/%E5%8F%AF%E8%A7%86%E5%8C%96/ Recent content in 可视化 on 老张开工了 Hugo zh-cn Thu, 09 Jan 2025 00:00:00 +0000 /posts/2025/01/data-viz-advanced/ Thu, 09 Jan 2025 00:00:00 +0000 /posts/2025/01/data-viz-advanced/ 基础篇里我们学会了用 Matplotlib 画简单的折线图和柱状图。但到了进阶阶段，你需要更多——更丰富的图表类型、更美观的视觉风格、更直观的交互效果。 本文会深入讲解 Seaborn 的高级用法，再带你进入 Plotly 的交互式可视化世界，最后总结一套可视化设计的实用原则。 环境准备 import numpy as np import pandas as pd import matplotlib.pyplot as plt import seaborn as sns import plotly.express as px import plotly.graph_objects as go from plotly.subplots import make_subplots import warnings warnings.filterwarnings('ignore') plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # Seaborn 主题 sns.set_theme(style='whitegrid', palette='muted', font='SimHei') 我们主要使用 Seaborn 内置数据集和 Plotly Express 示例数据来演示。 Seaborn 深度探索 基础篇我们用了 sns.histplot 和 sns.boxplot。Seaborn 的真正威力在于它的关系型绘图函数族。 relplot——关系图的统一入口 relplot 是一个 figure-level 函数，同时覆盖散点图和线图，并且天然支持分面： /posts/2025/01/data-viz-intro/ Mon, 06 Jan 2025 00:00:00 +0000 /posts/2025/01/data-viz-intro/ 数据可视化是数据分析中最重要的环节之一。一张好的图表能抵过千言万语——它能让复杂的数据模式一目了然，让隐藏在数字背后的故事变得清晰可见。本篇文章将介绍 Matplotlib 的核心用法，以及如何用 Python 创建专业的数据可视化图表。 Matplotlib 核心概念 Matplotlib 是 Python 中最经典的数据可视化库。虽然它的默认样式偏保守，但通过自定义可以制作出高质量的图表。 import matplotlib.pyplot as plt import numpy as np import pandas as pd # Matplotlib 的核心是分层结构： # - Figure: 画布（整个图表窗口） # - Axes: 坐标系（实际绘制图表的地方） # - Axis: 坐标轴（x 轴和 y 轴） # - Artist: 所有可见元素（线条、文字、标记等） # 最基本的绘图模式 plt.figure(figsize=(8, 5)) # 创建画布 plt.plot([1, 2, 3, 4], [1, 4, 9, 16]) # 绘制折线 plt.xlabel("x 轴") plt.ylabel("y 轴") plt.title("最简单的折线图") plt.show() Figure 和 Axes（面向对象方式） 推荐使用面向对象的方式绘图，它更加灵活可控：