数据可视化-2：高阶图表的应用与技巧

创作时间:

作者:

@小白创作中心

数据可视化-2：高阶图表的应用与技巧

引用

CSDN

https://blog.csdn.net/yfmsx/article/details/144713225

在数据分析的过程中，选择合适的可视化图表对提升数据的可读性和理解性至关重要。除了基础的折线图和柱状图，许多高阶图表可以帮助我们更直观地展示复杂的数据关系。本文将深入探讨几种高阶图表的应用，包括气泡图、面积图、雷达图、玫瑰图和3D图表，并展示如何使用Python的Matplotlib和Seaborn库实现这些图表。

1. 气泡图

气泡图是一种通过气泡的位置和大小来展示三维数据关系的图表。常用于展示多个变量之间的关系，尤其是在市场分析中。

示例代码

import matplotlib.pyplot as plt

# 定义数据
x = [1, 2, 3, 4, 5]
y = [2, 3, 5, 7, 11]
sizes = [100, 200, 300, 400, 500]  # 气泡大小

# 创建气泡图
plt.scatter(x, y, s=sizes, alpha=0.5, color='blue')
plt.title('气泡图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.show()

2. 面积图

面积图是展示数据变化趋势的一种有效图表，强调的是数据在某个时间段内的总量。它与折线图相似，但通过填充区域来增强视觉效果。

示例代码

import numpy as np

# 定义数据
x = np.arange(1, 6)
y1 = np.array([1, 2, 3, 4, 5])
y2 = np.array([2, 3, 4, 5, 6])

# 创建面积图
plt.fill_between(x, y1, color="skyblue", alpha=0.4)
plt.fill_between(x, y2, color="sandybrown", alpha=0.5)
plt.title('面积图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.show()

3. 雷达图

雷达图用于展示多变量数据的比较，通常用于分析不同项目间的优缺点。它通过在极坐标系中描绘不同维度的数据，看起来十分直观。

示例代码

import matplotlib.pyplot as plt
import numpy as np

# 定义数据
labels = ['A', 'B', 'C', 'D']
stats = [60, 70, 80, 90]

# 数据归一化
stats = np.concatenate((stats,[stats[0]]))
angles = np.linspace(0, 2 * np.pi, len(labels), endpoint=False).tolist()

# 创建雷达图
fig, ax = plt.subplots(figsize=(6, 6), subplot_kw=dict(polar=True))
ax.fill(angles, stats, color='red', alpha=0.25)
ax.set_yticklabels([])
ax.set_xticks(angles[:-1])
ax.set_xticklabels(labels)
plt.title('雷达图示例')
plt.show()

4. 玫瑰图

玫瑰图用于表示不同类别的数据出现频率，通常呈现为极坐标图。适合于分析方向性的数据，如风速、方向等。

示例代码

N = 10
theta = np.linspace(0.0, 2 * np.pi, N, endpoint=False)  
radii = 5 * np.random.rand(N)  
width = np.pi / 4 * np.random.rand(N)

# 创建玫瑰图
ax = plt.subplot(111, polar=True)
bars = ax.bar(theta, radii, width=width, color='blue', alpha=0.5)
plt.title('玫瑰图示例')
plt.show()

5. 3D图表

使用Matplotlib可以轻松绘制3D图表，以展示三维数据，增强数据的可视化效果。

示例代码

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 生成数据
x = np.random.rand(100)
y = np.random.rand(100)
z = np.random.rand(100)

# 创建3D散点图
ax.scatter(x, y, z, c='r', marker='o')
ax.set_title('3D散点图示例')
ax.set_xlabel('X轴')
ax.set_ylabel('Y轴')
ax.set_zlabel('Z轴')
plt.show()