爲何要寫這篇文章？
最近有很多粉絲來問我，Python繪圖庫太多，我知不知道學哪個？即便我選擇了某一個繪圖庫後，我也不知道怎麼學，我不知道第一步作什麼，也不知道接下來該怎麼作，四個字一學就忘。javascript
其實這也是我當時很困擾的一個問題，我當時在學習完numpy和pandas後，就開始了matplotlib的學習。我反正是很是崩潰的，每次就感受繪圖代碼怎麼這麼多，繪圖邏輯徹底一團糟，不知道如何動手。java
後面隨着本身反覆的學習，我找到了學習Python繪圖庫的方法，那就是學習它的繪圖原理。正所謂：「知己知彼，百戰不殆」，學會了原理，剩下的就是熟練的問題了。python
今天咱們就用一篇文章，帶你們梳理matplotlib、seaborn、plotly、pyecharts的繪圖原理，讓你們學起來再也不那麼費勁！web
1. matplotlib繪圖原理
關於matplotlib更詳細的繪圖說明，你們能夠參考下面這篇文章，相信你看了之後必定學得會。express
matplotlib繪圖原理：http://suo.im/678FCo編程
1）繪圖原理說明
經過我本身的學習和理解，我將matplotlib繪圖原理高度總結爲以下幾步：瀏覽器
-
① 導庫; -
② 建立 figure畫布對象; -
③ 獲取對應位置的 axes座標系對象; -
④ 調用axes對象，進行對應位置的圖形繪製; -
⑤ 顯示圖形;
2）案例說明
# 1.導入相關庫
import matplotlib as mpl
import matplotlib.pyplot as plt
# 2.建立figure畫布對象
figure = plt.figure()
# 3.獲取對應位置的axes座標系對象
axes1 = figure.add_subplot(2,1,1)
axes2 = figure.add_subplot(2,1,2)
# 4.調用axes對象，進行對應位置的圖形繪製
axes1.plot([1,3,5,7],[4,9,6,8])
axes2.plot([1,2,4,5],[8,4,6,2])
# 5.顯示圖形
figure.show()
結果以下：微信
2. seaborn繪圖原理
在這四個繪圖庫裏面，只有matplotlib和seaborn存在必定的聯繫，其他繪圖庫之間都沒有任何聯繫，就連繪圖原理也都是不同的。數據結構
seaborn是matplotlib的更高級的封裝。所以學習seaborn以前，首先要知道matplotlib的繪圖原理。因爲seaborn是matplotlib的更高級的封裝，對於matplotlib的那些調優參數設置，也均可以在使用seaborn繪製圖形以後使用。app
咱們知道，使用matplotlib繪圖，須要調節大量的繪圖參數，須要記憶的東西不少。而seaborn基於matplotlib作了更高級的封裝，使得繪圖更加容易，它不須要了解大量的底層參數，就能夠繪製出不少比較精緻的圖形。不只如此，seaborn還兼容numpy、pandas數據結構，在組織數據上起了很大做用，從而更大程度上的幫助咱們完成數據可視化。
因爲seaborn的繪圖原理，和matplotlib的繪圖原理一致，這裏也就不詳細介紹了，你們能夠參考上面matplotlib的繪圖原理，來學習seaborn究竟如何繪圖，這裏仍是提供一個網址給你們。
seaborn繪圖原理：http://suo.im/5D3VPX
1）案例說明
# 1.導入相關庫
import seaborn as sns
import matplotlib.pyplot as plt
df = pd.read_excel("data.xlsx",sheet_name="數據源")
sns.set_style("dark")
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
# 注意：estimator表示對分組後的銷售數量求和。默認是求均值。
sns.barplot(x="品牌",y="銷售數量",data=df,color="steelblue",orient="v",estimator=sum)
plt.show()
結果以下：
注意：能夠看到在上述的繪圖代碼中，你應該有這樣一個感覺，圖中既有matplotlib的繪圖代碼，也有seaborn的繪圖代碼。其實就是這樣的，咱們就是按照matplobt的繪圖原理進行圖形繪製，只是有些地方改爲seaborn特有的代碼便可，剩下的調整格式，均可以使用matplotlib中的方法進行調整。
3. plotly繪圖原理
首先在介紹這個圖的繪圖原理以前，咱們先簡單介紹一下plotly這個繪圖庫。
-
plotly是一個基於javascript的繪圖庫，plotly繪圖種類豐富，效果美觀； -
易於保存與分享plotly的繪圖結果，而且能夠與Web無縫集成； -
ploty默認的繪圖結果，是一個HTML網頁文件，經過瀏覽器能夠直接查看；
它的繪圖原理和matplotlib、seaborn沒有任何關係，你須要單獨去學習它。一樣我仍是提供了一個網址給你，讓你更詳細的學習plotly。
plotly繪圖原理：http://suo.im/5vxNTu
1）繪圖原理說明
經過我本身的學習和理解，我將plotly繪圖原理高度總結爲以下幾步：
-
① 繪製圖形軌跡，在ployly裏面叫作 trace，每個軌跡是一個trace。 -
② 將軌跡包裹成一個列表，造成一個「軌跡列表」。一個軌跡放在一個列表中，多個軌跡也是放在一個列表中。 -
③ 建立畫布的同時，並將上述的 軌跡列表，傳入到Figure()中。 -
④ 使用 Layout()添加其餘的繪圖參數，完善圖形。 -
⑤ 展現圖形。
2）案例說明
import numpy as np
import pandas as pd
import plotly as py
import plotly.graph_objs as go
import plotly.expression as px
from plotly import tools
df = pd.read_excel("plot.xlsx")
# 1.繪製圖形軌跡，在ployly裏面叫作`trace`，每個軌跡是一個trace。
trace0 = go.Scatter(x=df["年份"],y=df["城鎮居民"],name="城鎮居民")
trace1 = go.Scatter(x=df["年份"],y=df["農村居民"],name="農村居民")
# 2.將軌跡包裹成一個列表，造成一個「軌跡列表」。一個軌跡放在一個列表中，多個軌跡也是放在一個列表中。
data = [trace0,trace1]
# 3.建立畫布的同時，並將上述的`軌跡列表`，傳入到`Figure()`中。
fig = go.Figure(data)
# 4.使用`Layout()`添加其餘的繪圖參數，完善圖形。
fig.update_layout(
title="城鄉居民家庭人均收入",
xaxis_title="年份",
yaxis_title="人均收入（元）"
)
# 5.展現圖形。
fig.show()
結果以下：
4. pyecharts繪圖原理
Echarts是一個由百度開源的數據可視化工具，憑藉着良好的交互性，精巧的圖表設計，獲得了衆多開發者的承認。而python是一門富有表達力的語言，很適合用於數據處理。當數據分析趕上了數據可視化時，pyecharts誕生了。
pyecharts分爲v0.5和v1兩個大版本，v0.5和v1兩個版本不兼容，v1是一個全新的版本，所以咱們的學習儘可能都是基於v1版本進行操做。
和plotly同樣，pyecharts的繪圖原理也是徹底不一樣於matplotlib和seaborn，咱們須要額外的去學習它們的繪圖原理，基於此，一樣提供一個網址給你，讓你更詳細的學習pyecharts。
pyecharts的繪圖原理：http://suo.im/5S1PF1
1）繪圖原理說明
經過我本身的學習和理解，我將plotly繪圖原理高度總結爲以下幾步：
-
① 選擇圖表類型； -
② 聲明圖形類並添加數據； -
③ 選擇全局變量； -
④ 顯示及保存圖表；
2）案例說明
# 1.選擇圖表類型：咱們使用的是線圖，就直接從charts模塊中導入Line這個模塊；
from pyecharts.charts import Line
import pyecharts.options as opts
import numpy as np
x = np.linspace(0,2 * np.pi,100)
y = np.sin(x)
(
# 2.咱們繪製的是Line線圖，就須要實例化這個圖形類，直接Line()便可；
Line()
# 3.添加數據，分別給x,y軸添加數據；
.add_xaxis(xaxis_data=x)
.add_yaxis(series_name="繪製線圖",y_axis=y,label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(title_opts=opts.TitleOpts(title="我是標題",subtitle="我是副標題",title_link="https://www.baidu.com/"),
tooltip_opts=opts.TooltipOpts())
).render_notebook() # 4.render_notebook()用於顯示及保存圖表；
結果以下：
小結
經過上面的學習，我相信確定會讓你們對於這些庫的繪圖原理，必定會有一個新的認識。
其實其實不論是任何編程軟件的繪圖庫，都有它的繪圖原理。咱們與其盲目的去繪製各類各樣的圖形，不如先搞清楚它們的套路後，再去進行繪圖庫的圖形練習，這樣下去，我以爲你們會有一個很大的提升。
關注微信公衆號『數據分析與統計學之美』，後臺回覆"入羣" 拉你進羣哦，氣氛很好滴呀！
喜歡本文點個在看
本文分享自微信公衆號 - 數據分析與統計學之美（gh_21c25c7e71d0）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。