Python畫圖庫匯總

一、引言

Python是一種強大的編程語言，可以輕鬆地完成多種任務。其中一個特別有用的方面就是其能夠使用不同的畫圖庫輕鬆地創建高質量的圖形。在這篇文章中，我們將探討一些最受歡迎的Python畫圖庫，這些庫可以幫助您創建各種類型的圖形。這些庫中的很多都非常高效、易於使用和靈活，適合從初學者到專業人士使用。

二、Python畫圖庫詳細介紹

1. Matplotlib

Matplotlib是Python中最常用的繪圖庫之一。它具有高度的可定製性，可以創建多種類型的2D和3D圖形，包括線圖、散點圖、條形圖等。它還可以輕鬆添加註釋、標籤和自定義自述語言。

安裝方法: pip install matplotlib

代碼示例1: 簡單的條形圖

import matplotlib.pyplot as plt 

x = ["Mon", "Tue", "Wed", "Thu", "Fri", "Sat", "Sun"]
y = [65, 58, 74, 63, 87, 56, 93]

plt.bar(x, y)
plt.title("Weekly sales")
plt.xlabel("Day")
plt.ylabel("Sales")
plt.show()

代碼示例2: 3D散點圖

from mpl_toolkits import mplot3d

import numpy as np
import matplotlib.pyplot as plt

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

xs = np.random.rand(100)
ys = np.random.rand(100)
zs = np.random.rand(100)
ax.scatter(xs, ys, zs, c='r', marker='o')

ax.set_xlabel('X Label')
ax.set_ylabel('Y Label')
ax.set_zlabel('Z Label')

plt.show()

2. Seaborn

Seaborn是一個基於Matplotlib的Python數據可視化庫。它專門用於可視化統計數據並且可以非常容易地創建各種類型的圖表，如熱力圖、聯合分布、分類散點圖等。和Matplotlib相比，Seaborn提供了更簡單易用的API，以及許多內置的主題和調色板，可以為圖表添加更多的美觀度。

安裝方法: pip install seaborn

代碼示例3: 熱力圖

import seaborn as sns
sns.set()

flights = sns.load_dataset("flights")
flights = flights.pivot("month", "year", "passengers")

sns.heatmap(flights, cmap="YlGnBu")

代碼示例4: 聯合分布圖

import seaborn as sns
sns.set()

tips = sns.load_dataset("tips")

sns.jointplot(x="total_bill", y="tip", data=tips, kind="reg")

3. Plotly

Plotly是一個互動式的、現代的Python可視化庫，可以輕鬆地創建動態圖形和可交互的可視化呈現。它支持多達40種繪圖類型，包括線圖、散點圖、3D圖等。除了可視化，它還提供了一個簡單易用的API和一個豐富的資料庫。

安裝方法: pip install plotly

代碼示例5: 折線圖

import plotly.graph_objects as go

fig = go.Figure()

fig.add_trace(go.Scatter(x=[1, 2, 3, 4], y=[3, 5, 4, 6], name="line"))

fig.update_layout(title="Line Plot")

fig.show()

代碼示例6: 3D散點圖

import plotly.graph_objects as go

import pandas as pd

df = pd.read_csv('https://raw.githubusercontent.com/plotly/datasets/master/iris.csv')

fig = go.Figure(data=[go.Scatter3d(
    x=df['sepal_length'],
    y=df['sepal_width'],
    z=df['petal_width'],
    mode='markers',
    marker=dict(
        size=10,
        color=df['petal_length'],                
        colorscale='Viridis',   
        opacity=0.8
    )
)])

fig.update_layout(scene=dict(
                    xaxis_title='Sepal Length',
                    yaxis_title='Sepal Width',
                    zaxis_title='Petal Width'))
fig.show()

三、總結

Python中有許多強大的畫圖庫，每個都有其獨特的優點和功能。選擇正確的庫取決於您要繪製的圖形類型和您的需求。Matplotlib是最受歡迎的Python畫圖庫之一。Seaborn提供了更簡單易用的API和更好的可視化效果。Plotly提供了一個互動式的、現代的可視化庫，可輕鬆地創建動態圖形和可交互的可視化呈現。希望這篇文章能夠幫助您選擇適合您需求的Python畫圖庫。