面向小白的Python可視化教程

大家平時都會用到哪些可視化的工具呢？Python中又有哪些好用的可視化模塊呢？今天就給大家分享一個Python小技能，小白也

能學會的可視化教程，

正 文

今天小編總結歸納了若干個常用的可視化圖表，并且通過呼叫plotly、matplotlib、altair、bokeh和seaborn等模塊來分

別繪制這些常用的可視化圖表，最后無論是繪制可視化的代碼，還是會指出來的結果都會通過呼叫streamlit模塊展示在一個

可視化大屏，出來的效果如下圖所示

那我們接下去便一步一步開始可視化大屏的制作吧！

標題、副標題以及下拉框

首先我們對標題、副標題部分的內容，代碼如下

Python學習交流Q群：906715085###
with st.container():
    st.title("Python可視化合集")
    st.header("經典常用的Python可視化模塊")
    st.write("""包括代碼和可視化圖表展示""")

然后便是下拉框的制作，代碼如下

plot_types = (
    "Scatter",
    "Histogram",
    "Bar",
    "Line",
    "Boxplot"
)
# 選擇繪制的圖表種類
chart_type = st.selectbox("Choose your chart type", plot_types)

with st.container():
    st.subheader(f"Showing:  {chart_type}")
    st.write("")

對于圖表的展示可以選擇是“雙排式”的，如下圖所示

也可以選擇是沉浸式的，也即是“單排式”的，如下圖所示

代碼如下

Python學習交流Q群：906715085###
two_cols = st.checkbox("2 columns?", True)
if two_cols:
    col1, col2 = st.columns(2)
    
# 展示圖表
if two_cols:
    with col1:
        show_plot(kind="Matplotlib")
    with col2:
        show_plot(kind="Seaborn")
    with col1:
        show_plot(kind="Plotly Express")
    with col2:
        show_plot(kind="Altair")
    with col1:
        show_plot(kind="Pandas Matplotlib")
    with col2:
        show_plot(kind="Bokeh")
else:
    with st.container():
        for lib in libs:
            show_plot(kind=lib)

對于雙排式的展示方式而言，col1也就是左邊，放置的是matplotlib、plotly、以及pandas繪制出來的圖表，右邊也就是col2也就是

右邊，放置的是seaborn、altair以及bokeh繪制出來的圖表，而上述代碼中呼叫的show_plot()函式代碼如下

#生成圖表
def show_plot(kind: str):
    st.write(kind)
    if kind == "Matplotlib":
        plot = matplotlib_plot(chart_type, df)
        st.pyplot(plot)
    elif kind == "Seaborn":
        plot = sns_plot(chart_type, df)
        st.pyplot(plot)
    elif kind == "Plotly Express":
        plot = plotly_plot(chart_type, df)
        st.plotly_chart(plot, use_container_width=True)
    elif kind == "Altair":
        plot = altair_plot(chart_type, df)
        st.altair_chart(plot, use_container_width=True)
    elif kind == "Pandas Matplotlib":
        plot = pd_plot(chart_type, df)
        st.pyplot(plot)
    elif kind == "Bokeh":
        plot = bokeh_plot(chart_type, df)
        st.bokeh_chart(plot, use_container_width=True)

是一系列if…else…的判斷，當繪制圖表的模塊是matplotlib時就呼叫對應的matplotlib_plot()函式，當繪制圖表的模塊是seaborn時

就呼叫對應的sns_plot()函式，依次同理，我們來看其中一個函式sns_plot()的具體邏輯，代碼如下

Python學習交流Q群：906715085####
def sns_plot(chart_type: str, df):
    """ 生成seaborn繪制的圖表 """

    fig, ax = plt.subplots()
    if chart_type == "Scatter":
        with st.echo():
            sns.scatterplot(
                data=df,
                x="bill_depth_mm",
                y="bill_length_mm",
                hue="species",
            )
            plt.title("Bill Depth by Bill Length")
    elif chart_type == "Histogram":
        with st.echo():
            sns.histplot(data=df, x="bill_depth_mm")
            plt.title("Count of Bill Depth Observations")
    elif chart_type == "Bar":
        with st.echo():
            sns.barplot(data=df, x="species", y="bill_depth_mm")
            plt.title("Mean Bill Depth by Species")
    elif chart_type == "Boxplot":
        with st.echo():
            sns.boxplot(data=df["bill_depth_mm"].dropna())
            plt.title("Bill Depth Observations")
    elif chart_type == "Line":
        with st.echo():
            sns.lineplot(data=df, x=df.index, y="bill_length_mm")
            plt.title("Bill Length Over Time")
    return fig

其實也是一系列if…else…的判斷，當所要繪制的圖表是散點圖時，呼叫的是sns.scatterplot()函式，所要繪制的是直方圖時，呼叫

的是sns.histplot()，繪制的柱狀圖或者是折線圖時也是同理

最后要是我們想要查看源資料時，也可以查看，代碼如下

#展示源資料
with st.container():
    show_data = st.checkbox("See the raw data?")

    if show_data:
        df

    # 要點
    st.subheader("Notes")
    st.write(
        """
        - 這個應用是通過python當中的streamlit模塊制作出來的
        - 關注"關于資料分析與可視化"，學習更多資料分析和可視化知識與技能
        """
    )

output

最后，今天給大家分享的這個可視化資料到這里就結束了，你明天想看什么，告訴我，我給你整理出來，關于今天的文章，有問

題的可以評論留言，我看見就會回你，沒有問題的小伙伴，記得給自己一個大大的贊，也給我一個大大的贊，

標籤：其他

上一篇：用Python制作一個隨機抽獎小工具

下一篇：Java開發中關于資源路徑獲取問題