面向小白的最全 Python 可视化教程，超全的！

作者 |俊欣

来源丨关于数据分析与可视化

今天小编总结归纳了若干个常用的可视化图表，并且通过调用plotly、matplotlib、altair、bokeh和seaborn等模块来分别绘制这些常用的可视化图表，最后无论是绘制可视化的代码，还是会指出来的结果都会通过调用streamlit模块展示在一个可视化大屏，出来的效果如下图所示

那我们接下去便一步一步开始可视化大屏的制作吧！

标题、副标题以及下拉框

首先我们对标题、副标题部分的内容，代码如下：

withst.container():
st.title("Python可视化合集")
st.header("经典常用的Python可视化模块")
st.write("""包括代码和可视化图表展示""")

然后便是下拉框的制作，代码如下：

plot_types=(
"Scatter",
"Histogram",
"Bar",
"Line",
"Boxplot"
)
#选择绘制的图表种类
chart_type=st.selectbox("Chooseyourcharttype",plot_types)

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

对于图表的展示可以选择是“双排式”的，如下图所示也可以选择是沉浸式的，也即是“单排式”的，如下图所示代码如下：

two_cols=st.checkbox("2columns?",True)
iftwo_cols:
col1,col2=st.columns(2)

#展示图表
iftwo_cols:
withcol1:
show_plot(kind="Matplotlib")
withcol2:
show_plot(kind="Seaborn")
withcol1:
show_plot(kind="PlotlyExpress")
withcol2:
show_plot(kind="Altair")
withcol1:
show_plot(kind="PandasMatplotlib")
withcol2:
show_plot(kind="Bokeh")
else:
withst.container():
forlibinlibs:
show_plot(kind=lib)

对于双排式的展示方式而言，col1也就是左边，放置的是matplotlib、plotly、以及pandas绘制出来的图表，右边也就是col2也就是右边，放置的是seaborn、altair以及bokeh绘制出来的图表，而上述代码中调用的show_plot()函数代码如下：

#生成图表
defshow_plot(kind:str):
st.write(kind)
ifkind=="Matplotlib":
plot=matplotlib_plot(chart_type,df)
st.pyplot(plot)
elifkind=="Seaborn":
plot=sns_plot(chart_type,df)
st.pyplot(plot)
elifkind=="PlotlyExpress":
plot=plotly_plot(chart_type,df)
st.plotly_chart(plot,use_container_width=True)
elifkind=="Altair":
plot=altair_plot(chart_type,df)
st.altair_chart(plot,use_container_width=True)
elifkind=="PandasMatplotlib":
plot=pd_plot(chart_type,df)
st.pyplot(plot)
elifkind=="Bokeh":
plot=bokeh_plot(chart_type,df)
st.bokeh_chart(plot,use_container_width=True)

是一系列if...else...的判断，当绘制图表的模块是matplotlib时就调用对应的matplotlib_plot()函数，当绘制图表的模块是seaborn时就调用对应的sns_plot()函数，依次同理。我们来看其中一个函数sns_plot()的具体逻辑，代码如下：

defsns_plot(chart_type:str,df):
"""生成seaborn绘制的图表"""

fig,ax=plt.subplots()
ifchart_type=="Scatter":
withst.echo():
sns.scatterplot(
data=df,
x="bill_depth_mm",
y="bill_length_mm",
hue="species",
)
plt.title("BillDepthbyBillLength")
elifchart_type=="Histogram":
withst.echo():
sns.histplot(data=df,x="bill_depth_mm")
plt.title("CountofBillDepthObservations")
elifchart_type=="Bar":
withst.echo():
sns.barplot(data=df,x="species",y="bill_depth_mm")
plt.title("MeanBillDepthbySpecies")
elifchart_type=="Boxplot":
withst.echo():
sns.boxplot(data=df["bill_depth_mm"].dropna())
plt.title("BillDepthObservations")
elifchart_type=="Line":
withst.echo():
sns.lineplot(data=df,x=df.index,y="bill_length_mm")
plt.title("BillLengthOverTime")
returnfig

其实也是一系列if...else...的判断，当所要绘制的图表是散点图时，调用的是sns.scatterplot()函数，所要绘制的是直方图时，调用的是sns.histplot()，绘制的柱状图或者是折线图时也是同理

最后要是我们想要查看源数据时，也可以查看，代码如下：

#展示源数据
withst.container():
show_data=st.checkbox("Seetherawdata?")

ifshow_data:
df

#要点
st.subheader("Notes")
st.write(
"""
-这个应用是通过python当中的streamlit模块制作出来的
-关注"关于数据分析与可视化"，学习更多数据分析和可视化知识与技能
"""
)

output

分享

点收藏

点点赞

点在看