Python数据可视化（微课版） 课件 第2章 Python数据可视化库

汇报人：AiPPT时间：20XX.XX20XXPOWERPOINTDESIGN-------------------------------Python数据可视化库概览目录ContentsMatplotlib：基础与应用01Pyecharts：交互式数据可视化06Seaborn：高级统计可视化02HoloViews：简化数据可视化创建07Scikit-plot：机器学习可视化03Plotly：交互式图表库08Python-igraph：网络分析与可视化04Wordcloud：词云展示库09Networkx：图论与复杂网络建模05习题与实训10PARTMatplotlib：基础与应用01POWERPOINTDESIGN-------------------------------Matplotlib概述Matplotlib是Python著名的绘图库，由JohnHunter在2003年创建。广泛用于绘制2D和3D图形，如条形图、散点图等。其代码简单易懂，易于扩展，可绘制高质量图形，包括出版物级别的图形。它是免费和开源的，几行代码即可生成多种图形。尽管Matplotlib有默认图形样式和美观度不如现代库（如Seaborn、Plotly）的缺点，且在动态更新图形或实时显示数据的应用中可能不是最佳选择，渲染性能在大规模数据集或复杂视图时可能成瓶颈，但它仍是数据科学和可视化的基石库，适用于各种图表和展示，社区支持强大。Matplotlib安装与使用安装Python环境后，可通过更换清华源（pipconfigsetglobal.index-url/simple）来优化pip安装。安装Matplotlib时，也会安装Numpy库，常用于数组和矩阵运算。使用时，通过importmatplotlib.pyplotasplt引入库。例如，绘制y=x直线的简单代码展示了其易用性。Matplotlib简介与特点以绘制y=x直线为例，展示了Matplotlib生成图形的基本流程。代码简洁，输出图形直观，体现了Matplotlib在基础绘图方面的高效性和实用性。通过简单的代码，即可生成清晰的图形，如图2-1所示，直观展示了y=x的关系。绘制基础图形Matplotlib的实践示例PARTSeaborn：高级统计可视化02POWERPOINTDESIGN-------------------------------Seaborn概述Seaborn利用Matplotlib的强大功能，以简洁的代码创建美观图表。其默认款式和调色板设计现代，基于Matplotlib构建，需了解Matplotlib以调整默认值。Seaborn是Python数据可视化分析的重要包，专用于统计可视化，与Pandas无缝连接，语法简洁，是Matplotlib的补充而非替代。它以数据可视化为中心，提供面向数据集制图函数，操作行列索引和数组，进行内部语义映射与统计整合，生成信息丰富的图表。Seaborn安装与使用安装Seaborn库简单，通过pipinstallseaborn命令即可。使用时，通过importseabornassns引入库。绘制y=x直线的例程展示了Seaborn的使用方法，通过sns.lineplot(x=x,y=y)绘制直线，并设置图表标题和轴标签，输出图形如图2-2所示，体现了Seaborn在生成美观图表方面的优势。Seaborn简介与优势绘制统计图表通过绘制y=x直线的例程，展示了Seaborn在绘制统计图表方面的应用。与Matplotlib相比，Seaborn生成的图形更加美观，代码更加简洁。通过简单的设置，即可生成具有标题和轴标签的图表，如图2-2所示，体现了Seaborn在统计可视化方面的高效性和易用性。Seaborn的实践应用PARTScikit-plot：机器学习可视化03POWERPOINTDESIGN-------------------------------Scikit-plot概述Scikit-plot是建立在matplotlib之上的Python库，为机器学习可视化提供高级接口。它旨在简化机器学习模型的可视化过程，帮助数据科学家和分析师理解数据和模型性能。适合熟悉scikit-learn的用户，通过简单函数调用生成多种图表，如混淆矩阵、ROC曲线等，用于模型评估、选择和调优以及特征重要性分析。Scikit-plot安装与使用安装Scikit-plot库通过pipinstallscikit-plot命令。使用时，通过importscikitplotasskplt引入库。通过一个简单的例程，展示了Scikit-plot生成ROC曲线的过程。在这个例程中，使用了scikit-learn的digits数据集和GaussianNB模型，通过skplt.metrics.plot_roc(y_test,predicted_probas)生成ROC曲线，如图2-3所示，体现了Scikit-plot在机器学习可视化方面的应用。Scikit-plot简介与功能”通过一个具体的例程，展示了Scikit-plot在生成机器学习模型性能图表方面的应用。在这个例程中，通过加载digits数据集，训练GaussianNB模型，并使用Scikit-plot生成ROC曲线，直观地展示了模型的性能。如图2-3所示，ROC曲线清晰地展示了模型的真正例率和假正例率，帮助分析师评估模型的性能。生成机器学习模型性能图表Scikit-plot的实践案例PARTPython-igraph：网络分析与可视化04POWERPOINTDESIGN-------------------------------igraph是开源免费的网络分析工具集合，python-igraph是其Python接口，高效且功能丰富。基于C/C++图形库igraph，继承高性能特性，适用于处理大型和复杂网络数据。广泛应用于社会网络分析、生物信息学等领域。提供创建图对象、添加和删除节点和边等功能，支持有向图、无向图和混合图。内置大量算法，如中心性计算、社区检测等，可视化功能虽不及专业软件包，但足以生成高质量图形，API设计简化编程复杂度。Python-igraph概述安装Python-igraph库通过pipinstallpython-igraphpycairo命令。使用时，通过importigraphasig引入库。通过一个简单的例程，展示了Python-igraph生成皮特森图的过程。在这个例程中，通过igraph内置的函数直接展示了著名的皮特森图，如图2-4所示，体现了Python-igraph在网络分析和可视化方面的应用。Python-igraph安装与使用Python-igraph简介与特点通过一个具体的例程，展示了Python-igraph在网络分析和可视化方面的应用。在这个例程中，通过使用igraph内置的函数，直接生成了著名的皮特森图，如图2-4所示。这个图展示了Python-igraph在构建和分析网络图方面的强大功能，通过简单的代码即可生成复杂的网络图，体现了其高效性和易用性。构建与分析网络图Python-igraph的实践操作PARTNetworkx：图论与复杂网络建模05POWERPOINTDESIGN-------------------------------01Networkx是2002年5月产生的Python图论与复杂网络建模工具，内置常用图与复杂网络分析算法。支持创建简单无向图、有向图和多重图，节点可为任意数据，支持任意边值维度。功能丰富，简单易用，适用于处理千万级别以下的网络，广泛应用于学术研究、数据分析等领域。与python-igraph相比，NetworkX注重提供简单易用的工具和算法，以便研究复杂网络的结构和动态行为。Networkx概述02安装Networkx库通过pipinstallnetworkx命令。使用时，通过importnetworkxasnx引入库。通过一个简单的例程，展示了Networkx生成无向图的过程。在这个例程中，通过创建无向图并添加边，使用Networkx绘制了一个包含两个节点和一条边的无向图，如图2-5所示，体现了Networkx在图论与复杂网络建模方面的应用。Networkx安装与使用Networkx简介与功能通过一个具体的例程，展示了Networkx在创建和分析复杂网络方面的应用。在这个例程中，通过创建无向图并添加边，使用Networkx绘制了一个简单的无向图，如图2-5所示。这个图展示了Networkx在创建和分析复杂网络方面的强大功能，通过简单的代码即可生成复杂的网络图，体现了其高效性和易用性。创建与分析复杂网络Networkx的实践应用PARTPyecharts：交互式数据可视化06POWERPOINTDESIGN-------------------------------Pyecharts概述Pyecharts是用于生成Echarts图表的Python库，Echarts是由百度开发的开源可视化库。Pyecharts利用Echarts的强大功能，使得在Python环境中创建交互式、动态的图表变得简单易行。特别适合于web报告和演示文稿，生成的图表可以easily嵌入到网页中，并支持用户交互操作。提供简单而强大的方式创建多种动态图表，使数据可视化变得容易有趣。Pyecharts安装与使用安装Pyecharts库通过pipinstallpyecharts命令。使用时，按需引入所需的组件，如引入柱状图。通过一个简单的例程，展示了Pyecharts生成柱状图的过程。在这个例程中，通过使用Pyecharts的Bar组件，生成了一个某商场销售情况的柱状图，如图2-6所示，体现了Pyecharts在交互式数据可视化方面的应用。Pyecharts简介与特点创建交互式图表通过一个具体的例程，展示了Pyecharts在创建交互式图表方面的应用。在这个例程中，通过使用Pyecharts的Bar组件，生成了一个某商场销售情况的柱状图，如图2-6所示。这个图展示了Pyecharts在创建交互式图表方面的强大功能，通过简单的代码即可生成复杂的交互式图表，体现了其高效性和易用性。Pyecharts的实践案例PARTHoloViews：简化数据可视化创建07POWERPOINTDESIGN-------------------------------HoloViews是基于Python的开源库，旨在简化数据可视化的创建过程。建立在Bokeh、Matplotlib等库基础上，提供高级抽象，使用户使用更少代码创建交互性可视化。核心思想是将数据、可视化元素和交互性组合，使可视化更直观容易。可与Pandas、Dask等数据处理库无缝集成，支持多种图表类型，轻松添加交互性，支持面板仪表板创建，适用于科学研究、数据分析等领域。HoloViews概述安装HoloViews库通过pipinstallholoviews命令。使用时，通过importholoviewsashv引入库。通过一个简单的例程，展示了HoloViews生成可交互散点图的过程。在这个例程中，通过使用HoloViews的Points元素，生成了一个简单的可交互散点图，如图2-7所示，体现了HoloViews在简化数据可视化创建方面的应用。HoloViews安装与使用HoloViews简介与功能通过一个具体的例程，展示了HoloViews在创建交互性可视化方面的应用。在这个例程中，通过使用HoloViews的Points元素，生成了一个简单的可交互散点图，如图2-7所示。这个图展示了HoloViews在创建交互性可视化方面的强大功能，通过简单的代码即可生成复杂的交互性可视化，体现了其高效性和易用性。01创建交互性可视化HoloViews的实践操作PARTPlotly：交互式图表库08POWERPOINTDESIGN-------------------------------Plotly是强大的交互式图表库，支持多种编程语言，包括Python。在Python中，通过plotly包实现，提供丰富的图表类型和细致的图表控制选项，使创建高质量交互式图表和数据可视化简单直观。生成的图表基于web，可轻松嵌入网页，支持用户交互操作，如缩放、平移、悬停提示等。广泛应用于数据分析、科学研究等领域，特别适合高度交互性的数据探索任务和创建动态、响应式可视化。安装Plotly库通过pipinstallplotlyplotly_express命令。使用时，通过importplotly_expressaspx或importplotly.graph_objectsasgo引入库。通过一个简单的例程，展示了Plotly生成加拿大人口柱状图的过程。在这个例程中，通过使用Plotly的px.bar函数，生成了一个加拿大历年来的人口数据信息柱状图，如图2-8所示，体现了Plotly在交互式图表方面的应用。Plotly概述Plotly安装与使用Plotly简介与特点创建动态交互式图表通过一个具体的例程，展示了Plotly在创建动态交互式图表方面的应用。在这个例程中，通过使用Plotly的px.bar函数，生成了一个加拿大历年来的人口数据信息柱状图，如图2-8所示。这个图展示了Plotly在创建动态交互式图表方面的强大功能，通过简单的代码即可生成复杂的动态交互式图表，体现了其高效性和易用性。01Plotly的实践应用PARTWordcloud：词云展示库09POWERPOINTDESIGN-------------------------------Wordcloud是优秀的词云展示第三方库，以词语为基本单位，通过图形可视化方式，直观艺术展示文本。通过文本分词将关键词以视觉吸引形式展示，词大小通常表示频率或重要性。适合展示文本数据中最显著的词，如演讲、文章或社交媒体内容的关键词提取。Wordcloud概述安装Wordcloud库通过pipinstallwordcloud命令。使用时，通过importwordcloudasnx引入库。通过一个简单的例程，展示了Wordcloud生成词云图的过程。在这个例程中，通过使用Wordcloud库对一句话进行解析，并针对里面的关键词生成对应的词云，如图2-9所示，体现了Wordcloud在词云展示方面的应用。Wordcloud安装与使用Wordcloud简介与特点通过一个具体的例程，展示了Wordcloud在生成词云图方面的应用。在这个例程中，通过使用Wordcloud库对一句话进行解析，并针对里面的关键词生成对应的词云，如图2-9所示。这个图展示了Wordcloud在生成词云图方面的强大功能，通过简单的代码即可生成复杂的词云图，体现了其高效性和易用性。生成词云图Wordcloud的实践操作PART习题与实训010POWERPOINTDESIGN-------------------------------选择题Python中最常用的绘图库是什么？A.SeabornB.PlotlyC.MatplotlibD.Scikit-plotSeaborn库是基于哪个库进行更高级的API封装？A.MatplotlibB.PlotlyC.PyechartsD.HoloViewsScikit-plot主要用于哪个领域的可视化？A.网络分析B.机器学习C.经济数据分析D.地理信息系统Python-igraph库适用于哪类数据的可视化？A.时间序列B.地理空间数据C.网络和复杂图结构D.统计数据分析HoloViews库旨在简化哪个过程？A.数据清洗B.数据建模C.数据可视化创建D.数据存储01判断题Matplotlib无法绘制3D图形。（对/错）Seaborn不能与Pandas无缝连接。（对/错）Scikit-plot是基于Seaborn库开发的。（对/错）Python-igraph支持创建有向图和无向图。（对/错）Pyecharts主要用于命令行数据可视化。（对/错）02填空题Matplotlib由在______年创建。Seaborn在Matplotlib的基础上进行了______级的API封装。Scikit