大数据可视化技术与应用 第八章 Python数据可视化（92页）.pptx

大数据可视化技术与应用;第8章 Python数据可视化;8.1 Python可视化库简介;1．matplotlib可视化库 matplotlib库是Python下著名的绘图库，也是Pyth可视化库的基础库， matplotlib库的功能十分强大。为了方便快速绘图，matplotlib通过pyplot模块提供了一套和Matlab类似的绘图API，将众多绘图对象所构 成的复杂结构隐藏在这套API内部。因此，只需要 调用pyplot模块所提供的函数就可以实现快速绘图以及设置图表的各种细节。;2．numpy库 numpy库是Python做数据处理的底层库，是高性能科学计算和数据分析的基础，比如著名的Python机器学习库SKlearn就需要numPy的支持。掌握numPy的基础数据处理能力是利用Python做数据运算及机器学习的基础。 同时，在数据可视化中也时常需要用到numpy中的数组存储以及矩阵运算等功能，因此了解numpy库对开发数据可视化十分有用。;3．pandas库 pandas库是Python下著名的数据分析库，主要功能是进行大量的数据处理，同时也可以绘制高效的 完成绘图的工作。与matplotlib库相比，pandas库绘图方式更加简洁。;4．seaborn库 seaborn是基于matplotlib的Python可视化库。它提了一个高级界面来绘制有吸引力的统计图形，可以 使得数据可视化更加的方便，美观。;5．Bokeh库 Bokeh库是一款针对现代Web浏览器呈现功能的交互式可视化库。它通过Python以快速简单的方式为超大型数据集提供高性能交互的多功能图形。;6．pyqtgraph库 在Python中除了上述的几个可视化库以外，还有一些可视化库，例如pyqtgraph库。pyqtgraph库是一种建立在PyQt4/PySide和numpy库基础之上的纯Python图形GUI库，在数学、科学和工程领域都有着广泛 的应用。尽管该库完全用python编写，但内部由于 使用了高速计算的numpy信号处理库以及Qt的 GraphicsView框架。因此，它在大数据量的数字处理和快速显示方面有着巨大的优势。;Python可视化库的安装与使用 在Windows7下安装Python可视化库，常用pip命令来实现，如输入命令pip install matplotlib来安装 matplotlib库。安装完成后，可在Windows命令行中输入Python，并在进入Python界面后输入以下命令： import matplotlib import pandas import seaborn import bokeh import pyqtgraph import numpy;8.2 可视化基础numpy库简介;2．numpy库的使用 1??? numpy库数组的创建 在numpy库中创建数组可以使用如下语法： numpy.array 该语句表示通过引入numpy库创建了一个ndarray对象。;【例8-1】创建数组对象，代码如下。 import numpy as np a = np.array([1,2,3]) print (a);2）numpy数组参数 在创建数组时，可以加入如下参数： numpy.array(object, dtype = None, copy = True, o = None, subok = False, ndmin = 0);【例8-2】创建一个多维数组对象，代码如下。 import numpy as np a = np.array([[1,2,3],[4,5,6],[7,8,9]]) print (a) 该例定义并显示了一个多维数组;【例8-3】显示多维数组的数据类型，代码如下。 import numpy as np a = np.array([[1,2,3],[4,5,6],[7,8,9]],dtype= print (a) 该例定义了一个多维数组，并显示其数据类型;3）ndarray对象的基本属性 在创建了一个数组以后，可以查看ndarray对象的基本属性 【例8-4】显示多维数组的维度，代码如下。 import numpy as np a = np.array([[1,2,3],[4,5,6],[7,8,9]]) print (a.shape) 该例定义了一个多维数组，并显示其维度;【例8-5】显示数组中每个元素的字节大小，代码如下。 import numpy as np a = np.array([1,2,3,4,5,6,7,8,9], dtype = np.in print (a.itemsize) 该例定义了一个数组，并显示其元素的字节大小;● 4）ndarray对象的切片和索引 ndarray对象