有这5小段代码在手，轻松实现数据可视化（Python+Matplotlib）

大数据文摘作品

编译：傅一洋、吴双、龙牧雪

本文要讲的是Matplotlib，一个强大的Python可视化库。一共5小段代码，轻松实现散点图、折线图、直方图、柱状图、箱线图，每段代码只有10行，也是再简单不过了吧!

数据可视化是数据科学家工作的一项主要任务。在项目早期阶段，通常会进行探索性数据分析(EDA)以获取对数据的理解和洞察，尤其对于大型高维的数据集，数据可视化着实有助于使数据关系更清晰易懂。

同时在项目结束时，以清晰、简洁和引人注目的方式展示最终结果也是非常重要的，因为受众往往是非技术性客户，只有这样，他们才更容易去理解。

Matplotlib是个很流行的Python库，可以轻松实现数据可视化。但是，每次执行新项目的绘图时，设置数据、参数、图形的过程都非常的繁琐。 在本文中，我们将着眼于5种数据可视化方法，用Python的Matplotlib库实现一些快速而简单的功能。

首先，请大家看看这张大的地图，它能指引你根据不同情况，选择正确的可视化方法：

根据情况选择适当的数据可视化技术

散点图

散点图非常适合展现两个变量间关系，因为，图中可以直接看出数据的原始分布。还可以通过设置不同的颜色，轻松地查看不同组数据间的关系，如下图所示。那如果想要可视化三个变量之间的关系呢?没问题!只需再添加一个参数(如点的大小)来表示第三个变量就可以了，如下面第二个图所示。

以颜色分组的散点图

加入新维度：圆圈大小

现在来写代码。首先导入Matplotlib库的pyplot子库，并命名为plt。使用 plt.subplots()命令创建一个新的图。将x轴和y轴数据传递给相应数组x_data和y_data，然后将数组和其他参数传递给ax.scatter()以绘制散点图。我们还可以设置点的大小、颜色和alpha透明度，甚至将y轴设置成对数坐标。最后再为该图设置好必要的标题和轴标签。这个函数轻松地实现了端到端的绘图!

import matplotlib.pyplot as plt 

import numpy as np 

def scatterplot(x_data, y_data, x_label="", y_label="", title="", color = "r", yscale_log=False): 

   # Create the plot object 

   _, ax = plt.subplots() 

   # Plot the data, set the size (s), color and transparency (alpha) 

   # of the points 

   ax.scatter(x_data, y_data, s = 10, colorcolor = color, alpha = 0.75) 

   if yscale_log == True: 

       ax.set_yscale('log') 

   # Label the axes and provide a title 

   ax.set_title(title) 

   ax.set_xlabel(x_label) 

   ax.set_ylabel(y_label) 

折线图