excel学习库

作者 | 黄伟呢 整理 | 杨碧玉 出品 | 数据分析与统计学之美（ID:gh_21c25c7e71d0） 头图 | CSDN 下载自视觉中国为什么要写这篇文章？ 最近有不少粉丝来问我，Python 绘图库太多，我知不知道学哪一个？即使我选择了某一个绘图库后，我也不知道怎么学，我不知道第一步做什么，也不知道接下来该怎么做，四个字一学就忘。 其实这也是我当时很困扰的一个问题，我当时在学习完 numpy 和 pandas 后，就开始了 matplotlib 的学习。我反正是非常崩溃的，每次就感觉绘图代码怎么这么多，绘图逻辑完全一团糟，不知道如何动手。 后面随着自己反复的学习，我找到了学习 Python 绘图库的方法，那就是学习它的绘图原理。正所谓：“知己知彼，百战不殆”，学会了原理，剩下的就是熟练的问题了。 今天我们就用一篇文章，带大家梳理 matplotlib 、 seaborn 、 plotly 、 pyecharts 的绘图原理，让大家学起来不再那么费劲！ matplotlib绘图原理 关于 matplotlib 更详细的绘图说明，大家可以参考下面这篇文章，相信你看了以后一定学得会。 matplotlib 绘图原理：http://suo.im/678FCo 绘图原理说明 通过我自己的学习和理解，我将 matplotlib 绘图原理高度总结为如下几步： ① 导库;② 创建 figure 画布对象;③ 获取对应位置的 axes 坐标系对象;④ 调用 axes 对象，进行对应位置的图形绘制;⑤ 显示图形;案例说明 # 1.导入相关库import matplotlib as mplimport matplotlib.pyplot as plt# 2.创建figure画布对象figure = plt.figure()# 3.获取对应位置的axes坐标系对象axes1 = figure.add_subplot(2,1,1)axes2 = figure.add_subplot(2,1,2)# 4.调用axes对象，进行对应位置的图形绘制axes1.plot([1,3,5,7],[4,9,6,8])axes2.plot([1,2,4,5],[8,4,6,2])# 5.显示图形figure.show() 结果如下： seaborn绘图原理 在这四个绘图库里面，只有 matplotlib 和 seaborn 存在一定的联系，其余绘图库之间都没有任何联系，就连绘图原理也都是不一样的。 seaborn 是 matplotlib 的更高级的封装。因此学习 seaborn 之前，首先要知道 matplotlib 的绘图原理。由于 seaborn 是 matplotlib 的更高级的封装，对于 matplotlib 的那些调优参数设置，也都可以在使用 seaborn 绘制图形之后使用。 我们知道，使用 matplotlib 绘图，需要调节大量的绘图参数，需要记忆的东西很多。而 seaborn 基于 matplotlib 做了更高级的封装，使得绘图更加容易，它不需要了解大量的底层参数，就可以绘制出很多比较精致的图形。不仅如此， seaborn 还兼容 numpy 、 pandas 数据结构，在组织数据上起了很大作用，从而更大程度上的帮助我们完成数据可视化。 由于 seaborn 的绘图原理，和 matplotlib 的绘图原理一致，这里也就不详细介绍了，大家可以参考上面 matplotlib 的绘图原理，来学习 seaborn 究竟如何绘图，这里还是提供一个网址给大家。 seaborn 绘图原理：http://suo.im/5D3VPX 案例说明 # 1.导入相关库import seaborn as snsimport matplotlib.pyplot as pltdf = pd.read_excel("data.xlsx",sheet_name="数据源")sns.set_style("dark")plt.rcParams["font.sans-serif"] = ["SimHei"]plt.rcParams["axes.unicode_minus"] = False# 注意：estimator表示对分组后的销售数量求和。默认是求均值。sns.barplot(x="品牌",y="销售数量",data=df,color="steelblue",orient="v",estimator=sum)plt.show() 结果如下：注意：可以看到在上述的绘图代码中，你应该有这样一个感受，图中既有 matplotlib 的绘图代码，也有 seaborn 的绘图代码。其实就是这样的，我们就是按照 matplobt 的绘图原理进行图形绘制，只是有些地方改成 seaborn 特有的代码即可，剩下的调整格式，都可以使用 matplotlib 中的方法进行调整。plotly绘图原理 首先在介绍这个图的绘图原理之前，我们先简单介绍一下 plotly 这个绘图库。 plotly 是一个基于 javascript 的绘图库， plotly 绘图种类丰富，效果美观；易于保存与分享 plotly 的绘图结果，并且可以与 Web 无缝集成；ploty 默认的绘图结果，是一个 HTML 网页文件，通过浏览器可以直接查看；它的绘图原理和 matplotlib 、 seaborn 没有任何关系，你需要单独去学习它。同样我还是提供了一个网址给你，让你更详细的学习 plotly 。 plotly 绘图原理：http://suo.im/5vxNTu 绘图原理说明 通过我自己的学习和理解，我将 plotly 绘图原理高度总结为如下几步： ① 绘制图形轨迹，在 ployly 里面叫做 trace ，每一个轨迹是一个 trace 。② 将轨迹包裹成一个列表，形成一个“轨迹列表”。一个轨迹放在一个列表中，多个轨迹也是放在一个列表中。③ 创建画布的同时，并将上述的 轨迹列表 ，传入到 Figure() 中。④ 使用 Layout() 添加其他的绘图参数，完善图形。⑤ 展示图形。案例说明 import numpy as npimport pandas as pdimport plotly as pyimport plotly.graph_objs as goimport plotly.expression as pxfrom plotly import toolsdf = pd.read_excel("plot.xlsx")# 1.绘制图形轨迹，在ployly里面叫做`trace`，每一个轨迹是一个trace。trace0 = go.Scatter(x=df["年份"],y=df["城镇居民"],name="城镇居民")trace1 = go.Scatter(x=df["年份"],y=df["农村居民"],name="农村居民")# 2.将轨迹包裹成一个列表，形成一个“轨迹列表”。一个轨迹放在一个列表中，多个轨迹也是放在一个列表中。data = [trace0,trace1]# 3.创建画布的同时，并将上述的`轨迹列表`，传入到`Figure()`中。fig = go.Figure(data)# 4.使用`Layout()`添加其他的绘图参数，完善图形。fig.update_layout( title="城乡居民家庭人均收入", xaxis_title="年份", yaxis_title="人均收入（元）")# 5.展示图形。fig.show() 结果如下： pyecharts绘图原理 Echarts 是一个由百度开源的数据可视化工具，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可。而 python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上了数据可视化时， pyecharts 诞生了。 pyecharts 分为 v0.5 和 v1 两个大版本， v0.5 和 v1 两个版本不兼容，v1是一个全新的版本，因此我们的学习尽量都是基于 v1 版本进行操作。 和 plotly 一样，pyecharts 的绘图原理也是完全不同于 matplotlib 和 seaborn ，我们需要额外的去学习它们的绘图原理，基于此，同样提供一个网址给你，让你更详细的学习 pyecharts 。 pyecharts 的绘图原理：http://suo.im/5S1PF1 绘图原理说明 通过我自己的学习和理解，我将 plotly 绘图原理高度总结为如下几步： ① 选择图表类型；② 声明图形类并添加数据；③ 选择全局变量；④ 显示及保存图表；案例说明 # 1.选择图表类型：我们使用的是线图，就直接从charts模块中导入Line这个模块；from pyecharts.charts import Lineimport pyecharts.options as optsimport numpy as npx = np.linspace(0,2 * np.pi,100)y = np.sin(x)(# 2.我们绘制的是Line线图，就需要实例化这个图形类，直接Line()即可； Line()# 3.添加数据，分别给x,y轴添加数据； .add_xaxis(xaxis_data=x) .add_yaxis(series_name="绘制线图",y_axis=y,label_opts=opts.LabelOpts(is_show=False)) .set_global_opts(title_opts=opts.TitleOpts(title="我是标题",subtitle="我是副标题",title_link="https://www.baidu.com/"), tooltip_opts=opts.TooltipOpts())).render_notebook() # 4.render_notebook()用于显示及保存图表； 结果如下： 小结 通过上面的学习，我相信肯定会让大家对于这些库的绘图原理，一定会有一个新的认识。 其实其实不管是任何编程软件的绘图库，都有它的绘图原理。我们与其盲目的去绘制各种各样的图形，不如先搞清楚它们的套路后，再去进行绘图库的图形练习，这样下去，我觉得大家会有一个很大的提高。