Python3,一次掌握这些数据可视化图表技能,老板不给涨薪都不好意思。

简介: Python3,一次掌握这些数据可视化图表技能,老板不给涨薪都不好意思。

1、引言

小屌丝:鱼哥, 老板让我把数据整理成视图。

小鱼:那你就整啊。

小屌丝:我整的不好看。

小鱼:看 内(shen)容(cai)的时候,要什么颜值。

小屌丝:那不行,老板说了,如果我这次把图表整好看了,给我涨薪2K。

小鱼:我去~ 你老板这是考验你啊。

小屌丝:所以…鱼哥 … 嘿嘿…

小鱼:你别嘿嘿了, 你有啥就直说吧。

小屌丝:这次,能不能涨薪,就靠你了。

小鱼:跟我有什么关系, 涨薪也不分给我。

小屌丝:鱼哥,老地方… 听说… 新加项目了…

小鱼:额… 我加班,可没时间去…

小屌丝:确定哈, 票我可有哦

小鱼:… 好吧,那我就帮你一次,就这一次哦。

2、代码示例

2.1 等高线密度图

2.1.1 安装

pip install plotly

然后就是等待着安装。

其它安装方式,直接看这两篇:

  • 如果在pycharm 安装失败plotly,需要先安装 Pandas。

2.1.2 示例

代码示例

# -*- coding:utf-8 -*-
# @Time   : 2023-03-30
# @Author : Carl_DJ
'''
实现功能:
    等高线密度图
'''
import plotly.express as pt
fig = pt.density_contour(demofile, x="sepal_width", y="sepal_length")
fig.update_traces(contours_coloring="fill", contours_showlabels = True)
fig.show()

运行结果

2.2 旭日图

代码示例

# -*- coding:utf-8 -*-
# @Time   : 2023-03-30
# @Author : Carl_DJ
'''
实现功能:
    旭日图表
'''
 import plotly.express as pt
 demofile = pt.data.tips()

2.3 分簇散点图

代码示例

# -*- coding:utf-8 -*-
# @Time   : 2023-03-30
# @Author : Carl_DJ
'''
实现功能:
    分簇散点图
'''
import seaborn as sns
#data是数据源文件
sns.swarmplot(data=demofile, x="species", y="sepal_width")

2.4 点图

代码示例

# -*- coding:utf-8 -*-
# @Time   : 2023-03-30
# @Author : Carl_DJ
'''
实现功能:
    点图
'''
 import seaborn as sns
 sns.pointplot(data=demofile,x="species", y="sepal_width")

2.5 小提琴图

代码示例

# -*- coding:utf-8 -*-
# @Time   : 2023-03-30
# @Author : Carl_DJ
'''
实现功能:
    小提琴图
'''
import seaborn as sns
 sns.violinplot(data=demofile, y="sepal_width")

运行结果

2.6 词云

关于词云,我想不用过多介绍, 小鱼也有专篇介绍。

# -*- coding:utf-8 -*-
# @Time   : 2023-03-30
# @Author : Carl_DJ
'''
实现功能:
    词云生成器
'''
import json
import stylecloud
import codecs
import jieba
from collections import Counter
#过滤掉高频出现的词汇
passwords = set()
#读取词汇文档
content = [line.strip() for line in open('./data/passwords.txt', 'r',encoding='utf8').readlines()]
passwords.update(content)
#获取文档词汇, 并截取长度为3个
def make_words(txt):
    make_list = jieba.cut(txt)
    c = Counter()
    words_list = []
  #获取词汇文本
    for x in make_list:
      #长度为3,超过截取
        if len(x) ==  3 and x !='\r\n':
            c[x]  += 1
            words_list.append(x)
    for k,v in c.most_common(50):
        if k not in passwords:
            # print(f'{k,v}')
    #组合词云内容
    return " ".join(words_list)
#读取中大型suv测评.txt内容
with codecs.open('./data/中大型suv测评.txt','r','utf8') as f: #格式需要utf8 否则会报错
    txt = f.read()
#
words_txt = make_words(txt)
#设置词云展示的样式,字体,生成文件名称等,
stylecloud.gen_stylecloud(text=words_txt,custom_stopwords=content,
                          background_color='#1A1A1A',
                          colors=['#dd4444', '#fec42c', '#fac858'],
                          max_font_size=100,
                          output_name='xt6测评.jpg',
                          font_path="C:/Windows/Fonts/FZSTK.TTF"
                          )

3、总结

看到这里, 今天的分享差不多就该结束了。

在当前数据分析为主的时代, 学会一两种可视化图表,只有好处没有坏处。

并且,在年终总结或者季度总结中,也都会用到数据可视化分析图表。

所以, 你要不要掌握几种呢?

我是小鱼

  • CSDN 博客专家;
  • 阿里云 专家博主;
  • 51CTO 博客专家;
  • 51认证讲师;
  • 金牌面试官;
  • 职业规划师;

关注我,带你学习更多更有趣的Python知识。

目录
相关文章
|
2月前
|
数据可视化 Python
利用Python进行数据可视化分析
数据可视化在当今技术领域扮演着至关重要的角色,通过图表和图形的展示,可以更直观地理解数据背后的趋势和模式。本文将介绍如何利用Python语言及其相关库进行数据可视化分析,涵盖了常用的数据可视化技术和实践方法。
|
2月前
|
数据可视化 数据挖掘 数据处理
Python数据可视化库Matplotlib介绍与实践
本文深入介绍了Python中常用的数据可视化库Matplotlib,包括其基本概念、核心功能和实际运用。通过详细的示例和解释,帮助读者更好地理解Matplotlib的用法和优势,为数据分析和可视化提供技术支持。
|
28天前
|
数据采集 JSON 数据可视化
【python】python懂车帝数据可视化(代码+报告)
【python】python懂车帝数据可视化(代码+报告)
|
1月前
|
数据可视化 数据挖掘 Python
Python数据分析中的数据可视化技巧
在Python数据分析领域,数据可视化是一项至关重要的技能。本文将介绍几种常用的数据可视化技巧,帮助读者更好地展示和理解数据分析结果。
|
5天前
|
机器学习/深度学习 数据可视化 算法
【Python机器学习专栏】t-SNE算法在数据可视化中的应用
【4月更文挑战第30天】t-SNE算法是用于高维数据可视化的非线性降维技术,通过最小化Kullback-Leibler散度在低维空间保持数据点间关系。其特点包括:高维到二维/三维映射、保留局部结构、无需预定义簇数量,但计算成本高。Python中可使用`scikit-learn`的`TSNE`类实现,结合`matplotlib`进行可视化。尽管计算昂贵,t-SNE在揭示复杂数据集结构上极具价值。
|
6天前
|
数据采集 Web App开发 数据可视化
Python爬虫技术与数据可视化:Numpy、pandas、Matplotlib的黄金组合
Python爬虫技术与数据可视化:Numpy、pandas、Matplotlib的黄金组合
|
6天前
|
数据可视化 数据处理 Python
Python有很多创建图表的常用方法
Python的图表创建工具有多种,如基础的Matplotlib用于绘制各类图表,包括线图和柱状图等;Seaborn是Matplotlib的扩展,擅长复杂可视化如热力图和回归图;Plotly和Bokeh提供交互式图表,适合高维数据展示,支持散点图、线图等;Pandas虽主要是数据处理库,但也具备基本绘图功能;Pygal专注于生成可缩放矢量图,如线图和饼图,支持SVG输出;而Altair基于Vega,适用于交互式和高维数据的可视化。选择哪种库取决于具体需求和图表类型。
16 2
|
9天前
|
人工智能 监控 数据可视化
bashplotlib,一个有趣的 Python 数据可视化图形库
bashplotlib,一个有趣的 Python 数据可视化图形库
27 4
|
12天前
|
人工智能 Python
【Python实用技能】建议收藏:自动化实现网页内容转PDF并保存的方法探索(含代码,亲测可用)
【Python实用技能】建议收藏:自动化实现网页内容转PDF并保存的方法探索(含代码,亲测可用)
34 0
|
15天前
|
Python
如何使用Python的Plotly库创建交互式图表?
Plotly是Python的交互式图表库,支持多种图表类型。安装Plotly后,导入graph_objects和express模块。准备数据,然后使用Figure()或px.line()创建图表对象。通过add_trace()添加数据,设置属性,并用show()或write_html()展示或保存图表。以下是一个创建交互式折线图的简单示例,展示了数据准备、对象创建、属性设置及显示过程。Plotly还支持高级功能如子图、多轴和动画,适用于复杂需求。
7 0