python可视化数据分析常用图大集合（收藏）

Python018

python可视化数据分析常用图大集合（收藏）,第1张

python数据分析常用图大集合：包含折线图、直方图、垂直条形图、水平条形图、饼图、箱线图、热力图、散点图、蜘蛛图、二元变量分布、面积图、六边形图等12种常用可视化数据分析图，后期还会不断的收集整理，请关注更新！

以下默认所有的操作都先导入了numpy、pandas、matplotlib、seaborn

一、折线图

折线图可以用来表示数据随着时间变化的趋势

Matplotlib

plt.plot(x, y)

plt.show()

Seaborn

df = pd.DataFrame({'x': x, 'y': y})

sns.lineplot(x="x", y="y", data=df)

plt.show()

二、直方图

直方图是比较常见的视图，它是把横坐标等分成了一定数量的小区间，然后在每个小区间内用矩形条（bars）展示该区间的数值

Matplotlib

Seaborn

三、垂直条形图

条形图可以帮我们查看类别的特征。在条形图中，长条形的长度表示类别的频数，宽度表示类别。

Matplotlib

Seaborn

1plt.show()

四、水平条形图

五、饼图

六、箱线图

箱线图由五个数值点组成：最大值 (max)、最小值 (min)、中位数 (median) 和上下四分位数 (Q3, Q1)。

可以帮我们分析出数据的差异性、离散程度和异常值等。

Matplotlib

Seaborn

七、热力图

力图，英文叫 heat map，是一种矩阵表示方法，其中矩阵中的元素值用颜色来代表，不同的颜色代表不同大小的值。通过颜色就能直观地知道某个位置上数值的大小。

通过 seaborn 的 heatmap 函数，我们可以观察到不同年份，不同月份的乘客数量变化情况，其中颜色越浅的代表乘客数量越多

八、散点图

散点图的英文叫做 scatter plot，它将两个变量的值显示在二维坐标中，非常适合展示两个变量之间的关系。

Matplotlib

Seaborn

九、蜘蛛图

蜘蛛图是一种显示一对多关系的方法，使一个变量相对于另一个变量的显著性是清晰可见

十、二元变量分布

二元变量分布可以看两个变量之间的关系

十一、面积图

面积图又称区域图，强调数量随时间而变化的程度，也可用于引起人们对总值趋势的注意。

堆积面积图还可以显示部分与整体的关系。折线图和面积图都可以用来帮助我们对趋势进行分析，当数据集有合计关系或者你想要展示局部与整体关系的时候，使用面积图为更好的选择。

十二、六边形图

六边形图将空间中的点聚合成六边形，然后根据六边形内部的值为这些六边形上色。

原文至：https://www.py.cn/toutiao/16894.html

第一步，打开python语言命令窗口，声明一个函数print_color，调用range遍历，打印星号，如下图所示：

第二步，接着调用第一步中的函数，然后查看打印结果，可以发现生成一个三角形，如下图所示：

第三步，再次定义一个函数four_tu，利用循环生成星号，注意查看函数生成的图形。

第四步，调用上述步骤中定义的函数，然后查看打印图形组合的形状。

第五步，如果在定义的函数内，多次调用print()方法打印星号，会是什么样的结果呢。

第六步，在后续步骤中，调用函数打印结果，可以发现生成一个不规则的图形。

# encoding: utf-8

# Python 3.9.0

#  turtle画出不同颜色的同心环/同心圆

import turtle

pen=turtle.Turtle()

n=100

colors=['#0000FF','#FF0000','#FFD700','#008000','#800080']

for i in range(5):

    pen.fillcolor(colors[i])

    pen.begin_fill()

    pen.penup()

    pen.goto(0,20*(i+1))

    pen.pendown()

    pen.circle(n-i*20)

    pen.end_fill()

turtle.done()