早年間我用R語言作圖較多，切換到python后對于更加復雜環境下的支持更加強大，但是我也需要在python中解決作圖的困擾，做出一份好圖或者一份漂亮的優質報告，需要設定很多引數，其作業量不亞于做一個小網站，但是一份耕耘受用一生，還是值得不斷努力探索的，
首先從呈現容器上，1）可以直接figure.show出圖表結果，2）利用jupyter notebook的功能內嵌在.ipynb中,3)做個flash，django框架的網站 靜態動態圖片支持一網打盡 ，4）用pychart實作本地級別的，可以利用xml內嵌入office組件，也可用瀏覽器打開，動態靜態顯示結果， 5）做個GUI 實作 等等，
從作圖工具上， 1）matplotlib,這個包非常龐大，而且有些功能要想實作，恐怕要參考很多東西，同時由于python不同版本的問題，代碼并不是絕對通用的，最好還是有個穩定的python版本，因為此package已經存在很長時間，資源量應該是最大的，當然無效資訊量也很大， 2）pychart,沒錯它不僅僅是個容器還包括畫圖，同時對于三維立體圖形的呈現效果，動態圖形的呈現效果更理想，3）kepler.gl 比較適合在jupyter notebook中使用；基于map進行的一些繪圖會有意想不到的驚艷效果，
綜合來看，對于可視化呈現效果要求不同的團隊還是需要各取所需的，如果能力足夠這根本不是事兒，前端展現方面JS是最好的選擇，但是就我個人需求來看，更加傾向于輕量級的，研究性質的具有一定互動功能的圖表制作效果即可滿足需要，故重點推薦matplotlib，pychart這兩個package的應用，
python常用的資料分析庫pandas中也有plot功能，但是它并不與matplotlib十分沖突，還是可以相互兼容的，但是在具體使用程序中我還是發現了很多的問題，比如從mongodb中讀取的資料集如果直接裝到pd中，是做不到很理想的plot效果的（主要原因是時間型別的問題，以及索引列的設定）；但是pandas對于csv檔案具有很好地支持，
# pandas.plot的使用注意事項
import pandas as pd import matplotlib.pyplot as plt from pymongo import MongoClient %matplotlib inline # 連接資料庫 MC = MongoClient() # 資料表 fangyuan = MC["dbName]["coltName"] # 將mongodb中的資料讀出 data =https://www.cnblogs.com/bobyin/p/ pd.DataFrame(list(fangyuan.find())) data.to_csv('szHousePrice.csv',encoding='utf-8') # # 讀取csv資料 # df = pd.read_csv('szHousePrice.csv',low_memory=False,index_col=0)
df = pd.read_csv('szHousePrice.csv', index_col=0, parse_dates=[0])
# 查看資料大小(行列)
data.shape
# 查看資料行號
data.columns
# 找出所有滿足欄位的行
df1 = data.loc[:,["tradetime","price"]]
當index的資料型別是<class 'pandas._libs.tslibs.timestamps.Timestamp'>的時候，作圖結果的橫坐標依然是數字，而不是日期；這是因為timestamp資料型別經過csv轉儲之后被識別成str型別；依然不能夠被看成是datetime；
如果日期是像我這樣來自mongodb的時間戳格式的話，請特別注意這個坑；如果要深度拓展，盡量避免使用pandas.plot功能；
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/141657.html
標籤：Python
上一篇：創建執行緒池注意、自定義執行緒池