浏览器中的跨域问题

保存图表到文件

利用plt.savefig可以将当前图表保存到文件。例如，要将图表保存为png文件，可以执行

文件类型是根据拓展名而定的。其他参数还有：

• fname：含有文件路径的字符串，拓展名指定文件类型
• dpi：分辨率，默认100 facecolor,edgcolor 图像的背景色，默认‘w’白色
• format：显示设置文件格式('png','pdf','svg','ps','jpg'等)
• bbox_inches：图表需要保留的部分。如果设置为“tight”，则将尝试剪除图像周围的空白部分
• plt.savefig('./plot.jpg') #保存图像为plot名称的jpg格式图像

3、Pandas中的绘图函数

Matplotlib作图

matplotlib是最基础的绘图函数，也是相对较低级的工具。组装一张图表需要单独调用各个基础组件才行。Pandas中有许多基于matplotlib的高级绘图方法，原本需要多行代码才能搞定的图表，使用pandas只需要短短几行。

我们使用的就调用了pandas中的绘图包。
 

在python中，我们可以总结为以下四种基本视觉元素来展现图形：

• 点：scatter plot 二维数据，适用于简单二维关系;
• 线：line plot 二维数据，适用于时间序列;
• 柱状：bar plot 二维数据，适用于类别统计;
• 颜色：heatmap 适用于展示第三维度;

数据间存在分布，构成，比较，联系以及变化趋势等关系。对应不一样的关系，选择相应的图形进行展示。

第二步：转换数据，应用函数

数据分析和建模方面的大量编程工作都是用在数据准备的基础上的：加载、清理、转换以及重塑。我们可视化步骤也需要对数据进行整理，转换成我们需要的格式再套用可视化方法完成作图。

下面是一些常用的数据转换方法：

• 合并：merge，concat，combine_frist(类似于数据库中的全外连接)
• 重塑：reshape;轴向旋转：pivot(类似excel数据透视表)
• 去重：drop_duplicates
• 映射：map
• 填充替换：fillna,replace
• 重命名轴索引：rename

将分类变量转换‘哑变量矩阵’的get_dummies函数以及在df中对某列数据取限定值等等。

函数则根据第一步中选择好的图形，去找python中对应的函数。

第三步：参数设置，一目了然

原始图形画完后，我们可以根据需求修改颜色(color)，线型(linestyle)，标记(maker)或者其他图表装饰项标题(Title)，轴标签(xlabel，ylabel)，轴刻度(set_xticks)，还有图例(legend)等，让图形更加直观。

第三步是在第二步的基础上,为了使图形更加清晰明了，做的修饰工作。具体参数都可以在制图函数中找到。

2、可视化作图基础

Matplotlib作图基础

（编辑：长春站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!