揭秘 Python 資料視覺化的魔法

Matplotlib：基礎繪圖庫

#Matplotlib 是一個靈活且功能強大的 2D 繪圖庫，它提供了一系列函數來建立各種類型的圖表。

import matplotlib.pyplot as plt

# 创建一个简单的折线图
plt.plot([1, 2, 3, 4], [5, 6, 7, 8])
plt.xlabel("X-axis")
plt.ylabel("Y-axis")
plt.title("折线图示例")
plt.show()

Seaborn：統計圖形

Seaborn 建構在 Matplotlib 之上，提供了一個高級接口，專門用於創建美觀且資訊豐富的統計圖形。

import seaborn as sns

# 创建一个直方图
sns.distplot(data["age"])
plt.xlabel("年龄")
plt.ylabel("频率")
plt.title("年龄分布图")
plt.show()

Plotly：互動式圖表

Plotly 允許建立互動式圖表，這些圖表可以在瀏覽器中縮放、平移和旋轉。

import plotly.express as px

# 创建一个 3D 散点图
fig = px.scatter_3d(data, x="x", y="y", z="z")
fig.show()

自訂圖表

使用 Matplotlib 和 Seaborn，我們可以輕鬆地自訂圖表的外觀和功能。

# 更改图表样式
plt.style.use("ggplot")

# 添加图例
plt.legend(["series1", "series2"])

# 调整字体大小
plt.rcParams["font.size"] = 14

資料準備與探索

在進行視覺化之前，準備和探索資料至關重要。 python 提供了 NumPy 和 pandas 等函式庫來處理和分析資料。

import numpy as np
import pandas as pd

# 导入数据
data = pd.read_csv("data.csv")

# 清洗数据
data["age"] = data["age"].fillna(data["age"].mean())

# 探索数据
print(data.describe())

結論

Python 資料視覺化是一項強大的工具，可將複雜資料轉化為直覺且可操作的見解。透過 Matplotlib、Seaborn 和 Plotly 等函式庫，我們可以建立各種類型的圖表，自訂其外觀，並探索資料以發現有意義的模式。利用 Python 的數據視覺化功能，我們可以有效地溝通和理解數據，從而做出明智的決策。

以上是揭秘 Python 資料視覺化的魔法的詳細內容。更多資訊請關注PHP中文網其他相關文章！