本篇內(nèi)容介紹了“Python四大常用繪圖庫的繪圖原理是什么”的有關(guān)知識(shí)，在實(shí)際案例的操作過程中，不少人都會(huì)遇到這樣的困境，接下來就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

創(chuàng)新互聯(lián)公司專業(yè)為企業(yè)提供成縣網(wǎng)站建設(shè)、成縣做網(wǎng)站、成縣網(wǎng)站設(shè)計(jì)、成縣網(wǎng)站制作等企業(yè)網(wǎng)站建設(shè)、網(wǎng)頁設(shè)計(jì)與制作、成縣企業(yè)網(wǎng)站模板建站服務(wù)，十載成縣做網(wǎng)站經(jīng)驗(yàn)，不只是建網(wǎng)站，更提供有價(jià)值的思路和整體網(wǎng)絡(luò)服務(wù)。

1. matplotlib繪圖原理

關(guān)于matplotlib更詳細(xì)的繪圖說明，大家可以參考下面這篇文章，相信你看了以后一定學(xué)得會(huì)。

matplotlib繪圖原理：http://suo.im/678FCo

1)繪圖原理說明

通過我自己的學(xué)習(xí)和理解，我將matplotlib繪圖原理高度總結(jié)為如下幾步：

① 導(dǎo)庫;

② 創(chuàng)建figure畫布對(duì)象;

③ 獲取對(duì)應(yīng)位置的axes坐標(biāo)系對(duì)象;

④ 調(diào)用axes對(duì)象，進(jìn)行對(duì)應(yīng)位置的圖形繪制;

⑤ 顯示圖形;

2)案例說明

# 1.導(dǎo)入相關(guān)庫 import matplotlib as mpl import matplotlib.pyplot as plt # 2.創(chuàng)建figure畫布對(duì)象 figure = plt.figure() # 3.獲取對(duì)應(yīng)位置的axes坐標(biāo)系對(duì)象 axes1 = figure.add_subplot(2,1,1) axes2 = figure.add_subplot(2,1,2) # 4.調(diào)用axes對(duì)象，進(jìn)行對(duì)應(yīng)位置的圖形繪制 axes1.plot([1,3,5,7],[4,9,6,8]) axes2.plot([1,2,4,5],[8,4,6,2]) # 5.顯示圖形 figure.show()

結(jié)果如下：

2.  seaborn繪圖原理

在這四個(gè)繪圖庫里面，只有matplotlib和seaborn存在一定的聯(lián)系，其余繪圖庫之間都沒有任何聯(lián)系，就連繪圖原理也都是不一樣的。

seaborn是matplotlib的更高級(jí)的封裝。因此學(xué)習(xí)seaborn之前，首先要知道m(xù)atplotlib的繪圖原理。由于seaborn是matplotlib的更高級(jí)的封裝，對(duì)于matplotlib的那些調(diào)優(yōu)參數(shù)設(shè)置，也都可以在使用seaborn繪制圖形之后使用。

我們知道，使用matplotlib繪圖，需要調(diào)節(jié)大量的繪圖參數(shù)，需要記憶的東西很多。而seaborn基于matplotlib做了更高級(jí)的封裝，使得繪圖更加容易，它不需要了解大量的底層參數(shù)，就可以繪制出很多比較精致的圖形。不僅如此，seaborn還兼容numpy、pandas數(shù)據(jù)結(jié)構(gòu)，在組織數(shù)據(jù)上起了很大作用，從而更大程度上的幫助我們完成數(shù)據(jù)可視化。

由于seaborn的繪圖原理，和matplotlib的繪圖原理一致，這里也就不詳細(xì)介紹了，大家可以參考上面matplotlib的繪圖原理，來學(xué)習(xí)seaborn究竟如何繪圖，這里還是提供一個(gè)網(wǎng)址給大家。

seaborn繪圖原理：http://suo.im/5D3VPX

1)案例說明

# 1.導(dǎo)入相關(guān)庫 import seaborn as sns import matplotlib.pyplot as plt  df = pd.read_excel("data.xlsx",sheet_name="數(shù)據(jù)源")  sns.set_style("dark") plt.rcParams["font.sans-serif"] = ["SimHei"] plt.rcParams["axes.unicode_minus"] = False # 注意：estimator表示對(duì)分組后的銷售數(shù)量求和。默認(rèn)是求均值。 sns.barplot(x="品牌",y="銷售數(shù)量",data=df,color="steelblue",orient="v",estimator=sum) plt.show()

結(jié)果如下：

注意：可以看到在上述的繪圖代碼中，你應(yīng)該有這樣一個(gè)感受，圖中既有matplotlib的繪圖代碼，也有seaborn的繪圖代碼。其實(shí)就是這樣的，我們就是按照matplobt的繪圖原理進(jìn)行圖形繪制，只是有些地方改成seaborn特有的代碼即可，剩下的調(diào)整格式，都可以使用matplotlib中的方法進(jìn)行調(diào)整。

3. plotly繪圖原理

首先在介紹這個(gè)圖的繪圖原理之前，我們先簡(jiǎn)單介紹一下plotly這個(gè)繪圖庫。

• plotly是一個(gè)基于javascript的繪圖庫，plotly繪圖種類豐富，效果美觀;

• 易于保存與分享plotly的繪圖結(jié)果，并且可以與Web無縫集成;

• ploty默認(rèn)的繪圖結(jié)果，是一個(gè)HTML網(wǎng)頁文件，通過瀏覽器可以直接查看;

它的繪圖原理和matplotlib、seaborn沒有任何關(guān)系，你需要單獨(dú)去學(xué)習(xí)它。同樣我還是提供了一個(gè)網(wǎng)址給你，讓你更詳細(xì)的學(xué)習(xí)plotly。

plotly繪圖原理：http://suo.im/5vxNTu

1)繪圖原理說明

通過我自己的學(xué)習(xí)和理解，我將plotly繪圖原理高度總結(jié)為如下幾步：

① 繪制圖形軌跡，在ployly里面叫做trace，每一個(gè)軌跡是一個(gè)trace。

② 將軌跡包裹成一個(gè)列表，形成一個(gè)“軌跡列表”。一個(gè)軌跡放在一個(gè)列表中，多個(gè)軌跡也是放在一個(gè)列表中。

③ 創(chuàng)建畫布的同時(shí)，并將上述的軌跡列表，傳入到Figure()中。

④ 使用Layout()添加其他的繪圖參數(shù)，完善圖形。

⑤ 展示圖形。

2)案例說明

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.繪制圖形軌跡，在ployly里面叫做`trace`，每一個(gè)軌跡是一個(gè)trace。 trace0 = go.Scatter(x=df["年份"],y=df["城鎮(zhèn)居民"],name="城鎮(zhèn)居民") trace1 = go.Scatter(x=df["年份"],y=df["農(nóng)村居民"],name="農(nóng)村居民") # 2.將軌跡包裹成一個(gè)列表，形成一個(gè)“軌跡列表”。一個(gè)軌跡放在一個(gè)列表中，多個(gè)軌跡也是放在一個(gè)列表中。 data = [trace0,trace1] # 3.創(chuàng)建畫布的同時(shí)，并將上述的`軌跡列表`，傳入到`Figure()`中。 fig = go.Figure(data) # 4.使用`Layout()`添加其他的繪圖參數(shù)，完善圖形。 fig.update_layout(     title="城鄉(xiāng)居民家庭人均收入",     xaxis_title="年份",     yaxis_title="人均收入（元）" ) # 5.展示圖形。 fig.show()

結(jié)果如下：

4.  pyecharts繪圖原理

Echarts是一個(gè)由百度開源的數(shù)據(jù)可視化工具，憑借著良好的交互性，精巧的圖表設(shè)計(jì)，得到了眾多開發(fā)者的認(rèn)可。而python是一門富有表達(dá)力的語言，很適合用于數(shù)據(jù)處理。當(dāng)數(shù)據(jù)分析遇上了數(shù)據(jù)可視化時(shí)，pyecharts誕生了。

pyecharts分為v0.5和v1兩個(gè)大版本，v0.5和v1兩個(gè)版本不兼容，v1是一個(gè)全新的版本，因此我們的學(xué)習(xí)盡量都是基于v1版本進(jìn)行操作。

和plotly一樣，pyecharts的繪圖原理也是完全不同于matplotlib和seaborn，我們需要額外的去學(xué)習(xí)它們的繪圖原理，基于此，同樣提供一個(gè)網(wǎng)址給你，讓你更詳細(xì)的學(xué)習(xí)pyecharts。

pyecharts的繪圖原理：http://suo.im/5S1PF1

1)繪圖原理說明

通過我自己的學(xué)習(xí)和理解，我將plotly繪圖原理高度總結(jié)為如下幾步：

① 選擇圖表類型;

② 聲明圖形類并添加數(shù)據(jù);

③ 選擇全局變量;

④ 顯示及保存圖表;

2)案例說明

# 1.選擇圖表類型：我們使用的是線圖，就直接從charts模塊中導(dǎo)入Line這個(gè)模塊； 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.我們繪制的是Line線圖，就需要實(shí)例化這個(gè)圖形類，直接Line()即可；  Line()  # 3.添加數(shù)據(jù)，分別給x,y軸添加數(shù)據(jù)；  .add_xaxis(xaxis_data=x)  .add_yaxis(series_name="繪制線圖",y_axis=y,label_opts=opts.LabelOpts(is_show=False))  .set_global_opts(title_opts=opts.TitleOpts(title="我是標(biāo)題",subtitle="我是副標(biāo)題",title_link="https://www.baidu.com/"),                   tooltip_opts=opts.TooltipOpts()) ).render_notebook() # 4.render_notebook()用于顯示及保存圖表；

結(jié)果如下：

“Python四大常用繪圖庫的繪圖原理是什么”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！