python--数据可视化

一、数据可视化概念

　　数据可视化指的是通过可视化表示来探索数据，它与数据挖掘紧密相关，而数据挖掘指的是使用代码来探索数据集的规律和关联。数据可视化旨在直观的展示信息的分析结果和构思，令某些抽象数据具象化。

　　在基因研究、天气研究、政治经济分析等众多领域，大家都使用Python来完成数据密集型工作。数据科学家使用python编写了一系列令人印象深刻的可视化和分析工具。最流行的工具之一是matplotlib，它是一个数学会图库。pygal包，专注于生成适合在数字设备上显示的图表。通过使用Pygal，可在用户与图表交互时突出元素以及调整其大小，还可轻松的调整整个图表的尺寸，使其适合在微型只能手表或巨型显示器上显示。

二、matplotlib的使用

1、绘制简单的折线图

　　import matplotlib.pyplot as plt

　　squares = [1,4,9,16,25]

　　plt.plot(squares)

　　plt.show(）

　　我们创建了一个列表，在其中存储了前述平方数，再将这个列表传递给函数plot(),

2、使用scatter()绘制散点图并设置其样式

(1)用scatter()绘制一个点

　　import matplotlib.pyplot as plt

　　plt.scatter(2,4)

　　plt.show()

　　该代码运行后我们会在图表中央看到一个点。

（2）使用scatter()绘制一系列点

　　import matplotlib.pyplot as plt 

　　x_values = [1,2,3,4,5]

　　y_values = [1,4,9,16,25]

　　plt.scatter(x_values,y_values,1 =100]

　　列表x_values包含要计算其平方值的数字，而列表y_values包含前述每个数字的平方值。将这些列表传递给scatter()时，matplotlib依次从每个列表读取一个值来绘制一个点。要绘制的坐标分别为(1,1),(2,4),(3,9),(4,16),(5,25）

(3)删除数据点轮廓以及自定义颜色

plt.scatter(x_values,y_values,c='red',edgecolor = 'none')

matplotlib允许给散点图中的各个点指定颜色。默认是蓝色和黑色轮廓，在散点图包含数据点不多时效果很好。但绘制点很多时，黑色轮廓可能会黏在一起。要删除数据点轮廓，可在调用scatter()传递实参edgecolor = 'none'。

要修改数据点的颜色，可向scatter()传递参数c，并将其设置为要使用颜色的名称。

(4)使用颜色映射

映射颜色是一系列颜色，他们从起始颜色渐变到结束颜色。

plt.scatter(x_values,y_values,c=y_values,cmap=plt.cm.Blues,edgecolor = 'none',s=40)

将参数c设置成了一个y值列表，并使用参数cmap告诉Pyplot该如何设置数据集中的每个点的颜色。这些代码将y值较小的点显示为浅蓝色，并将y值较大的点显示为深蓝色。

(5)自动保存图表

plt.savefig('squares_plot.png',bbox_inches = 'tight')

第一个实参指定要以什么样的文件名保存图表，这个文件将存储到scatter_squares.py所在的目录中；第二个实参指定将图表多余的空白区域裁剪掉。如果要保存图表周围多余的空白区域，可省略这个实参。

三、使用pygal

使用python 生成可缩放的矢量图形文件。对于需要在尺寸不同的屏幕上显示的图表，pygal可以使他们自由缩放，以适合观看者的屏幕。如果是以在线的方式使用图表，可以考虑用pygal来生成它们。这样在任何设备上显示都会很美观。