Python 數據分析重點知識點

本系列不同其他的知識點講解，力求通過例子讓新同學學習用法，幫助老同學快速回憶知識點

可視化系列：

1. Python基礎
2. 數據分析工具
3. 數據處理與分析
4. 數據可視化
5. 機器學習基礎

四、數據可視化

圖表類型與選擇

• 根據數據特點和分析目的選合適圖表類型。

圖形大全解析 非常全面

可視化技巧

• ①設置中文字體

# 設置中文字體
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
matplotlib.rcParams['font.family']='sans-serif'

• ②通過subplots函數創建多個子圖，并調整布局

# subplots詳解
import matplotlib
import matplotlib.pyplot as plt
import numpy as np
# 設置中文字體
matplotlib.rcParams['font.sans-serif'] = ['SimHei']
matplotlib.rcParams['font.family']='sans-serif'
# 創建數據
# 生成從0到10的等間距數組，共100個數值
x = np.linspace(0, 10, 100)
y1 = np.sin(x)
y2 = np.cos(x)
y3 = np.tan(x)
y4 = np.exp(x / 10)# 創建2x2的子圖網格
fig, axs = plt.subplots(2, 2, figsize=(10, 8))# 在第一個子圖中繪制正弦曲線
axs[0, 0].plot(x, y1, label='sin(x)')
axs[0, 0].set_title('正弦曲線')
axs[0, 0].legend() #用于生成圖例# 在第二個子圖中繪制余弦曲線
axs[0, 1].plot(x, y2, label='cos(x)', color='r')
axs[0, 1].set_title('余弦曲線')
axs[0, 1].legend()# 在第三個子圖中繪制正切曲線
axs[1, 0].plot(x, y3, label='tan(x)', color='g')
axs[1, 0].set_title('正切曲線')
axs[1, 0].legend()# 在第四個子圖中繪制指數曲線
axs[1, 1].plot(x, y4, label='exp(x/10)', color='m')
axs[1, 1].set_title('指數曲線')
axs[1, 1].legend()# 自動調整布局
plt.tight_layout()# 顯示圖表
plt.show()

fig, axs = plt.subplots(2, 2, figsize=(10, 8)) 是 Matplotlib
庫中的一個函數調用，用于創建一個包含多個子圖（subplot）的圖形對象。這個函數返回兩個對象：

• fig：這是一個 Figure 對象，表示整個圖形或畫布。你可以使用它來設置圖形的整體屬性，比如標題、大小等。

• axs：這是一個包含多個 Axes 對象的數組。每個 Axes 對象代表一個子圖。在這個例子中，axs 是一個 2x2的數組，因此共有四個子圖。

• ③使用Echarts結合Python

1. 使用Python進行數據處理：可以使用Pandas、NumPy等庫來處理和分析數據。

2. 將處理后的數據轉換為JSON格式：ECharts支持JSON格式的數據輸入，因此需要將Python中的數據轉換為JSON格式。

3. 使用ECharts生成圖表：在HTML文件中引入ECharts庫，并使用JavaScript代碼來加載和顯示圖表。

4. 將Python和ECharts集成：可以通過Web框架（如Flask或Django）來集成Python和ECharts，或者使用Jupyter Notebook中的IPython顯示模塊來直接在Notebook中顯示ECharts圖表。