菠菜网

晋中阳光农廉网:小白学 Python 数据分析(15):数据可视化概述

时间:4个月前   阅读:46

人生苦短,〖我用〗 Python

前文传送门:

(「‘〖『小白学』〗’」)[ Python (【《(数据分析)》】)(1):《(【《(数据分析)》】)基础》

(「‘〖『小白学』〗’」)[ Python (【《(数据分析)》】)(2):Pandas (一)概述

(「‘〖『小白学』〗’」)[ Python (【《(数据分析)》】)(3):Pandas (二)<数>据结构 Series

(「‘〖『小白学』〗’」)[ Python (【《(数据分析)》】)(4):Pandas (三)<数>据结构 DataFrame

(「‘〖『小白学』〗’」)[ Python (【《(数据分析)》】)(5):Pandas (四)基础操作(1)查看数据

(「‘〖『小白学』〗’」)[ Python (【《(数据分析)》】)(6):Pandas (五)基础操作(2)数据选择

(「‘〖『小白学』〗’」)[ Python (【《(数据分析)》】)(7):Pandas (六)数据导入

(「‘〖『小白学』〗’」)[ Python (【《(数据分析)》】)(8):Pandas (《七》)数据预处理

(「‘〖『小白学』〗’」)[ Python (【《(数据分析)》】)(9):Pandas ((八))数据预处理(2)

(「‘〖『小白学』〗’」)[ Python (【《(数据分析)》】)(10):Pandas (九){数据运算}

(「‘〖『小白学』〗’」)[ Python (【《(数据分析)》】)(11):Pandas (「十」)数据分组

(「‘〖『小白学』〗’」)[ Python (【《(数据分析)》】)(12):Pandas (「十」一)‘数据透视表’(pivot_table)

(「‘〖『小白学』〗’」)[ Python (【《(数据分析)》】)(13):Pandas (「十」二) 数据表拼接[

(「‘〖『小白学』〗’」)[ Python (【《(数据分析)》】)(14):Pandas (「十」三)数据导出

引言

从本篇开始,整个系列进入到第二部分,数据可视化。

那么,‘什么是数据可视化’?

‘可以看下下面这个动图’,‘动图来源阿里云官网’( https://data.aliyun.com/visual/datav )。

(可以看到),这个动图非常的炫,《那我们是不是学了数据可视化以后就能做出来这种效果》。

emmmmmmmmmmmm。。。。。。。。

“这个难度有点”高,打怪升级也没有直接出门打 BOSS 的打法撒。

『工欲善其事必先利其器』

我们先看下现在使用的主流数据可视化的工具(类库)【有什么】。

Matplotlib

第一个当然是我们在前面开篇中介绍过的[ Matplotlib , Python (【《(数据分析)》】)经典三件套之一。

首先还是几个官方网址罗列一下,防止有的同学找不到:

GitHub:https://github.com/matplotlib/matplotlib

官网:https://www.matplotlib.org/

中文网:https://www.matplotlib.org.cn/

Matplotlib 的安装过程还是「十」分简单的:

pip install matplotlib

等待进度条走完,〖我们就算安装完成了〗。

在学习怎么使用 matplotlib 之前,我们可以先看下 matplotlib 【的一些示例】:

「错了错了」,这么复杂的图我怎么可能画的出来。。。

下面这种才是我们的目标:

pyecharts

在除了可以使用 Matplotlib 作为数据可视化的工具之余,我们还可以选择 pyecharts “作为数据可视化工具”。

先做一个简单的简介,以下内容来自官方文档:

Echarts 是一个由百度开源的数据可视化,〖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)》】)遇上数据可视化时,pyecharts 诞生了。

相信很多同学对 Echarts 并不陌生,在做页面图表的时候,能选择的第三方支持库并不多,“而” Echarts 是其中做的相当不错的一个类库,毕竟背后是由百度开源的。

放几个官方的链接[:

GitHub:https://github.com/pyecharts/pyecharts

官方文档:https://pyecharts.org/#/

接下来还是看如何安装:

pip install pyecharts

和前面安装 Matplotlib 一样,{静静的等待进度条走完就行}。

这里有关版本有一点需要注意,不管是使用 Matplotlib 还是使用 pyecharts ,都需要 Python 的版本是 3.x ,在官方文档中都已经注明 2.x 不再进行维护。

至于小编为什么要介绍 pyecharts “呢”?给大家看几个官方的示例:

是不是感觉单纯的从 UI 设计的角度上来讲, pyecharts 要比 Matplotlib 要好看的多,感觉 Matplotlib 像是上个世纪的产物。

在接下来的内容中,小编会先分享 Matplotlib 的使用,之后会专门写几篇介绍下 pyecharts 的使用。

数据可视化的基本流程

第一步:整理数据

数据还是数据可视化的基础,在所有的事情开始之前,‘需要先明确需要把’哪些数据图表化。

“第二步”:《明确目的》

在上一步中,我们拿到了需要图表化的数据,接着就需要想清楚,我们展示这些数据到底是为了什么,《是要表达一种趋势》,「还是要展现」对比等等。

第三步:选择图表形式

‘在明确了我’们的目的之后,〖就需要选择展现这些数据的形式了〗,我们需要为这些数据选择合适的展现形式,这就需要分情况讨论了。

例如我们想要展现一种趋势,“那么折线图就要比柱状图更为合适”,如果是需要展现对比,【那么柱状图就要比折线图合适】,还有是展现百分比,那么我们选择饼状图就会更为合适。

本篇的内容就到这里了,下一篇,『我们接着介绍』 Matplotlib {的}使用姿势。

,

Sunbet 申博

Sunbet, 申博致力与代理真诚合作的官方网站www.jrd18.com!Sunbet,致力于用户诚信服务的官方网站!

上一篇:热搜网新闻:【说一件疫情期间的男女故事】 峰和娟原在一个单位,一个办公室,久而久之,俩人比较暧昧,时常晚上出来,有了关系。峰的妻子当时在另一个地方工作

下一篇:七台河在线:香蕉哥哥都没变!他揭「暗黑不老秘辛」…网惊呆:意外合理

网友评论