一、数据可视化
数据可视化指的是通过可视化表示来探索数据。
数据挖掘指的是使用代码来探索数据集的规律和关联。
二、安装matplotlib
具体的安装方法参照百度。
三、绘制简单的折线图
import matplotlib.pyplot as plt squares=[1,4,9,16,25] plt.plot(squares) plt.show()
首先将matplotlib中的pyplot模块导入，pyplot模块中的plot()函数接收一个列表参数，并尝试将其绘制成有意义的折线图，然后通过pyplot模块中的show()函数将matplotlib的查看器打开，这样plot()函数绘制的折线图就在查看器中显示出来了。
四、修改标签文字和线条粗细
import matplotlib.pyplot as plt
squares=[1,4,9,16,25]
plt.plot(squares,linewidth=5)
plt.title('Square Numbers',fontsize=24)
plt.xlabel('Value',fontsize=14)
plt.ylabel('Square of Value',fontsize=14)
plt.tick_params(axis='both',labelsize=14)
plt.show()
导入的pyplot模块就相当于一个查看器，而图是显示在查看器上的，所以对于图的设置，只需要直接来操作pyplot模块中的函数即可。其中title()函数时用来设置查看器的标题，xlabel()和ylabel()是用来设置x和y轴的标签的，tick_params()是用来设置坐标轴上刻度的，其形参axis表示指定的实参将影响多少个坐标轴上的刻度。
五、校正图形
当向plot()函数提供一系列的数据时，其默认第一个数据对应的x坐标点为0，而我们上面的第一个数据是1，却被默认为了0，所以上面绘出的图形不正确。为避免这种情况，我们可以给plot()函数既提供输入值又提供输出值，例如：
import matplotlib.pyplot as plt
input_values = [1, 2, 3, 4, 5]
squares = [1, 4, 9, 16, 25]
plt.plot(input_values,squares,linewidth=5)
plt.title('Square Numbers',fontsize=24)
plt.xlabel('Value',fontsize=14)
plt.ylabel('Square of Value',fontsize=14)
plt.tick_params(axis='both',labelsize=14)
plt.show() 这样plot()就会建立起这些数据之间的真实对应关系。
六、绘制单个点
import matplotlib.pyplot as plt plt.scatter(2,4，s=200) plt.show()
函数scatter()会在指定坐标(2,4)处绘制一个单点。其中s=200表示绘制的单点的大小。
七、绘制一系列的点
import matplotlib.pyplot as plt x_values = [1, 2, 3, 4, 5] y_values = [1, 4, 9, 16, 25] plt.scatter(x_values, y_values, s=100) plt.show()
其中scatter()函数会依次从每个列表中读取一个值组成坐标来绘制一个单点，以上代码一共绘制了5个单点。
八、生成数据来绘制图
import matplotlib.pyplot as plt x=list(range(1,1001)) y=[m**2 for m in x] plt.scatter(x,y,s=40) plt.axis([0,1100,0,1100000]) plt.show()
其中需要解释的就是axis()了，它指定了x和y轴刻度的起始范围。
九、删除单点的轮廓
scatter()函数默认绘制的点是蓝色点和黑色轮廓，如果想要将轮廓删除，其实就是修改轮廓的颜色为无色，例如plt.scatter(x,y,edgecolor='none'，s=40)。
十、修改绘制的点的颜色
例如:plt.scatter(x,y,c=p,edgecolor='none',s=40)其中p可以是字符串，比如'red'等，还可以是元组，比如(0,0,0.8)，其中各值越接近0则颜色越深，越接近1则颜色越浅。
十一、颜色映射
颜色映射个人理解为就是根据数据值来设置对应的颜色，形成数据值与颜色的一一映射。在pyplot中内置了一组颜色映射。例如：
import matplotlib.pyplot as plt x=list(range(1,1001)) y=[m**2 for m in x] plt.scatter(x,y,c=y,cmap=plt.cm.Blues,edgecolor='none',s=40) plt.axis([0,1100,0,1100000]) plt.show()
其中给c指定值为y轴数据，y轴的数据是由小变大的，再指定cmap使用的是Blues颜色映射，这样就会让绘制出来的点中值小的颜色浅，值大的颜色深。
十二、自动保存图表
要实现这个功能，需要注意是使用plt.savefig('hh',bbox_inches='tight')替换掉plt.show()，这样就会将图表保存为当前工作目录下的hh.png图片，并且第二个参数bbox_inches='tight'表示将图表多余的空白区域裁剪掉。
十三、随机漫步
1.首先需要知道什么是随机漫步，随机漫步就是这样行走得到的路径：每次行走都完全是随机的，并没有明确的方向，而这样行走的结果是由一系列随机决策决定的。再简单地理解为随机漫步就是一只蚂蚁在晕头转向的情况下，每次都沿着随机的方向前行所经过的路径。这些解释完全是书本上的，不过通俗易懂，直接抄来了。
2.我们首先创建一个RandomWalk类，来产生随机漫步后生成的一系列点的坐标（每走一步，就会到达一个新的点）。RandomWalk类如下：
from random import choice
class RandomWalk():
'''一个生成随机漫步数据的类'''
def __init__(self,num_points=5000):
'''初始化随机漫步的属性'''
self.num_points=num_points
#所有随机漫步都始于（0,0）
self.x_values=[0]
self.y_values=[0]
def fill_walk(self):
'''计算随机漫步包含的所有点'''
while len(self.x_values)<self.num_points:
x_direction=choice([1,-1])
x_diatance=choice([0,1,2,3,4])
x_step=x_direction*x_diatance
y_direction=choice([1,-1])
y_diatance=choice([0,1,2,3,4])
y_step=y_direction*y_diatance
if x_step==0 and y_step==0:
continue
next_x=self.x_values[-1]+x_step
next_y=self.y_values[-1]+y_step
self.x_values.append(next_x)
self.y_values.append(next_y)
要生成随机的数字，首先需要导入random模块中的choice函数，这个函数接收一个列表，并随机选择列表中的一个元素作为返回值。既然是随机漫步，那么就需要知道下一步往哪个方向走多少距离，这样每一次就叫做一次决策，使用choice就实现了随机决策。每到达一个新点，就将该点的坐标存入列表。
十四、设置坐标轴不可见
可以使用
plt.axes().get_xaxis().set_visible(False) plt.axes().get_yaxis().set_visible(False)
来将坐标轴隐藏，其中axes表示坐标轴，axis就表示某一个坐标轴
十五、调整查看器的尺寸
可以使用plt.figure(dpi=128, figsize=(10, 6)) 来调整查看器的大小，其中dpi表示屏幕的分辨率，可以省略。figsize是来设置查看器的大小的，它是一个元组。
十六、Pygal介绍
使用Pygal可以用来绘制可以缩放的矢量图。这种图可以跟随不同的屏幕尺寸自动调整图的大小。
十七、安装Pygal
在Windows中使用python -m pip install --user pygal来安装。
十八、使用pygal来绘制直方图
1.我们来模拟一个六面的骰子投掷100次，记录下这100次中每一个面出现的频率，并将频率用直方图显示出来。首先需要建立一个die模块，里面包含有一个Die类，它用来获得模拟投骰子的结果。例如：
from random import randint
class Die():
def __init__(self,num_sides=6):
self.num_sides=num_sides
def roll(self):
return randint(1,self.num_sides)
这段代码没有什么难点。
2.接下来，我们在die_visual.py中来绘制直方图，例如：
import pygal
from die import Die
die=Die()
results=[]
for roll_num in range(100):
result=die.roll()
results.append(result)
frequencies=[]
for value in range(1,die.num_sides+1):
frequency=results.count(value)
frequencies.append(frequency)
hist=pygal.Bar()
hist.title='结果'
hist.x_labels=['1','2','3','4','5','6']
hist.x_title='Result'
hist.y_title='频率'
hist.add('D6',frequencies)
hist.render_to_file('die_visual.svg')
这里新出现了一个方法results.count(p)，这个方法会计算p在列表results中出现的次数。