干貨！Python四大常用繪圖庫，深度解析！
人生苦短，菜鳥學Python！
最近有不少讀者同學來問我，Python繪圖庫太多，我知不知道學哪一個？即使我選擇了某一個繪圖庫后，我也不知道怎么學，我不知道第一步做什么，也不知道接下來該怎么做，四個字一學就忘。
其實這也是我當時很困擾的一個問題，我當時在學習完numpy和pandas后，就開始了matplotlib的學習。我反正是非常崩潰的，每次就感覺繪圖代碼怎么這么多，繪圖邏輯完全一團糟，不知道如何動手。
后面隨著自己反復的學習，我找到了學習Python繪圖庫的方法，那就是學習它的繪圖原理。正所謂：“知己知彼，百戰(zhàn)不殆”，學會了原理，剩下的就是熟練的問題了。
今天我們就用一篇文章，帶大家梳理matplotlib、seaborn、plotly、pyecharts的繪圖原理，讓大家學起來不再那么費勁！
1. matplotlib繪圖原理
關于matplotlib更詳細的繪圖說明，大家可以參考下面這篇文章，相信你看了以后一定學得會。
matplotlib繪圖原理：http://suo.im/678FCo
1）繪圖原理說明
通過我自己的學習和理解，我將matplotlib繪圖原理高度總結為如下幾步：
① 導庫; ② 創(chuàng)建 figure畫布對象;③ 獲取對應位置的 axes坐標系對象;④ 調(diào)用axes對象，進行對應位置的圖形繪制; ⑤ 顯示圖形;
2）案例說明
# 1.導入相關庫
import matplotlib as mpl
import matplotlib.pyplot as plt
# 2.創(chuàng)建figure畫布對象
figure = plt.figure()
# 3.獲取對應位置的axes坐標系對象
axes1 = figure.add_subplot(2,1,1)
axes2 = figure.add_subplot(2,1,2)
# 4.調(diào)用axes對象，進行對應位置的圖形繪制
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()
結果如下：
2. seaborn繪圖原理
在這四個繪圖庫里面，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的更高級的封裝。因此學習seaborn之前，首先要知道m(xù)atplotlib的繪圖原理。由于seaborn是matplotlib的更高級的封裝，對于matplotlib的那些調(diào)優(yōu)參數(shù)設置，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)結構，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，這里也就不詳細介紹了，大家可以參考上面matplotlib的繪圖原理，來學習seaborn究竟如何繪圖，這里還是提供一個網(wǎng)址給大家。
seaborn繪圖原理：http://suo.im/5D3VPX
1）案例說明
# 1.導入相關庫
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表示對分組后的銷售數(shù)量求和。默認是求均值。
sns.barplot(x="品牌",y="銷售數(shù)量",data=df,color="steelblue",orient="v",estimator=sum)
plt.show()
結果如下：
注意：可以看到在上述的繪圖代碼中，你應該有這樣一個感受，圖中既有matplotlib的繪圖代碼，也有seaborn的繪圖代碼。其實就是這樣的，我們就是按照matplobt的繪圖原理進行圖形繪制，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中的方法進行調(diào)整。
3. plotly繪圖原理
首先在介紹這個圖的繪圖原理之前，我們先簡單介紹一下plotly這個繪圖庫。
plotly是一個基于javascript的繪圖庫，plotly繪圖種類豐富，效果美觀； 易于保存與分享plotly的繪圖結果，并且可以與Web無縫集成； ploty默認的繪圖結果，是一個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沒有任何關系，你需要單獨去學習它。同樣我還是提供了一個網(wǎng)址給你，讓你更詳細的學習plotly。
plotly繪圖原理：http://suo.im/5vxNTu
1）繪圖原理說明
通過我自己的學習和理解，我將plotly繪圖原理高度總結為如下幾步：
① 繪制圖形軌跡，在ployly里面叫做 trace，每一個軌跡是一個trace。② 將軌跡包裹成一個列表，形成一個“軌跡列表”。一個軌跡放在一個列表中，多個軌跡也是放在一個列表中。 ③ 創(chuàng)建畫布的同時，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`，每一個軌跡是一個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.將軌跡包裹成一個列表，形成一個“軌跡列表”。一個軌跡放在一個列表中，多個軌跡也是放在一個列表中。
data = [trace0,trace1]
# 3.創(chuàng)建畫布的同時，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()
結果如下：
4. pyecharts繪圖原理
Echarts是一個由百度開源的數(shù)據(jù)可視化工具，憑借著良好的交互性，精巧的圖表設計，得到了眾多開發(fā)者的認可。而python是一門富有表達力的語言，很適合用于數(shù)據(jù)處理。當數(shù)據(jù)分析遇上了數(shù)據(jù)可視化時，pyecharts誕生了。
pyecharts分為v0.5和v1兩個大版本，v0.5和v1兩個版本不兼容，v1是一個全新的版本，因此我們的學習盡量都是基于v1版本進行操作。
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習它們的繪圖原理，基于此，同樣提供一個網(wǎng)址給你，讓你更詳細的學習pyecharts。
pyecharts的繪圖原理：http://suo.im/5S1PF1
1）繪圖原理說明
通過我自己的學習和理解，我將plotly繪圖原理高度總結為如下幾步：
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模塊中導入Line這個模塊；
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，就需要實例化這個圖形類，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="我是標題",subtitle="我是副標題",title_link="https://www.baidu.com/"),
tooltip_opts=opts.TooltipOpts())
).render_notebook() # 4.render_notebook()用于顯示及保存圖表；
結果如下：
小結
通過上面的學習，我相信肯定會讓大家對于這些庫的繪圖原理，一定會有一個新的認識。
其實其實不管是任何編程軟件的繪圖庫，都有它的繪圖原理。我們與其盲目的去繪制各種各樣的圖形，不如先搞清楚它們的套路后，再去進行繪圖庫的圖形練習，這樣下去，我覺得大家會有一個很大的提高。
推薦閱讀:
入門: 最全的零基礎學Python的問題 | 零基礎學了8個月的Python | 實戰(zhàn)項目 |學Python就是這條捷徑
干貨:爬取豆瓣短評，電影《后來的我們》 | 38年NBA最佳球員分析 | 從萬眾期待到口碑撲街！唐探3令人失望 | 笑看新倚天屠龍記 | 燈謎答題王 ｜用Python做個海量小姐姐素描圖 ｜碟中諜這么火，我用機器學習做個迷你推薦系統(tǒng)電影
趣味:彈球游戲 | 九宮格 | 漂亮的花 | 兩百行Python《天天酷跑》游戲!
AI: 會做詩的機器人 | 給圖片上色 | 預測收入 | 碟中諜這么火，我用機器學習做個迷你推薦系統(tǒng)電影
小工具: Pdf轉Word，輕松搞定表格和水?。?/a> | 一鍵把html網(wǎng)頁保存為pdf！| 再見PDF提取收費！ | 用90行代碼打造最強PDF轉換器，word、PPT、excel、markdown、html一鍵轉換 | 制作一款釘釘?shù)蛢r機票提示器！ ｜60行代碼做了一個語音壁紙切換器天天看小姐姐！｜
年度爆款文案
點閱讀原文，看B站我的視頻！
