前言

如同藝術家們用繪畫讓人們更貼切的感知世界，數據可視化也能讓人們更直觀的傳遞數據所要表達的信息。

我們今天就分享一下如何用 Python 簡單便捷的完成數據可視化。

其實利用 Python 可視化數據并不是很麻煩，因為 Python 中有兩個專用于可視化的庫 matplotlib 和 seaborn 能讓我們很容易的完成任務。

我們用 Python 可以做出哪些可視化圖形？

那么這里可能有人就要問了，我們為什么要做數據可視化？比如有下面這個圖表：

當然如果你把這張圖表丟給別人，他們倒是也能看懂，但無法很直觀的理解其中的信息，而且這種形式的圖表看上去也比較 low，這個時候我們如果換成直觀又美觀的可視化圖形，不僅能突顯逼格，也能讓人更容易的看懂數據。

下面我們就用上面這個簡單的數據集作為例子，展示用 Python 做出9種可視化效果，并附有相關代碼。

導入數據集

import matplotlib.pyplot as pltimport pandas as pddf=pd.read_excel("E:/First.xlsx", "Sheet1")

可視化為直方圖

fig=plt.figure() #Plots in matplotlib reside within a figure object, use plt.figure to create new figure#Create one or more subplots using add_subplot, because you can't create blank figureax = fig.add_subplot(1,1,1)#Variableax.hist(df['Age'],bins = 7) # Here you can play with number of binsLabels and Titplt.title('Age distribution')plt.xlabel('Age')plt.ylabel('#Employee')plt.show()

可視化為箱線圖

import matplotlib.pyplot as pltimport pandas as pdfig=plt.figure()ax = fig.add_subplot(1,1,1)#Variableax.boxplot(df['Age'])plt.show()

可視化為小提琴圖

import seaborn as sns sns.violinplot(df['Age'], df['Gender']) #Variable Plotsns.despine()

可視化為條形圖

var = df.groupby('Gender').Sales.sum() #grouped sum of sales at Gender levelfig = plt.figure()ax1 = fig.add_subplot(1,1,1)ax1.set_xlabel('Gender')ax1.set_ylabel('Sum of Sales')ax1.set_title("Gender wise Sum of Sales")var.plot(kind='bar')