最近有不少读者同学来问我，Python绘图库太多，我知不知道学哪一个？即便我抉择了某一个绘图库后，我也不晓得怎么学，我不晓得第一步做什么，也不晓得接下来该怎么做，四个字一学就忘。

其实这也是我过后很困扰的一个问题，我过后在学习完numpy和pandas后，就开始了matplotlib的学习。我反正是十分解体的，每次就感觉绘图代码怎么这么多，绘图逻辑齐全一团糟，不晓得如何入手。

前面随着本人重复的学习，我找到了学习Python绘图库的办法，那就是学习它的绘图原理。正所谓：“知己知彼，百战不殆”，学会了原理，剩下的就是纯熟的问题了。

明天咱们就用一篇文章，带大家梳理matplotlib、seaborn、plotly、pyecharts的绘图原理，让大家学起来不再那么吃力！

1. matplotlib绘图原理

对于matplotlib更具体的绘图阐明，大家能够参考上面这篇文章，置信你看了当前肯定学得会。

matplotlib绘图原理： http://suo.im/678FCo

1）绘图原理阐明

通过我本人的学习和了解，我将matplotlib绘图原理高度总结为如下几步：

  • ① 导库;
  • ② 创立figure画布对象;
  • ③ 获取对应地位的axes坐标系对象;
  • ④ 调用axes对象，进行对应地位的图形绘制;
  • ⑤ 显示图形;

2）案例阐明

# 1.导入相干库import matplotlib as mplimport matplotlib.pyplot as plt# 2.创立figure画布对象figure = plt.figure()# 3.获取对应地位的axes坐标系对象axes1 = figure.add_subplot(2,1,1)axes2 = figure.add_subplot(2,1,2)# 4.调用axes对象，进行对应地位的图形绘制axes1.plot([1,3,5,7],[4,9,6,8])axes2.plot([1,2,4,5],[8,4,6,2])# 5.显示图形figure.show()

后果如下：

2. seaborn绘图原理

在这四个绘图库外面，只有matplotlib和seaborn存在肯定的分割，其余绘图库之间都没有任何分割，就连绘图原理也都是不一样的。

seaborn是matplotlib的更高级的封装。因而学习seaborn之前，首先要晓得matplotlib的绘图原理。因为seaborn是matplotlib的更高级的封装，对于matplotlib的那些调优参数设置，也都能够在应用seaborn绘制图形之后应用。

咱们晓得，应用matplotlib绘图，须要调节大量的绘图参数，须要记忆的货色很多。而seaborn基于matplotlib做了更高级的封装，使得绘图更加容易，它不须要理解大量的底层参数，就能够绘制出很多比拟粗劣的图形。不仅如此，seaborn还兼容numpy、pandas数据结构，在组织数据上起了很大作用，从而更大程度上的帮忙咱们实现数据可视化。

因为seaborn的绘图原理，和matplotlib的绘图原理统一，这里也就不具体介绍了，大家能够参考下面matplotlib的绘图原理，来学习seaborn到底如何绘图，这里还是提供一个网址给大家。

seaborn绘图原理： http://suo.im/5D3VPX

1）案例阐明

# 1.导入相干库import seaborn as snsimport matplotlib.pyplot as pltdf = pd.read_excel("data.xlsx",sheet_name="数据源")sns.set_style("dark")plt.rcParams["font.sans-serif"] = ["SimHei"]plt.rcParams["axes.unicode_minus"] = False# 留神：estimator示意对分组后的销售数量求和。默认是求均值。sns.barplot(x="品牌",y="销售数量",data=df,color="steelblue",orient="v",estimator=sum)plt.show()

后果如下：

留神：能够看到在上述的绘图代码中，你应该有这样一个感触，图中既有matplotlib的绘图代码，也有seaborn的绘图代码。其实就是这样的，咱们就是依照matplobt的绘图原理进行图形绘制，只是有些中央改成seaborn特有的代码即可，剩下的调整格局，都能够应用matplotlib中的办法进行调整。

3. plotly绘图原理

首先在介绍这个图的绘图原理之前，咱们先简略介绍一下plotly这个绘图库。

  • plotly是一个基于javascript的绘图库，plotly绘图品种丰盛，成果好看；
  • 易于保留与分享plotly的绘图后果，并且能够与Web无缝集成；
  • ploty默认的绘图后果，是一个HTML网页文件，通过浏览器能够间接查看；

它的绘图原理和matplotlib、seaborn没有任何关系，你须要独自去学习它。同样我还是提供了一个网址给你，让你更具体的学习plotly。

plotly绘图原理： http://suo.im/5vxNTu

1）绘图原理阐明

通过我本人的学习和了解，我将plotly绘图原理高度总结为如下几步：

  • ① 绘制图形轨迹，在ployly外面叫做trace，每一个轨迹是一个trace。
  • ② 将轨迹包裹成一个列表，造成一个“轨迹列表”。一个轨迹放在一个列表中，多个轨迹也是放在一个列表中。
  • ③ 创立画布的同时，并将上述的轨迹列表，传入到Figure()中。
  • ④ 应用Layout()增加其余的绘图参数，欠缺图形。
  • ⑤ 展现图形。

2）案例阐明

import numpy as npimport pandas as pdimport plotly as pyimport plotly.graph_objs as goimport plotly.expression as pxfrom plotly import toolsdf = pd.read_excel("plot.xlsx")# 1.绘制图形轨迹，在ployly外面叫做`trace`，每一个轨迹是一个trace。trace0 = go.Scatter(x=df["年份"],y=df["城镇居民"],name="城镇居民")trace1 = go.Scatter(x=df["年份"],y=df["农村居民"],name="农村居民")# 2.将轨迹包裹成一个列表，造成一个“轨迹列表”。一个轨迹放在一个列表中，多个轨迹也是放在一个列表中。data = [trace0,trace1]# 3.创立画布的同时，并将上述的`轨迹列表`，传入到`Figure()`中。fig = go.Figure(data)# 4.应用`Layout()`增加其余的绘图参数，欠缺图形。fig.update_layout(    title="城乡居民家庭人均收入",    xaxis_title="年份",    yaxis_title="人均收入（元）")# 5.展现图形。fig.show()

后果如下：

4. pyecharts绘图原理

Echarts是一个由百度开源的数据可视化工具，凭借着良好的交互性，精美的图表设计，失去了泛滥开发者的认可。而python是一门富裕表达力的语言，很适宜用于数据处理。当数据分析遇上了数据可视化时，pyecharts诞生了。

pyecharts分为v0.5和v1两个大版本，v0.5和v1两个版本不兼容，v1是一个全新的版本，因而咱们的学习尽量都是基于v1版本进行操作。

和plotly一样，pyecharts的绘图原理也是齐全不同于matplotlib和seaborn，咱们须要额定的去学习它们的绘图原理，基于此，同样提供一个网址给你，让你更具体的学习pyecharts。

pyecharts的绘图原理： http://suo.im/5S1PF1

1）绘图原理阐明

通过我本人的学习和了解，我将plotly绘图原理高度总结为如下几步：

  • ① 抉择图表类型；
  • ② 申明图形类并增加数据；
  • ③ 抉择全局变量；
  • ④ 显示及保留图表；

2）案例阐明

# 1.抉择图表类型：咱们应用的是线图，就间接从charts模块中导入Line这个模块；from pyecharts.charts import Lineimport pyecharts.options as optsimport numpy as npx = np.linspace(0,2 * np.pi,100)y = np.sin(x)( # 2.咱们绘制的是Line线图，就须要实例化这个图形类，间接Line()即可； Line() # 3.增加数据，别离给x,y轴增加数据； .add_xaxis(xaxis_data=x) .add_yaxis(series_name="绘制线图",y_axis=y,label_opts=opts.LabelOpts(is_show=False)) .set_global_opts(title_opts=opts.TitleOpts(title="我是题目",subtitle="我是副标题",title_link="https://www.baidu.com/"),                  tooltip_opts=opts.TooltipOpts())).render_notebook() # 4.render_notebook()用于显示及保留图表；

后果如下：

小结

通过下面的学习，我置信必定会让大家对于这些库的绘图原理，肯定会有一个新的意识。

其实其实不论是任何编程软件的绘图库，都有它的绘图原理。咱们与其自觉的去绘制各种各样的图形，不如先搞清楚它们的套路后，再去进行绘图库的图形练习，这样上来，我感觉大家会有一个很大的进步。

以上就是本次分享的所有内容，如果你感觉文章还不错，欢送关注公众号：Python编程学习圈，每日干货分享，发送“J”还可支付大量学习材料，内容笼罩Python电子书、教程、数据库编程、Django，爬虫，云计算等等。或是返回编程学习网，理解更多编程技术常识。