数据可视化

plt.figure(figsize=(6, 6), dpi=100) # 创建画布并指定画布大小及分辨率
plt.rcParams['font.sans-serif'] = 'SimHei' # 解决中文乱码问题
plt.rcParams['lines.linewidth'] = 3 # 设置线宽
plt.rcParams['lines.linestyle'] = '--' # 设置线型
plt.xlabel('X轴') # 设置X轴标签
plt.ylabel('Y轴') # 设置Y轴标签
plt.title('标题') # 设置全局标题
plt.xticks([x for x in range(1,13)]) # 设置X轴跨度
plt.yticks([y for y in range(0,101,10)]) # 设置Y轴跨度

plt.bar(data['month'], data['math'], width=0.3, color='red')
plt.bar(data['month'] + 0.3, data['english'], width=0.3, color='blue')
# （横坐标数据，纵坐标数据，柱宽，颜色）
# 可以通过偏移绘制多个统计图

plt.plot(data['month'], data['math'], color='blue')
plt.plot(data['month'], data['english'], color='red')
# （横坐标数据，纵坐标数据，颜色）
# 线型和粗细可以通过全局属性设置

plt.scatter(data['month'], data['math'], color='blue')
plt.scatter(data['month'], data['english'], color='red')
# （横坐标数据，纵坐标数据，颜色 ）

sns.barplot(data=data, x=data['month'], y=data['math'], color='blue')
# （数据，X轴数据，y轴数据，颜色）
melted_data = pd.melt(data, id_vars=['month'], value_vars=['math', 'english'],
                          var_name='subject', value_name='score')
# 反透视数据（数据，作为标识符的列，需要被逆透视的列，被逆透视后的列名，逆透视化后的列名）
sns.barplot(data=melted_data, x='month', y='score',
                hue='subject', palette={'math': 'blue', 'english': 'red'})
# 若需要分簇显示，可以先逆透视数据，再使用hue参数来分类

sns.lineplot(data=data, x=data['month'], y=data['math'], color='blue')
# （数据，X轴数据，y轴数据，颜色）

sns.scatterplot(data=data, x=data['month'], y=data['math'], color='blue')

bar = Bar() # 创建一个Bar对象
bar.add_xaxis(list(data['month'])) # 添加x轴数据
bar.add_yaxis('math', list(data['math'])) # 添加y轴数据
bar.add_yaxis('english', list(data['english'])) # 添加第二个y轴数据
bar.render('index.html') # 渲染到HTML中

line = Line() # 创建一个Line对象
line.add_xaxis(data['month'])
line.add_yaxis('math', data['math'])
line.add_yaxis('english',data['english'])
line.render('index.html')
# 折线统计图可以直接传入DataFrame，而无需传入原生数据类型

scatter = Scatter() # 创建一个Scatter对象
scatter.add_xaxis(data['month'])
scatter.add_yaxis('math', data['math'])
scatter.add_yaxis('english',data['english'])
scatter.render('index.html')