Python 基础入门 Day32

85次阅读

共计 3039 个字符，预计需要花费 8 分钟才能阅读完成。

欢迎来到 Python 基础入门 Day32！在今天的课程中，我们将深入学习 数据可视化的高级技巧，探讨如何创建专业的、复杂的图表。我们将会介绍如何通过 Matplotlib、Seaborn 以及其他库生成动态可交互的可视化图表，并展示一些常用的可视化样式和布局。

import matplotlib.pyplot as plt
import numpy as np

# 示例数据
x = np.linspace(0, 10, 10)
y = np.sin(x)
yerr = 0.1  # 误差值

plt.errorbar(x, y, yerr=yerr, fmt='-o', label="Sine with error bars", color='blue')
plt.title("Sine Function with Error Bars")
plt.xlabel("X Axis")
plt.ylabel("Y Axis")
plt.legend()
plt.show()

1.2 雷达图（Radar Chart）

雷达图适用于展示多个变量的对比，尤其适合性能评估和多维度分析。

# 雷达图
labels = ['A', 'B', 'C', 'D', 'E']
values = [4, 3, 2, 5, 4]
angles = np.linspace(0, 2 * np.pi, len(labels), endpoint=False).tolist()

# 连接数据点
values += values[:1]
angles += angles[:1]

fig, ax = plt.subplots(figsize=(6, 6), subplot_kw=dict(polar=True))
ax.plot(angles, values, color='green', linewidth=2, linestyle='solid')
ax.fill(angles, values, color='green', alpha=0.4)

ax.set_yticklabels([])
ax.set_xticks(angles[:-1])
ax.set_xticklabels(labels)
plt.title("Radar Chart Example")
plt.show()

二、使用 Matplotlib 绘制动态交互图表

2.1 动态折线图

Matplotlib 的 FuncAnimation 可以让你创建动画效果。例如，绘制一个动态变化的正弦曲线。

import numpy as np
import matplotlib.pyplot as plt
from matplotlib.animation import FuncAnimation

# 创建数据
x = np.linspace(0, 2 * np.pi, 100)
y = np.sin(x)

# 初始化图形
fig, ax = plt.subplots()
line, = ax.plot(x, y)

# 更新函数
def update(frame):
    line.set_ydata(np.sin(x + frame / 10))  # 动态更新正弦曲线
    return line,

# 创建动画
ani = FuncAnimation(fig, update, frames=100, interval=50, blit=True)

# 展示图形
plt.show()

2.2 动态条形图

条形图也可以通过 FuncAnimation 来制作动画效果，逐步展示条形的变化。

# 动态条形图
bars = plt.bar(range(5), [1, 2, 3, 4, 5])

def update_bars(frame):
    for bar in bars:
        bar.set_height(np.random.randint(1, 10))  # 更新条形图的高度
    return bars

ani = FuncAnimation(plt.gcf(), update_bars, frames=50, interval=200, blit=False)
plt.show()

三、创建带有注释的精美图表

3.1 在图表中添加文本注释

Matplotlib 允许你在图表上添加自定义注释，帮助解释数据或突出演示重点。

x = np.linspace(0, 10, 100)
y = np.sin(x)

plt.plot(x, y)
plt.title("Sine Function")

# 添加文本注释
plt.text(5, 0, "Peak Point", fontsize=12, ha='center', color='red')

# 添加箭头
plt.annotate('Max Value', xy=(np.pi / 2, 1), xytext=(3, 0.5),
             arrowprops=dict(facecolor='black', arrowstyle="->"))

plt.show()

3.2 使用不同的颜色和样式

Matplotlib 提供了丰富的颜色和样式选项，可以让你的图表更具吸引力。

# 绘制带有颜色和样式的线条
plt.plot(x, y, linestyle='--', color='purple', linewidth=2)
plt.title("Styled Sine Curve")
plt.show()

四、使用 Plotly 创建交互式图表

Plotly 是一个非常强大的库，专门用于生成交互式图表。下面是如何使用 Plotly 创建交互式散点图的示例：

4.1 安装 Plotly

pip install plotly

4.2 创建交互式散点图

import plotly.express as px

# 使用 Plotly 创建交互式散点图
fig = px.scatter(x=np.linspace(0, 10, 100), y=np.sin(np.linspace(0, 10, 100)), labels={'x': 'X-Axis', 'y': 'Y-Axis'}, title="Interactive Sine Curve")
fig.show()

Plotly 图表是交互式的，你可以通过点击图表、缩放以及悬停显示数据点信息。

4.3 创建交互式柱状图

import plotly.graph_objects as go

# 创建数据
categories = ['A', 'B', 'C', 'D']
values = [10, 15, 8, 20]

# 创建柱状图
fig = go.Figure(data=[go.Bar(x=categories, y=values)])

# 添加标题
fig.update_layout(title="Interactive Bar Chart")

fig.show()