PyChart,图表生成的Python完美助手!

PyChart，图表生成的Python完美助手！

现在搞数据分析，没点数据可视化的本事可不行。

光看那堆枯燥的数字谁看得懂啊？

但Python这方面是真的强，特别是图表绘制这块，啥需求都能搞定。

不过市面上的可视化库太多了，今天就给大家捋一捋几个最常用的图表库，看看它们都有啥特点。

1.

Matplotlib-老大哥级别的存在

这绝对是Python界的“老大哥”了，基本上其他的图表库都是站在它肩膀上搞出来的。虽然画图的代码可能啰嗦了点，但是想咋画就能咋画，自由度超高。

python

复制

importmatplotlib.pyplotasplt importnumpyasnp

x=np.array([1，2，3，4，5]) y=np.array([2，4，1，5，3])

plt.plot(x，y，'r--')#红色虚线 plt.title('简单折线图') plt.show()

温馨提示：用matplotlib画图时，千万别忘了plt.show()，不然图像是不会显示的哦~

2.

Seaborn-颜值担当

要说画图好看，Seaborn绝对是颜值担当。它就像给Matplotlib穿了件漂亮衣服，默认的配色就很养眼，统计图表更是它的强项。

python

复制

importseabornassns importpandasaspd

data=pd.DataFrame({ '月份'：['1月'，'2月'，'3月'，'4月']， '销量'：[100，150，80，200] })

sns.barplot(x='月份'，y='销量'，data=data) plt.show()

3.

Plotly-交互玩家

做可视化不能光看着好看，还得能玩才行。Plotly就是干这个的，鼠标放上去能显示数据，还能放大缩小，拖拽啥的，可好玩了。

python

复制

importplotly.expressaspx

4.

Altair-新生代的黑马

虽然是个新人，但是Altair这小子有点东西。它用的是声明式语法，就是说你告诉它你想要啥效果，它自己就知道该怎么画，不用写特别多代码。

python

复制

importaltairasalt importpandasaspd

data=pd.DataFrame({ 'x'：[1，2，3，4]， 'y'：[10，20，15，25] })

要是刚开始学Python画图，建议先从Matplotlib入手。虽说代码多了点，但是基础打牢固了，换别的库也就是换个语法的事。

打个比方，这些图表库就像是画画的工具：Matplotlib是一整套颜料和画笔，啥都能画，就是得自己调色；Seaborn是现成的调色盘，颜色都配好了；Plotly是电子画板，可以随时修改；Altair是智能画笔，你说一句话它就知道该画啥。

额外提一句，这几个库都能配合JupyterNotebook使用，边写代码边看效果，不要太爽。代码写错了也不怕，改了重新运行就行。

骚操作就说到这吧！记得多练习，光看不练假把式。对了，代码能跑通最重要，格式不对缩进不对都会报错，这个得注意。

推 荐 阅 读

1.

2.

3.