数据可视化涉及用视觉表示来探索分析数据。 它与数据挖掘紧密相关，数据挖掘使用代码来探索数据的联系。 数据集可以是只有一行代码的一小段数字，或是以GB为单位的大量数据。
一个优秀的数据图表远不止是一个好看，更重要的时让人看到他不曾注意到的数据的联系。
借助Python的高效性，你可以很快速的看到一个基于数百万个的数据的数据集，当然也不只限于数字。
人们使用Python进行遗传学，气候研究，政治和经济分析等领域的数据密集型工作。
数据科学家用Python编写了一系列令人印象深刻的可视化和分析工具，您也可以使用其中的许多工具。
最受欢迎的工具之一是一个数学绘图库，matplotlib。
我们将使用matplotlib制作简单的图，例如折线图和散点图。之后，我们将基于随机游走的概念创建一个更有趣的数据集-从一系列随机决策中生成的可视化效果。
我们还将使用名为Pygal的程序包，该程序包专注于创建在数字设备上可以正常使用的可视化。
您可以在用户与可视化交互时使用Pygal来强调和调整元素的大小，并且可以轻松地调整整个的大小以适合小型智能手表或大型显示器。
我们将使用Pygal探索以各种方式掷骰子时会发生的情况。
安装 matplotlib
pip install matplotlib
对于python开发者而言，安装第三方库已不是什么难事。笔者不在此处赘述。
要查看可以使用matplotlib进行可视化的种类，请访问http://matplotlib.org/上的示例库。单击图库中的可视化文件时，您可以看到用于生成图的代码。
绘制简单的线图
我们使用matplotlib绘制一个简单的折线图，然后对其进行自定义以创建我们数据的更直观的可视化。我们将使用平方数序列1,4,9,16,25作为图形的数据。
只需向matplotlib提供如下所示的数字，剩下的就由matplotlib完成：
import matplotlib.pyplot as plt
squares = [1, 4, 9, 16, 25]
plt.plot(squares)
plt.show()
代码运行结果：
我们需要导入pyplot模块，为了在代码中重复输入pyplot，我们使用别名plt。
pyplot包含许多函数帮助生成图表。
在第3行，我们创建一个列表来保存1~5的平方，然后将其传递给plot()函数。
使用show()打开matplotlib的查看器并显示该图。
若您使用python自带的IDLE运行该代码，结果及界面如下图所示。查看器允许您缩放和导航图，如果单击磁盘图标，则可以保存所需的任何图图像。
若您使用Pycharm运行该代码，结果及界面如下图所示。
后续将只展示Pycharm的运行结果图。
更改标签类型和图形粗细
观察上一段代码的运行结果，显示的数字在增加，但标签类型太小，线条太细。
matplotlib允许您调整可视化的每个功能。
我们将使用一些可用的自定义项来提高该图的可读性，如下所示：
import matplotlib.pyplot as plt
squares = [1, 4, 9, 16, 25]
plt.plot(squares, linewidth=5)
# 设置图表标题和轴标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
# 设置标签大小
plt.tick_params(axis='both', labelsize=14)
plt.show()
代码运行结果：
第4行，线宽参数linewidth控制plot()生成的线的粗细。 第7行的title()函数设置图表的标题。
在整个代码中反复出现的fontsize参数控制图表上文本的大小。
使用xlabel()和ylabel()函数可以为每个轴设置标题，而函数tick_params()可以为刻度线设置样式。该行显示的参数(axes = 'both')会影响x轴和y轴上的刻度线，并将刻度线标签的字体大小设置为14(labelsize = 14)。
如您在上图中看到的那样，该图更容易阅读：标签类型较大，折线图较粗。
校正图
注意到了吗？在图形末尾，4.0的平方显示为25！让我们改正它。
当给plot()一个数字列表时，它假定第一个数据点对应于x坐标值0，但我们的第一个点对
应于x值1。
我们可以同时给plot()x的值和y的值。
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)
# 设置图表标题和轴标签
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
# 设置标签大小
plt.tick_params(axis='both', labelsize=14)
plt.show()
代码运行结果：
我们新增了x轴的值，并将input_values和squares同时作为参数传给plot()。
在使用plot()时，您可以指定许多参数，并使用许多函数来自定义绘图。在本章中，我们将使用更多有趣的数据集来继续探索这些定制功能。
使用散点图绘制和个性化单个点
有时，能够根据某些特征绘制或设置单个点很有用。例如，您可能以一种颜色绘制较小的值，而以另一种颜色绘制较大的值。您还可以绘制带有一组样式选项的大型数据集，然后通过使用不同的选项重新绘制各个点来强调各个点。
要绘制单个点，需使用scatter()函数。将关注点的单个点(x,y)值传递给scatter()，它将绘制这些值：
import matplotlib.pyplot as plt
plt.scatter(2, 4)
plt.show()
绘制了坐标为(2,4)的点。
代码运行结果：
让我们对输出进行设置样式使其更有趣。
我们将添加一个标题，标记轴，并确保所有文本都足够大以供阅读：
import matplotlib.pyplot as plt
plt.scatter(2, 4, s=200)
# Set chart title and label axes.
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
# Set size of tick labels.
plt.tick_params(axis='both', which='major', labelsize=14)
plt.show()
代码运行结果：
在第3行，我们调用scatter()并使用参数s来设置点的大小。
用scatter()绘制一系列点
要绘制一系列点，我们可以传递x和y值列表。
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=200)
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
plt.tick_params(axis='both', which='major', labelsize=14)
plt.show()
代码运行结果：
x_values列表包含要平方的数字，y_values包含每个数字的平方。
将这些列表传递到scatter()时，matplotlib在绘制每个点时会从每个列表中读取一个值。
要绘制的点是(1,1)，(2,4)，(3,9)，(4,16)和(5,25)。
当然，我们可以显示1~1000的平方：
import matplotlib.pyplot as plt
x_values = [i for i in range(1, 1001)]
y_values = [x ** 2 for x in x_values]
plt.scatter(x_values, y_values, s=40)
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
plt.tick_params(axis='both', which='major', labelsize=14)
# 设置轴的范围
plt.axis([0, 1100, 0, 1100000])
plt.show()
代码运行结果：
因为这是一个较大数据集，所以我们使用较小的点大小，并使用第14行的axis()函数指定每个轴的范围。
axis()函数需要一个列表作为参数，这个列表需要四个值：x轴的最小值和最大值和y轴的最小值和最大值。
删除数据点轮廓
matplotlib使您可以在散点图中分别为点着色。
带黑色轮廓的默认蓝色圆点非常适合点不多的图。
但是在绘制许多点时，黑色轮廓会融合在一起。要删除点周围的轮廓，需在调用scatter()时传递参数edgecolor ='none'
plt.scatter(x_values, y_values, edgecolors='None', s=40)
自定义颜色
要更改点的颜色，请将参数c赋值要使用的颜色并传递给scatter()如下所示：
import matplotlib.pyplot as plt
x_values = [i for i in range(1, 1001)]
y_values = [x ** 2 for x in x_values]
plt.scatter(x_values, y_values, c='red', edgecolors='None', s=40)
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
plt.tick_params(axis='both', which='major', labelsize=14)
# 设置轴的范围
plt.axis([0, 1100, 0, 1100000])
plt.show()
在第5行添加参数c并赋值为red，再次运行程序，就会得到下面的图形。
可以通过以下方式指定颜色：
- 颜色名：如
'red’,blue,cyan,green,yellow,magenta,white,black。这八种颜色支持缩写(除了黑色是k, 其他都是首字母) - RGB或RGBA：[0,1] 范围内的三元(RGB) 或 四元(RGBA) 元组, 如:
(0,0,0.8) - 十六进制字符串：如
#0F0F0F(RBG) 或#1F2F3F4F(RGBA) - 浮点字符串：[0,1]范围内的所有数字的字符串，
'0'为黑色，'1'为白色，'0.5'为灰色，从0到1逐渐由黑到白。
使用色彩图
色图是从开始颜色到结束颜色的一系列渐变颜色。
彩色图用于可视化中以强调数据中的图案。
例如，您可以将低值设置为浅色，将高值设置为深色。
pyplot模块包括一组内置的颜色图。
要使用这些颜色图之一，您需要指定pyplot应如何为数据集中的每个点分配颜色。
以下是根据每个点的y值为其分配颜色的方法：
import matplotlib.pyplot as plt
x_values = [i for i in range(1, 1001)]
y_values = [x ** 2 for x in x_values]
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, edgecolors='None', s=40)
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
plt.tick_params(axis='both', which='major', labelsize=14)
# 设置轴的范围
plt.axis([0, 1100, 0, 1100000])
plt.show()
我们将y_values列表传递给c，然后通过cmap参数告诉pyplot使用哪个颜色图。
此代码将y值较低的点涂成浅蓝色，将y值较大的点涂成深蓝色。
你可以在http://matplotlib.org/上的pyplot中查看所有可用的颜色图。转到Examples，向下滚动到颜色示例，然后单击colormaps_reference。
自动保存图
如果要让程序将图自动保存到文件中，可以将plt.show()替换为plt.savefig()：
import matplotlib.pyplot as plt
x_values = [i for i in range(1, 1001)]
y_values = [x ** 2 for x in x_values]
plt.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, edgecolors='None', s=40)
plt.title("Square Numbers", fontsize=24)
plt.xlabel("Value", fontsize=14)
plt.ylabel("Square of Value", fontsize=14)
plt.tick_params(axis='both', which='major', labelsize=14)
# 设置轴的范围
plt.axis([0, 1100, 0, 1100000])
plt.savefig('squares_plot.png', bbox_inches='tight')
第一个参数是图像的文件名，它将与代码保存在同一目录中。
第二个参数修剪图中多余的空白。如果要在绘图周围留有多余的空格，则可以忽略此参数。
