi.com/demo/14275.html 详细说明: Tushare是一个免费.开源的python财经数据接口包.主要实现对股票等金融数据从数据采 ...

  2. Webstorm+Webpack+echarts构建个性化定制的数据可视化图表&&两个echarts详细教程(柱状图,南丁格尔图)

    Webstorm+Webpack+echarts   ECharts 特性介绍 ECharts,一个纯 Javascript 的图表库,可以流畅的运行在 PC 和移动设备上,兼容当前绝大部分浏览器(I ...

  3. ECharts-基于Canvas,纯Javascript图表库,提供直观,生动,可交互,可个性化定制的数据可视化图表

    ECharts http://ecomfe.github.com/echarts 基于Canvas,纯Javascript图表库,提供直观,生动,可交互,可个性化定制的数据可视化图表.创新的拖拽重计算 ...

  4. 数据可视化图表ECharts

    介绍: ECharts是一个基于ZRender(轻量级Canvas类库)的纯javascript图表库,提供可交互.个性化的数据可视化图表. ECharts提供了折线图.柱状图.散点图.饼图.K线图, ...

  5. 前端使用d3.js调用地图api 进行数据可视化

    前段时间自己研究了demo就是把某个区域的某个位置通过经纬度在地图上可视化.其实就是使用了第三方插件,比现在比较火的可视化插件d3.js echart.js.大致思路就是,把要用到的位置的geojso ...

  6. 百度数据可视化图表套件echart实战

    最近我一直在做数据可视化的前端工作,我用的最多的绘图工具是d3.d3有点像photoshop,功能很强大,例子也很多,但是学习成本也不低,做项目是需要较大人力投入的.3月底由在亚马逊工作的同学介绍下使 ...

  7. 交互式数据可视化-D3.js(四)形状生成器

    使用JavaScript和D3.js实现数据可视化 形状生成器 线段生成器 var linePath = d3.line() - 使用默认的设置构造一个 line 生成器. linePath.x() ...

  8. python调用R语言,关联规则可视化

    首先当然要配置r语言环境变量什么的 D:\R-3.5.1\bin\x64; D:\R-3.5.1\bin\x64\R.dll;D:\R-3.5.1;D:\ProgramData\Anaconda3\L ...

  9. windows使用python调用wget批处理下载数据

    wget是linux/unix下通常使用的下载http/ftp的数据,使用非常方便,其实wget目前经过编译,也可在windows下使用.最近需要下载大量的遥感数据,使用了python写了批处理下载程 ...

随机推荐

  1. Junit单元测试笔记

    什么是单元测试? 单元测试是开发者编写的一小段代码,用于检验被测代码的一个很小的.很明确的功能是否正确. 单元测试目的? 执行单元测试,是为了证明某段代码的行为确实和开发者所期望的一致. 白盒测试和单 ...

  2. 使用Azure Automation(自动化)定时关闭和启动虚拟机

    1. 概述 作为Windows Azure的用户,使用Azure的过程中,最担心的事情就是还没到月底,预设的费用就快消耗完了(下面两张账单图是我最讨厌看到的).但是仔细分析自己的费用列表,发现绝大部分 ...

  3. Sql Server判断某列字段是否为空或判断某列字段长度

    1.用is null 和 is not null来判断字段是否为空. 2.用len()函数来判断字段长度.

  4. 开通了cnblogs

    受够了百度空间,换个地方,或许会更好. 以后有机会会将百度空间你的文章搬过来的.

  5. GCD 深入理解(一)

    http://www.cocoachina.com/industry/20140428/8248.html 本文由@nixzhu翻译至raywenderlich的<grand-central-d ...

  6. 关于RadAsm中GetEnvironmentStrings的BUG。

    今天在asm中不通过msvcrt.inc调用c库. 所以.第一时间就在vc的lib中拷贝了libc.lib问价.加入工程后. 声明.调用如下: 然后.链接报错. libc.lib(crt0.obj) ...

  7. UNIX标准化及实现之标准之间的冲突

    就整体而言,这些不同的标准之间配合得相当好.但是我们也很关注它们之间的差别,特别是ISO C标准和POSIX.1之间的差别. ISO C定义了函数clock,它返回进程使用的CPU时间,返回值类型是c ...

  8. 数学(动态规划,GCD):COGS 469. [NOI2010]能量采集

    能量采集 ★★☆   输入文件:energy2010.in   输出文件:energy2010.out   简单对比 时间限制:1 s   内存限制:512 MB [问题描述] 栋栋有一块长方形的地, ...

  9. 该View转换成Bitmap方法

    方法一: /** * 该View绘制到Bitmap上 * @param view 须要绘制的View * @param width 该View的宽度 * @param height 该View的高度 ...

  10. 基于 Aspose.Cells与XML导入excel 数据----操作类封装

    前言 导入excel数据, 在每个项目中基本上都会遇到,第三方插件或者基于微软office,用的最多的就是npoi,aspose.cells和c#基于office这三种方式,其中各有各的优缺点,在这也 ...