面向小白的Python可视化教程

大家平时都会用到哪些可视化的工具呢？Python中又有哪些好用的可视化模块呢？今天就给大家分享一个Python小技能，小白也

能学会的可视化教程。

正 文

今天小编总结归纳了若干个常用的可视化图表，并且通过调用plotly、matplotlib、altair、bokeh和seaborn等模块来分

别绘制这些常用的可视化图表，最后无论是绘制可视化的代码，还是会指出来的结果都会通过调用streamlit模块展示在一个

可视化大屏，出来的效果如下图所示

那我们接下去便一步一步开始可视化大屏的制作吧！

标题、副标题以及下拉框

首先我们对标题、副标题部分的内容，代码如下

Python学习交流Q群：906715085###
with st.container():
    st.title(\"Python可视化合集\")
    st.header(\"经典常用的Python可视化模块\")
    st.write(\"\"\"包括代码和可视化图表展示\"\"\")

然后便是下拉框的制作，代码如下

plot_types = (
    \"Scatter\",
    \"Histogram\",
    \"Bar\",
    \"Line\",
    \"Boxplot\"
)
# 选择绘制的图表种类
chart_type = st.selectbox(\"Choose your chart type\", plot_types)

with st.container():
    st.subheader(f\"Showing:  {chart_type}\")
    st.write(\"\")

对于图表的展示可以选择是“双排式”的，如下图所示

也可以选择是沉浸式的，也即是“单排式”的，如下图所示

代码如下

Python学习交流Q群：906715085###
two_cols = st.checkbox(\"2 columns?\", True)
if two_cols:
    col1, col2 = st.columns(2)
    
# 展示图表
if two_cols:
    with col1:
        show_plot(kind=\"Matplotlib\")
    with col2:
        show_plot(kind=\"Seaborn\")
    with col1:
        show_plot(kind=\"Plotly Express\")
    with col2:
        show_plot(kind=\"Altair\")
    with col1:
        show_plot(kind=\"Pandas Matplotlib\")
    with col2:
        show_plot(kind=\"Bokeh\")
else:
    with st.container():
        for lib in libs:
            show_plot(kind=lib)

对于双排式的展示方式而言，col1也就是左边，放置的是matplotlib、plotly、以及pandas绘制出来的图表，右边也就是col2也就是

右边，放置的是seaborn、altair以及bokeh绘制出来的图表，而上述代码中调用的show_plot()函数代码如下

#生成图表
def show_plot(kind: str):
    st.write(kind)
    if kind == \"Matplotlib\":
        plot = matplotlib_plot(chart_type, df)
        st.pyplot(plot)
    elif kind == \"Seaborn\":
        plot = sns_plot(chart_type, df)
        st.pyplot(plot)
    elif kind == \"Plotly Express\":
        plot = plotly_plot(chart_type, df)
        st.plotly_chart(plot, use_container_width=True)
    elif kind == \"Altair\":
        plot = altair_plot(chart_type, df)
        st.altair_chart(plot, use_container_width=True)
    elif kind == \"Pandas Matplotlib\":
        plot = pd_plot(chart_type, df)
        st.pyplot(plot)
    elif kind == \"Bokeh\":
        plot = bokeh_plot(chart_type, df)
        st.bokeh_chart(plot, use_container_width=True)

是一系列if…else…的判断，当绘制图表的模块是matplotlib时就调用对应的matplotlib_plot()函数，当绘制图表的模块是seaborn时

就调用对应的sns_plot()函数，依次同理。我们来看其中一个函数sns_plot()的具体逻辑，代码如下

Python学习交流Q群：906715085####
def sns_plot(chart_type: str, df):
    \"\"\" 生成seaborn绘制的图表 \"\"\"

    fig, ax = plt.subplots()
    if chart_type == \"Scatter\":
        with st.echo():
            sns.scatterplot(
                data=df,
                x=\"bill_depth_mm\",
                y=\"bill_length_mm\",
                hue=\"species\",
            )
            plt.title(\"Bill Depth by Bill Length\")
    elif chart_type == \"Histogram\":
        with st.echo():
            sns.histplot(data=df, x=\"bill_depth_mm\")
            plt.title(\"Count of Bill Depth Observations\")
    elif chart_type == \"Bar\":
        with st.echo():
            sns.barplot(data=df, x=\"species\", y=\"bill_depth_mm\")
            plt.title(\"Mean Bill Depth by Species\")
    elif chart_type == \"Boxplot\":
        with st.echo():
            sns.boxplot(data=df[\"bill_depth_mm\"].dropna())
            plt.title(\"Bill Depth Observations\")
    elif chart_type == \"Line\":
        with st.echo():
            sns.lineplot(data=df, x=df.index, y=\"bill_length_mm\")
            plt.title(\"Bill Length Over Time\")
    return fig

其实也是一系列if…else…的判断，当所要绘制的图表是散点图时，调用的是sns.scatterplot()函数，所要绘制的是直方图时，调用

的是sns.histplot()，绘制的柱状图或者是折线图时也是同理

最后要是我们想要查看源数据时，也可以查看，代码如下

#展示源数据
with st.container():
    show_data = st.checkbox(\"See the raw data?\")

    if show_data:
        df

    # 要点
    st.subheader(\"Notes\")
    st.write(
        \"\"\"
        - 这个应用是通过python当中的streamlit模块制作出来的
        - 关注\"关于数据分析与可视化\"，学习更多数据分析和可视化知识与技能
        \"\"\"
    )

output

最后，今天给大家分享的这个可视化数据到这里就结束了，你明天想看什么，告诉我，我给你整理出来。关于今天的文章，有问

题的可以评论留言，我看见就会回你。没有问题的小伙伴，记得给自己一个大大的赞，也给我一个大大的赞。

来源：https://www.cnblogs.com/123456feng/p/16144998.html
本站部分图文来源于网络，如有侵权请联系删除。