本文關(guān)鍵闡述了python大數(shù)據(jù)可視化制作趨勢線和界限統(tǒng)計圖表，python制作趨勢線，呈現(xiàn)2個自變量的關(guān)系，當數(shù)據(jù)信息包括多個時，應(yīng)用不一樣顏色形狀區(qū)別

　　一、制作趨勢線

　　實現(xiàn)方案：

　　python制作趨勢線，呈現(xiàn)2個自變量的關(guān)系，當數(shù)據(jù)信息包括多個時，應(yīng)用不一樣顏色形狀區(qū)別。

　　實現(xiàn)代碼：

　　import numpy as np
　　import pandas as pd
　　import matplotlib as mpl
　　import matplotlib.pyplot as plt
　　import seaborn as sns
　　import warnings
　　warnings.filterwarnings(action='once')
　　plt.style.use('seaborn-whitegrid')
　　sns.set_style("whitegrid")
　　print(mpl.__version__)
　　print(sns.__version__)
　　def draw_scatter(file):
　　#Import dataset
　　midwest=pd.read_csv(file)
　　#Prepare Data
　　#Create as many colors as there are unique midwest['category']
　　categories=np.unique(midwest['category'])
　　colors=[plt.cm.Set1(i/float(len(categories)-1))for i in range(len(categories))]
　　#Draw Plot for Each Category
　　plt.figure(figsize=(10,6),dpi=100,facecolor='w',edgecolor='k')
　　for i,category in enumerate(categories):
　　plt.scatter('area','poptotal',data=midwest.loc[midwest.category==category,:],s=20,c=colors<i>,label=str(category))
　　#Decorations
　　plt.gca().set(xlim=(0.0,0.1),ylim=(0,90000),)
　　plt.xticks(fontsize=10)
　　plt.yticks(fontsize=10)
　　plt.xlabel('Area',fontdict={'fontsize':10})
　　plt.ylabel('Population',fontdict={'fontsize':10})
　　plt.title("Scatterplot of Midwest Area vs Population",fontsize=12)
　　plt.legend(fontsize=10)
　　plt.show()
　　draw_scatter("F:數(shù)據(jù)雜壇datasetsmidwest_filter.csv")

　　實現(xiàn)效果：

　　二、繪制邊界氣泡圖

　　實現(xiàn)功能：

　　氣泡圖是散點圖中的一種類型，可以展現(xiàn)三個數(shù)值變量之間的關(guān)系，之前的文章介紹過一般的散點圖都是反映兩個數(shù)值型變量的關(guān)系，所以如果還想通過散點圖添加第三個數(shù)值型變量的信息，一般可以使用氣泡圖。氣泡圖的實質(zhì)就是通過第三個數(shù)值型變量控制每個散點的大小，點越大，代表的第三維數(shù)值越高，反之亦然。而邊界氣泡圖則是在氣泡圖添加第四個類別型變量的信息，將一些重要的點選出來并連接。

　　實現(xiàn)代碼：

　　import numpy as np
　　import pandas as pd
　　import matplotlib as mpl
　　import matplotlib.pyplot as plt
　　import seaborn as sns
　　import warnings
　　from scipy.spatial import ConvexHull
　　warnings.filterwarnings(action='once')
　　plt.style.use('seaborn-whitegrid')
　　sns.set_style("whitegrid")
　　print(mpl.__version__)
　　print(sns.__version__)
　　def draw_scatter(file):
　　#Step 1:Prepare Data
　　midwest=pd.read_csv(file)
　　#As many colors as there are unique midwest['category']
　　categories=np.unique(midwest['category'])
　　colors=[plt.cm.Set1(i/float(len(categories)-1))for i in range(len(categories))]
　　#Step 2:Draw Scatterplot with unique color for each category
　　fig=plt.figure(figsize=(10,6),dpi=80,facecolor='w',edgecolor='k')
　　for i,category in enumerate(categories):
　　plt.scatter('area','poptotal',data=midwest.loc[midwest.category==category,:],s='dot_size',c=colors<i>,label=str(category),edgecolors='black',linewidths=.5)
　　#Step 3:Encircling
　　#https://stackoverflow.com/questions/44575681/how-do-i-encircle-different-data-sets-in-scatter-plot
　　def encircle(x,y,ax=None,**kw):#定義encircle函數(shù)，圈出重點關(guān)注的點
　　if not ax:ax=plt.gca()
　　p=np.c_[x,y]
　　hull=ConvexHull(p)
　　poly=plt.Polygon(p[hull.vertices,:],**kw)
　　ax.add_patch(poly)
　　#Select data to be encircled
　　midwest_encircle_data1=midwest.loc[midwest.state=='IN',:]
　　encircle(midwest_encircle_data1.area,midwest_encircle_data1.poptotal,ec="pink",fc="#74C476",alpha=0.3)
　　encircle(midwest_encircle_data1.area,midwest_encircle_data1.poptotal,ec="g",fc="none",linewidth=1.5)
　　midwest_encircle_data6=midwest.loc[midwest.state=='WI',:]
　　encircle(midwest_encircle_data6.area,midwest_encircle_data6.poptotal,ec="pink",fc="black",alpha=0.3)
　　encircle(midwest_encircle_data6.area,midwest_encircle_data6.poptotal,ec="black",fc="none",linewidth=1.5,linestyle='--')
　　#Step 4:Decorations
　　plt.gca().set(xlim=(0.0,0.1),ylim=(0,90000),)
　　plt.xticks(fontsize=12)
　　plt.yticks(fontsize=12)
　　plt.xlabel('Area',fontdict={'fontsize':14})
　　plt.ylabel('Population',fontdict={'fontsize':14})
　　plt.title("Bubble Plot with Encircling",fontsize=14)
　　plt.legend(fontsize=10)
　　plt.show()
　　draw_scatter("F:數(shù)據(jù)雜壇datasetsmidwest_filter.csv")

　　實現(xiàn)效果：

　　綜上所述，這篇文章就給大家介紹到這里了，希望可以給大家?guī)韼椭?/p>