小白學 Python 資料分析(15):資料視覺化概述
阿新 • • 發佈:2020-03-12
![](https://cdn.geekdigging.com/python/spider-blog/Python_logo.jpg)
> 人生苦短,我用 Python
前文傳送門:
[小白學 Python 資料分析(1):資料分析基礎](https://www.geekdigging.com/2020/01/19/6719980708/)
[小白學 Python 資料分析(2):Pandas (一)概述](https://www.geekdigging.com/2020/01/20/6718497214/)
[小白學 Python 資料分析(3):Pandas (二)資料結構 Series](https://www.geekdigging.com/2020/02/04/3234667780/)
[小白學 Python 資料分析(4):Pandas (三)資料結構 DataFrame](https://www.geekdigging.com/2020/02/05/9920298470/)
[小白學 Python 資料分析(5):Pandas (四)基礎操作(1)檢視資料](https://www.geekdigging.com/2020/02/16/6852411690/)
[小白學 Python 資料分析(6):Pandas (五)基礎操作(2)資料選擇](https://www.geekdigging.com/2020/02/20/6566891797/)
[小白學 Python 資料分析(7):Pandas (六)資料匯入](https://www.geekdigging.com/2020/02/23/7355903936/)
[小白學 Python 資料分析(8):Pandas (七)資料預處理](https://www.geekdigging.com/2020/02/25/9013297409/)
[小白學 Python 資料分析(9):Pandas (八)資料預處理(2)](https://www.geekdigging.com/2020/02/27/2857868620/)
[小白學 Python 資料分析(10):Pandas (九)資料運算](https://www.geekdigging.com/2020/02/29/5808964196/)
[小白學 Python 資料分析(11):Pandas (十)資料分組](https://www.geekdigging.com/2020/03/03/5975552137/)
[小白學 Python 資料分析(12):Pandas (十一)資料透視表(pivot_table)](https://www.geekdigging.com/2020/03/04/8327177610/)
[小白學 Python 資料分析(13):Pandas (十二)資料表拼接](https://www.geekdigging.com/2020/03/06/5036602239/)
[小白學 Python 資料分析(14):Pandas (十三)資料匯出](https://www.geekdigging.com/2020/03/07/6918490736/)
## 引言
從本篇開始,整個系列進入到第二部分,資料視覺化。
那麼,什麼是資料視覺化?
可以看下下面這個動圖,動圖來源阿里雲官網( https://data.aliyun.com/visual/datav )。
![](https://cdn.geekdigging.com/data_analysis/data_visualization/taobao_shujukeshihua.gif)
可以看到,這個動圖非常的炫,那我們是不是學了資料視覺化以後就能做出來這種效果。
emmmmmmmmmmmm。。。。。。。。
這個難度有點高,打怪升級也沒有直接出門打 BOSS 的打法撒。
![](https://cdn.geekdigging.com/data_analysis/data_visualization/toudawai.jpg)
## 工欲善其事必先利其器
我們先看下現在使用的主流資料視覺化的工具(類庫)有什麼。
### Matplotlib
第一個當然是我們在前面開篇中介紹過的 Matplotlib , Python 資料分析經典三件套之一。
首先還是幾個官方網址羅列一下,防止有的同學找不到:
GitHub:https://github.com/matplotlib/matplotlib
官網:https://www.matplotlib.org/
中文網:https://www.matplotlib.org.cn/
Matplotlib 的安裝過程還是十分簡單的:
```python
pip install matplotlib
```
等待進度條走完,我們就算安裝完成了。
在學習怎麼使用 matplotlib 之前,我們可以先看下 matplotlib 的一些示例:
![](https://cdn.geekdigging.com/data_analysis/data_visualization/sphx_glr_tricontourf3d_thumb.webp)
![](https://cdn.geekdigging.com/data_analysis/data_visualization/sphx_glr_voxels_torus_thumb.webp)
錯了錯了,這麼複雜的圖我怎麼可能畫的出來。。。
![](https://cdn.geekdigging.com/data_analysis/data_visualization/fangcuole.jpg)
下面這種才是我們的目標:
![](https://cdn.geekdigging.com/data_analysis/data_visualization/sphx_glr_barchart_thumb.webp)
![](https://cdn.geekdigging.com/data_analysis/data_visualization/sphx_glr_csd_demo_thumb.webp)
![](https://cdn.geekdigging.com/data_analysis/data_visualization/heihei.png)
### pyecharts
在除了可以使用 Matplotlib 作為資料視覺化的工具之餘,我們還可以選擇 pyecharts 作為資料視覺化工具。
先做一個簡單的簡介,以下內容來自官方文件:
> Echarts 是一個由百度開源的資料視覺化,憑藉著良好的互動性,精巧的圖表設計,得到了眾多開發者的認可。而 Python 是一門富有表達力的語言,很適合用於資料處理。當資料分析遇上資料視覺化時,pyecharts 誕生了。
相信很多同學對 Echarts 並不陌生,在做頁面圖表的時候,能選擇的第三方支援庫並不多,而 Echarts 是其中做的相當不錯的一個類庫,畢竟背後是由百度開源的。
放幾個官方的連結:
GitHub:https://github.com/pyecharts/pyecharts
官方文件:https://pyecharts.org/#/
接下來還是看如何安裝:
```python
pip install pyecharts
```
和前面安裝 Matplotlib 一樣,靜靜的等待進度條走完就行。
這裡有關版本有一點需要注意,不管是使用 Matplotlib 還是使用 pyecharts ,都需要 Python 的版本是 3.x ,在官方文件中都已經註明 2.x 不再進行維護。
至於小編為什麼要介紹 pyecharts 呢?給大家看幾個官方的示例:
![](https://cdn.geekdigging.com/data_analysis/data_visualization/pyecharts_1.gif)
![](https://cdn.geekdigging.com/data_analysis/data_visualization/pyecharts_5.gif)
![](https://cdn.geekdigging.com/data_analysis/data_visualization/pyecharts_2.gif)
![](https://cdn.geekdigging.com/data_analysis/data_visualization/pyecharts_3.gif)
![](https://cdn.geekdigging.com/data_analysis/data_visualization/pyecharts_4.png)
是不是感覺單純的從 UI 設計的角度上來講, pyecharts 要比 Matplotlib 要好看的多,感覺 Matplotlib 像是上個世紀的產物。
在接下來的內容中,小編會先分享 Matplotlib 的使用,之後會專門寫幾篇介紹下 pyecharts 的使用。
![](https://cdn.geekdigging.com/data_analysis/data_visualization/ok.jpg)
## 資料視覺化的基本流程
第一步:整理資料
資料還是資料視覺化的基礎,在所有的事情開始之前,需要先明確需要把哪些資料圖表化。
第二步:明確目的
在上一步中,我們拿到了需要圖表化的資料,接著就需要想清楚,我們展示這些資料到底是為了什麼,是要表達一種趨勢,還是要展現對比等等。
第三步:選擇圖表形式
在明確了我們的目的之後,就需要選擇展現這些資料的形式了,我們需要為這些資料選擇合適的展現形式,這就需要分情況討論了。
例如我們想要展現一種趨勢,那麼折線圖就要比柱狀圖更為合適,如果是需要展現對比,那麼柱狀圖就要比折線圖合適,還有是展現百分比,那麼我們選擇餅狀圖就會更為合適。
本篇的內容就到這裡了,下一篇,我們接著介紹 Matplotlib 的使用姿勢。
![](https://cdn.geekdigging.com/data_analysis/data_visualization/zaij