面向小白的最全Python可视化教程，超全的

AIU人工智能学院

518

收藏 2022-04-22

作者：俊欣

来源：关于数据分析与可视化

今天小编总结归纳了若干个常用的可视化图表，并且通过调用plotly、matplotlib、altair、bokeh和seaborn等模块来分别绘制这些常用的可视化图表，最后无论是绘制可视化的代码，还是会指出来的结果都会通过调用streamlit模块展示在一个可视化大屏，出来的效果如下图所示

pythonkeshihua/' style='color:#000;;'>Python可视化教程，超全的" class="syl-page-img" style="border: none; margin-top: 20px; max-; height: auto;">

那我们接下去便一步一步开始可视化大屏的制作吧！

标题、副标题以及下拉框

首先我们对标题、副标题部分的内容，代码如下

with st.container(): st.title("

也可以选择是沉浸式的，也即是“单排式”的，如下图所示

pythonkeshihua/' style='color:#000;;'>Python可视化教程，超全的" class="syl-page-img" style="border: none; margin-top: 20px; max-; height: auto;">

代码如下

two_cols = st.checkbox("2 columns?", True) if two_cols: col1, col2 = st.columns(2)
# 展示图表
if two_cols: with col1:
show_plot(kind="Matplotlib")
with col2:
show_plot(kind="Seaborn")
with col1:
show_plot(kind="Plotly Express")
with col2:
show_plot(kind="Altair")
with col1:
show_plot(kind="Pandas Matplotlib")
with col2:
show_plot(kind="Bokeh")
else:
with st.container():
for lib in libs:
show_plot(kind=lib)

对于双排式的展示方式而言，col1也就是左边，放置的是matplotlib、plotly、以及pandas绘制出来的图表，右边也就是col2也就是右边，放置的是seaborn、altair以及bokeh绘制出来的图表，而上述代码中调用的show_plot()函数代码如下

# 生成图表
def show_plot(kind: str):
st.write(kind) if kind == "Matplotlib":
plot = matplotlib_plot(chart_type, df)
st.pyplot(plot) elif kind == "Seaborn":
plot = sns_plot(chart_type, df)
   st.pyplot(plot) elif kind == "Plotly Express":
      plot = plotly_plot(chart_type, df)
      st.plotly_chart(plot, use_container_width=True)
elif kind == "Altair":
   plot = altair_plot(chart_type, df)
   st.altair_chart(plot, use_container_width=True)
elif kind == "Pandas Matplotlib":
      plot = pd_plot(chart_type, df)
      st.pyplot(plot) elif kind == "Bokeh":
      plot = bokeh_plot(chart_type, df)
      st.bokeh_chart(plot, use_container_width=True)

是一系列if...else...的判断，当绘制图表的模块是matplotlib时就调用对应的matplotlib_plot()函数，当绘制图表的模块是seaborn时就调用对应的sns_plot()函数，依次同理。我们来看其中一个函数sns_plot()的具体逻辑，代码如下

def sns_plot(chart_type: str, df):
""" 生成seaborn绘制的图表 """
fig, ax = plt.subplots() if chart_type == "Scatter": with st.echo():
         sns.scatterplot(
            data=df,
            x="bill_depth_mm",
            y="bill_length_mm",
            hue="species",
         )
         plt.title("Bill Depth by Bill Length") elif chart_type == "Histogram": with st.echo():
         sns.histplot(data=df, x="bill_depth_mm")
         plt.title("Count of Bill Depth Observations")
elif chart_type == "Bar": with st.echo():
         sns.barplot(data=df, x="species", y="bill_depth_mm")
         plt.title("Mean Bill Depth by Species") elif chart_type == "Boxplot":
with st.echo():
         sns.boxplot(data=df["bill_depth_mm"].dropna())
         plt.title("Bill Depth Observations") elif chart_type == "Line": with st.echo():
         sns.lineplot(data=df, x=df.index, y="bill_length_mm")
         plt.title("Bill Length Over Time") return fig

其实也是一系列if...else...的判断，当所要绘制的图表是散点图时，调用的是sns.scatterplot()函数，所要绘制的是直方图时，调用的是sns.histplot()，绘制的柱状图或者是折线图时也是同理

最后要是我们想要查看源数据时，也可以查看，代码如下

# 展示源数据 with st.container():
show_data = st.checkbox("See the raw data?") if show_data:
   df # 要点 st.subheader("Notes")
st.write( """
      - 这个应用是通过python当中的streamlit模块制作出来的
      - 关注"关于数据分析与可视化"，学习更多数据分析和可视化知识与技能
      """ )

output