深度讲解Python四大经常使用绘图库的“绘图原理”

为何要写这篇文章？

最近有很多粉丝来问我，Python绘图库太多，我知不知道学哪个？即便我选择了某一个绘图库后，我也不知道怎么学，我不知道第一步作什么，也不知道接下来该怎么作，四个字一学就忘。javascript

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。我反正是很是崩溃的，每次就感受绘图代码怎么这么多，绘图逻辑彻底一团糟，不知道如何动手。java

后面随着本身反复的学习，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。python

今天咱们就用一篇文章，带你们梳理matplotlib、seaborn、plotly、pyecharts的绘图原理，让你们学起来再也不那么费劲！web

1. matplotlib绘图原理

关于matplotlib更详细的绘图说明，你们能够参考下面这篇文章，相信你看了之后必定学得会。express

matplotlib绘图原理：http://suo.im/678FCo编程

1）绘图原理说明

经过我本身的学习和理解，我将matplotlib绘图原理高度总结为以下几步：浏览器

① 导库;
② 建立 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;

2）案例说明

# 1.导入相关库
import matplotlib as mpl
import matplotlib.pyplot as plt
# 2.建立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()

结果以下：微信

2. seaborn绘图原理

在这四个绘图库里面，只有matplotlib和seaborn存在必定的联系，其他绘图库之间都没有任何联系，就连绘图原理也都是不同的。数据结构

seaborn是matplotlib的更高级的封装。所以学习seaborn以前，首先要知道matplotlib的绘图原理。因为seaborn是matplotlib的更高级的封装，对于matplotlib的那些调优参数设置，也均可以在使用seaborn绘制图形以后使用。app

咱们知道，使用matplotlib绘图，须要调节大量的绘图参数，须要记忆的东西不少。而seaborn基于matplotlib作了更高级的封装，使得绘图更加容易，它不须要了解大量的底层参数，就能够绘制出不少比较精致的图形。不只如此，seaborn还兼容numpy、pandas数据结构，在组织数据上起了很大做用，从而更大程度上的帮助咱们完成数据可视化。

因为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，你们能够参考上面matplotlib的绘图原理，来学习seaborn究竟如何绘图，这里仍是提供一个网址给你们。

seaborn绘图原理：http://suo.im/5D3VPX

1）案例说明

# 1.导入相关库
import seaborn as sns
import matplotlib.pyplot as plt

df = 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()

结果以下：

注意：能够看到在上述的绘图代码中，你应该有这样一个感觉，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，咱们就是按照matplobt的绘图原理进行图形绘制，只是有些地方改为seaborn特有的代码便可，剩下的调整格式，均可以使用matplotlib中的方法进行调整。

3. plotly绘图原理

首先在介绍这个图的绘图原理以前，咱们先简单介绍一下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，而且能够与Web无缝集成；
ploty默认的绘图结果，是一个HTML网页文件，经过浏览器能够直接查看；

它的绘图原理和matplotlib、seaborn没有任何关系，你须要单独去学习它。一样我仍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

1）绘图原理说明

经过我本身的学习和理解，我将plotly绘图原理高度总结为以下几步：

① 绘制图形轨迹，在ployly里面叫作 trace ，每个轨迹是一个trace。
② 将轨迹包裹成一个列表，造成一个“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 建立画布的同时，并将上述的 轨迹列表 ，传入到 Figure() 中。
④ 使用 Layout() 添加其余的绘图参数，完善图形。
⑤ 展现图形。

2）案例说明

import numpy as np
import pandas as pd
import plotly as py
import plotly.graph_objs as go
import plotly.expression as px
from plotly import tools

df = pd.read_excel("plot.xlsx")
# 1.绘制图形轨迹，在ployly里面叫作`trace`，每个轨迹是一个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，造成一个“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.建立画布的同时，并将上述的`轨迹列表`，传入到`Figure()`中。
fig = go.Figure(data)
# 4.使用`Layout()`添加其余的绘图参数，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.展现图形。
fig.show()

结果以下：

4. 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，获得了众多开发者的承认。而python是一门富有表达力的语言，很适合用于数据处理。当数据分析赶上了数据可视化时，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，所以咱们的学习尽可能都是基于v1版本进行操做。

和plotly同样，pyecharts的绘图原理也是彻底不一样于matplotlib和seaborn，咱们须要额外的去学习它们的绘图原理，基于此，一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

1）绘图原理说明

经过我本身的学习和理解，我将plotly绘图原理高度总结为以下几步：

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；

2）案例说明

# 1.选择图表类型：咱们使用的是线图，就直接从charts模块中导入Line这个模块；
from pyecharts.charts import Line
import pyecharts.options as opts
import numpy as np

x = np.linspace(0,2 * np.pi,100)
y = np.sin(x)

(
 # 2.咱们绘制的是Line线图，就须要实例化这个图形类，直接Line()便可；
 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；

结果以下：

小结

经过上面的学习，我相信确定会让你们对于这些库的绘图原理，必定会有一个新的认识。

其实其实不论是任何编程软件的绘图库，都有它的绘图原理。咱们与其盲目的去绘制各类各样的图形，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，我以为你们会有一个很大的提升。

关注微信公众号『数据分析与统计学之美』，后台回复"入群" 拉你进群哦，气氛很好滴呀！

喜欢本文点个在看

本文分享自微信公众号 - 数据分析与统计学之美（gh_21c25c7e71d0）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。