Python进行数据可视化，你会用什么库来做呢？
发布时间：2022-08-25 12:47:52 所属栏目：大数据 来源：互联网
导读：用Python进行数据可视化你会用什么库来做呢？ 今天就来和大家分享Python数据可视化库中的一员猛将Altair！ 它非常简单、友好，并基于强大的Vega-Lite JSON规范构建，我们只需要简短的代码即可生成美观、有效的可视化效果。 Altair是什么 Altair是统计可视化P
|
用Python进行数据可视化你会用什么库来做呢？ 今天就来和大家分享Python数据可视化库中的一员猛将——Altair！ 它非常简单、友好，并基于强大的Vega-Lite JSON规范构建，我们只需要简短的代码即可生成美观、有效的可视化效果。 Altair是什么 Altair是统计可视化Python 库，目前在GitHub上已经收获超过3000 Star。 借助Altair，我们可以将更多的精力和时间放在理解数据本身及数据意义上，从复杂的数据可视化过程中解脱出来。 简单来说，Altair是一种可视化语法，也是一种创建、保存和分享交互式可视化设计的声明式语言，可以使用JSON 格式描述可视化的外观和交互过程，产生基于网络的图像。 我们来看看利用Altair做出的可视化效果！ Altair的优势 Altair可以通过分类汇总（aggregation）、数据变换（datatransformation）、数据交互、图形复合等方式全面地认识数据、理解数据和分析数据。这些过程都可以帮助我们增加对数据本身和数据意义的理解维度，培养直观的数据分析思维。 总的来看，Altair 的特点有以下几个方面。 基于图形语法的声明式Python API。 基于Vega-Lite 的JSON 语法规则生成Altair 的Python 代码。 在启动的Jupyter Notebook、JupyterLab 和nteract 中展示统计可视化过程。 可以将可视化作品导出为PNG/SVG 格式的图片、独立运行的HTML 格式的网页，或者在线上Vega-Lite 编辑器中查看运行效果。 在Altair中，使用的数据集要以“整洁的格式”加载。Pandas 中的 DataFrame 是 Altair 使用的主要数据结构之一。Altair对Pandas的DataFrame有很好地加载效果，加载方法简单高效。例如，使用Pandas读取Excel数据集，使用Altair加载Pandas返回值的实现代码，如下所示： 复制 import altair as alt import pandas as pd data = pd.read_excel( "Index_Chart_Altair.xlsx", sheet_name="Sales", parse_dates=["Year"] ) alt.Chart( data ) 1. 2. 3. 4. 牛刀小试——弄出一个条形图 Altair 很强调变量类型的区分和组合。变量的取值是数据，且有差异，有数值、字符串、日期等表现形式。变量是数据的存储容器，数据是变量的存储单元内容。 另一方面，从统计抽样角度来看，变量是总体，数据是样本，需要使用样本研究和分析总体。可以通过将不同的变量类型相互组合从而生成统计图形，以便更直观地认识数据。 按照不同变量类型的组合方式划分，变量类型的组合方式可以分为如下几种。 名义型变量+数量型变量。 时间型变量+数量型变量。 时间型变量+名义型变量。 数量型变量+数量型变量。 其中，时间型变量是一种特殊类型的数量型变量，可以将时间型变量设定为名义型变量（N）或次序型变量（O），实现时间型变量的离散化，从而形成与数量型变量的组合。 （编辑：梧州站长网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |
