本文讲述了python系列：几行代码制作好看的图表！具有很好的参考价值，希望对大家有所帮助。一起跟随六星小编过来看看吧，具体如下:

Python作为当前流行开发语言，不仅可以用于web网站的开发、自动化框架的设计等，也可用于到大数据领域，在大数据领域方面，我们不仅需要获取到大量的数据，并且还要将这些数据进行整合便于后续的使用和分析，而数据的整合最好的方式就是使用可视化的方式将数据变现出来，所以今天我们就学习python中的matplotlib库和seaborn的使用。

matplotlib和seabornde介绍

在Python中，我们可以使用matplotlib库和seaborn库来生成各种图表。matplotlib是一个用于创建静态、动态和交互式图表的库，而seaborn则是基于matplotlib的一个高级数据可视化库，它提供了更高级的接口，使得绘制统计图形变得更加简单。结合这两个库，我们可以生成各种类型的图表，如折线图、柱状图、散点图、箱线图等。

使用前我们先安装这两个库

pip install matplotlib seaborn

接下来，我们通过一个简单的示例来演示如何单独使用matplotlib成图表。假设我们有一个数据集，包含了6个月份的数据，我们想要绘制一个折线图来展示每年的销售额。

import matplotlib.pyplot as plt

months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun']

sales = [100, 200, 150, 400, 300, 350]

# 创建绘制图表数据

plt.plot(months, sales)

plt.xlabel('Months')   # 设置X轴

plt.ylabel('Sales')    # 设置Y轴

plt.title('Sales Data')  # 设置图表名称

plt.show()

运行代码后会生成一个默认的折线图

结合seabron生成不同的图表

seaborn支持生成不同样式的图表，包括柱状图、散点图、直方图、折线图、小提琴图、箱线图、热点图、点图、密度图、计数图、分簇散点图、特征图、Facet Grid、联合分布图、分类图等多个类型

以下是seaborn库生成不同图表的一些常用方法

1.seaborn.distplot() – 绘制单变量分布图

2.seaborn.jointplot() – 绘制双变量关系图

3.seaborn.pairplot() – 绘制多变量关系图

4.seaborn.barplot() – 绘制条形图

5.seaborn.countplot() – 绘制计数图

6.seaborn.boxplot() – 绘制箱线图

7.seaborn.violinplot() – 绘制小提琴图

8.seaborn.heatmap() – 绘制热力图

9.seaborn.lineplot() – 绘制线图

10.seaborn.scatterplot() – 绘制散点图

1.生成柱状图

柱状图是我们经常会见到的数据图表，每个柱状都表示一组数据

import seaborn

import matplotlib.pyplot as plt

months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun']

sales = [100, 200, 150, 400, 300, 350]

plt.xlabel('Year')

plt.ylabel('Sales')

plt.title('Sales by Year (Heatmap)')

seaborn.barplot(x=months,y=sales)  # 使用seaborn配置柱状图的X轴和Y轴

plt.show()

运行代码生成柱状图

2.生成散点图

散点图顾名思义，每个表里面的一个点就代表着一组数值

import seaborn

import matplotlib.pyplot as plt

months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun']

sales = [100, 200, 150, 400, 300, 350]

plt.xlabel('Year')

plt.ylabel('Sales')

plt.title('Sales by Year (Heatmap)')

seaborn.scatterplot(x=months,y=sales)  # 使用seaborn配置散点图的X轴和Y轴

plt.show()

3.绘制直方图

直方图通常适用于可视单个数据的分布情况，不过也可用用于比较两个或者更多变量的变化

import seaborn

import matplotlib.pyplot as plt

months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun']

sales = [100, 200, 150, 400, 300, 350]

plt.xlabel('Year')

plt.ylabel('Sales')

plt.title('Sales by Year (Heatmap)')

seaborn.histplot(x=months,y=sales,kde=True)  # 使用seaborn配置直方图的X轴和Y轴

plt.show()

4.绘制点线图

点线图不同于折线图，点线图适用于显示一组数据及其变异性的平觉知或集中趋势，通常用于探索性数据分析，以及快速可视化数据集的分布或者比较多个数据集

import seaborn

import matplotlib.pyplot as plt

months = ['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun']

sales = [100, 200, 150, 400, 300, 350]

plt.xlabel('Year')

plt.ylabel('Sales')

plt.title('Sales by Year (Heatmap)')

seaborn.pointplot(x=months,y=sales,)  # 使用seaborn配置点线图的X轴和Y轴

plt.show()

生成的图表显示如下：

以上是简单的列举了matplotlib和seaborn组合生成的一些常规图表信息，但起功能远远不止上述内容，seaborn在数据分析机器学习有很大的作用，如果想要更加深入了解，可以去逛网地址和查看对应中文文档继续深入学习。

当前，后续我们也可以结合到Python中的panads库一起使用：

将数据读取出来并绘制的图表

import seaborn

import matplotlib.pyplot as plt

import pandas as pd

data=pd.read_excel(r"D:\data.xlsx")

seaborn.histplot(x="months",kde=True,data=data)

plt.show()

绘制结果如下

好了，今天的分享就到这里了，喜欢的朋友记得留言点赞哦~

更多相关技术内容咨询欢迎前往并持续关注六星社区了解详情。

想高效系统的学习Python编程语言，推荐大家关注一个微信公众号：Python编程学习圈。每天分享行业资讯、技术干货供大家阅读，关注即可免费领取整套Python入门到进阶的学习资料以及教程，感兴趣的小伙伴赶紧行动起来吧。