用Python創建可視化圖表

一、Matplotlib庫

Matplotlib是Python中最常用的可視化庫之一，它可以用於繪製靜態圖、動態圖以及交互式圖表。Matplotlib提供多種繪圖工具，包括線圖、散點圖、柱狀圖、餅圖等。

1.線圖

線圖是最基本的圖表類型之一，可以使用Matplotlib輕鬆地創建。以下是一個簡單的例子：

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.plot(x, y)
plt.show()

以上代碼會生成一個五個數據點的線圖，其中x軸表示1到5的整數，y軸表示2到10的偶數。

2.散點圖

散點圖可以用於顯示一組數據的分佈情況，每個點代表一個數據。以下是一個使用Matplotlib創建的簡單散點圖的例子：

import matplotlib.pyplot as plt
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
plt.scatter(x, y)
plt.show()

以上代碼會生成一個五個數據點的散點圖，其中x軸表示1到5的整數，y軸表示2到10的偶數。

3.柱狀圖

柱狀圖是用於比較不同數據的大小或頻率的一種圖表類型。以下是一個使用Matplotlib創建的簡單柱狀圖的例子：

import matplotlib.pyplot as plt
x = ['A', 'B', 'C', 'D', 'E']
y = [10, 24, 35, 20, 16]
plt.bar(x, y)
plt.show()

以上代碼會生成一個五個數據點的柱狀圖，其中x軸表示字母A到E，y軸表示每個字母對應的數量。

4.餅圖

餅圖是一種非常有效的可視化方式，可以用於展示數據的佔比情況。以下是一個使用Matplotlib創建的簡單餅圖的例子：

import matplotlib.pyplot as plt
labels = ['A', 'B', 'C', 'D', 'E']
sizes = [10, 24, 35, 20, 16]
plt.pie(sizes, labels=labels)
plt.show()

以上代碼會生成一個五個數據點的餅圖，其中每個數據點的名稱和數量會在圖表上顯示。

二、Seaborn庫

Seaborn是基於Matplotlib的可視化庫，它提供了很多美觀、高效的圖表類型，可以更加方便地繪製各種複雜的圖表。

1.分佈圖

Seaborn中非常常見的圖表類型是分佈圖，可以用於顯示數據的分佈情況。以下是一個簡單的例子：

import seaborn as sns
sns.set()
data = sns.load_dataset('iris')
sns.histplot(data=data, x="petal_length", hue="species")

以上代碼會生成一個鳶尾花數據集的分佈圖，其中x軸表示花瓣長度，y軸表示數量，不同的顏色代表不同鳶尾花物種。

2.熱力圖

熱力圖可以用於顯示數據的相關性或者密度情況。以下是一個簡單的例子：

import seaborn as sns
sns.set()
data = sns.load_dataset('flights')
data = data.pivot("month", "year", "passengers")
sns.heatmap(data, cmap="YlGnBu")

以上代碼會生成一個航班數據集的熱力圖，其中x軸表示年份，y軸表示月份，每個單元格的顏色表示該月份和年份的航班人數。

3.聯合圖

Seaborn提供了一種聯合圖，可以在同一圖表中顯示兩個變量之間的關係。以下是一個簡單的例子：

import seaborn as sns
sns.set()
data = sns.load_dataset('iris')
sns.jointplot(data=data, x="petal_length", y="petal_width", hue="species")

以上代碼會生成一個鳶尾花數據集的聯合圖，其中x軸表示花瓣長度，y軸表示花瓣寬度，不同的顏色代表不同鳶尾花物種。

三、Plotly庫

Plotly是一個基於JavaScript的可視化庫，可以生成高質量、交互式的可視化圖表。使用Python，可以使用Plotly生成各種類型的圖表，包括線圖、面積圖、散點圖、熱力圖等。

1.線圖

以下是一個簡單的例子，演示如何使用Plotly生成線圖：

import plotly.graph_objects as go
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
fig = go.Figure()
fig.add_trace(go.Scatter(x=x, y=y))
fig.show()

以上代碼會生成一個五個數據點的線圖，其中x軸表示1到5的整數，y軸表示2到10的偶數。

2.面積圖

面積圖可以用於顯示數據的變化趨勢。以下是一個簡單的例子，演示如何使用Plotly生成面積圖：

import plotly.graph_objects as go
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
fig = go.Figure()
fig.add_trace(go.Scatter(x=x, y=y, fill='tozeroy'))
fig.show()

以上代碼會生成一個五個數據點的面積圖，其中x軸表示1到5的整數，y軸表示2到10的偶數。

3.散點圖

散點圖可以用於顯示一組數據的分佈情況，每個點代表一個數據。以下是一個使用Plotly創建的簡單散點圖的例子：

import plotly.graph_objects as go
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]
fig = go.Figure()
fig.add_trace(go.Scatter(x=x, y=y, mode='markers'))
fig.show()

以上代碼會生成一個五個數據點的散點圖，其中x軸表示1到5的整數，y軸表示2到10的偶數。

4.熱力圖

熱力圖可以用於顯示數據的相關性或者密度情況。以下是一個簡單的例子：

import plotly.graph_objects as go
import numpy as np
np.random.seed(0)
z = np.random.randn(20, 20)
fig = go.Figure(data=go.Heatmap(z=z))
fig.show()

以上代碼會生成一個20×20大小的熱力圖，其中每個單元格的顏色代表該值的大小。