掌握这8个Python数据可视化脚本，让图表制作更简单！

掌握这8个Python数据可视化脚本，让图表制作更简单！

大家好，我是技术分享达人牛哥！今天咱们聊聊一个让数据更生动、更直观的主题——Python数据可视化！数据可视化是数据分析和展示中非常重要的一环。通过一些高效实用的Python脚本，我们可以快速生成各种炫酷图表，为你的数据分析加分添彩！话不多说，马上开启今天的Python学习之旅吧！

一、Matplotlib基础绘图

Matplotlib 是Python中最经典的数据可视化库之一，它可以帮你绘制各种二维图表。简单几行代码，轻松搞定基本绘图需求。

python

复制代码

import matplotlib.pyplot as plt # 准备数据 x = [1, 2, 3, 4, 5] y = [10, 15, 20, 25, 30] # 创建图表 plt.plot(x, y, marker='o', color='b', label='数据走势') # 添加标题和标签 plt.title("基础折线图") plt.xlabel("X轴") plt.ylabel("Y轴") plt.legend() # 显示图表 plt.show()

小贴士：plt.plot 是最基本的绘图函数，支持添加标记、线条颜色等个性化设置。

二、Seaborn美化数据图表

Seaborn 是在Matplotlib基础上开发的，它的风格更加美观，操作也更简洁。特别适合绘制统计类图表。

python

复制代码

import seaborn as sns import matplotlib.pyplot as plt # 准备数据 data = sns.load_dataset("tips") # 绘制箱线图 sns.boxplot(x="day", y="total_bill", data=data) # 添加标题 plt.title("每日消费箱线图") plt.show()

亮点：只需一行代码，就可以生成具有统计意义的专业图表。

三、Pandas直接绘图

如果你的数据已经存储在 Pandas DataFrame 中，不需要导入其他库，直接调用 .plot() 方法即可快速生成图表。

python

复制代码

import pandas as pd # 创建数据 data = { "月份": ["一月", "二月", "三月", "四月"], "销售额": [2000, 3000, 2500, 4000] } df = pd.DataFrame(data) # 绘制柱状图 df.plot(x="月份", y="销售额", kind="bar", color="skyblue", legend=False, title="月销售额统计") plt.ylabel("销售额") plt.show()

注意：Pandas的绘图功能对小型数据分析任务非常友好。

四、Plotly互动图表

如果需要更加动态、可交互的图表，Plotly 是你的首选！它支持鼠标悬停显示数据、缩放等操作。

python

复制代码

import plotly.express as px # 准备数据 data = px.data.gapminder() # 绘制气泡图 fig = px.scatter(data, x="gdpPercap", y="lifeExp", size="pop", color="continent", title="GDP与人均寿命关系", hover_name="country", log_x=True, size_max=60) # 显示图表 fig.show()

小贴士：安装 pip install plotly 即可使用，适合展示复杂数据关系。

五、Bokeh生成网页图表

Bokeh 是一款专注于生成网页交互式图表的库，尤其适合数据展示的项目开发。

python

复制代码

from bokeh.plotting import figure, output_file, show # 创建图表 p = figure(title="简单散点图", x_axis_label="X轴", y_axis_label="Y轴") p.circle([1, 2, 3, 4], [4, 7, 1, 6], size=15, color="navy", alpha=0.5) # 输出HTML文件 output_file("scatter.html") # 显示图表 show(p)

亮点：生成的HTML文件可以直接嵌入网页，适合开发者使用。

六、Altair快捷可视化

Altair 是一个声明式可视化工具，语法简单但功能强大，支持复杂的可视化需求。

python

复制代码

import altair as alt from vega_datasets import data # 准备数据 source = data.cars() # 绘制散点图 chart = alt.Chart(source).mark_circle(size=60).encode( x="Horsepower", y="Miles_per_Gallon", color="Origin", tooltip=["Name", "Origin"] ).interactive() chart.show()

小贴士：Altair生成的图表风格现代，交互体验极佳。

七、Geopandas地图可视化

如果需要进行地理空间数据可视化，Geopandas 能帮助你绘制地图和处理地理数据。

python

复制代码

import geopandas as gpd import matplotlib.pyplot as plt # 加载世界地图数据 world = gpd.read_file(gpd.datasets.get_path("naturalearth_lowres")) # 绘制地图 world.plot(color="lightblue", edgecolor="black") plt.title("世界地图") plt.show()

注意：安装 pip install geopandas 后即可使用。

八、WordCloud生成词云图

想让你的文本数据更加吸引眼球？WordCloud 是生成词云图的神器！

python

复制代码

from wordcloud import WordCloud import matplotlib.pyplot as plt # 准备文本数据 text = "Python 数据分析 可视化 学习 工作 高效 实用" # 生成词云 wordcloud = WordCloud(width=800, height=400, background_color="white").generate(text) # 显示词云 plt.figure(figsize=(10, 5)) plt.imshow(wordcloud, interpolation="bilinear") plt.axis("off") plt.show()

亮点：词云图可以直观展示文本数据的关键词和权重。

总结

希望大家的Python学习之路越来越精彩！

点点赞

点分享