Использование библиотек визуализации данных (Matplotlib, Seaborn)

Библиотеки визуализации данных, такие как Matplotlib и Seaborn, широко используются в Python для создания графиков и диаграмм. Они позволяют визуализировать данные, что помогает лучше понять и проанализировать их. Давайте рассмотрим основные возможности этих библиотек.

Matplotlib

Matplotlib — это базовая библиотека для создания статических, анимированных и интерактивных графиков в Python. Она обеспечивает высокую гибкость и позволяет создавать разнообразные типы графиков.

Установка:

pip install matplotlib

Основные возможности:

• Построение простых графиков:

  import matplotlib.pyplot as plt
  
  x = [1, 2, 3, 4]
  y = [10, 20, 25, 30]
  
  plt.plot(x, y)
  plt.title("Simple Plot")
  plt.xlabel("X-axis")
  plt.ylabel("Y-axis")
  plt.show()

• Гистограммы:

  data = [1, 2, 2, 3, 3, 3, 4, 4, 4, 4]
  
  plt.hist(data, bins=4)
  plt.title("Histogram")
  plt.show()

• Диаграммы рассеяния:

  x = [1, 2, 3, 4, 5]
  y = [5, 7, 8, 5, 9]
  
  plt.scatter(x, y)
  plt.title("Scatter Plot")
  plt.show()

• Настройка внешнего вида графиков: с помощью методов figure, subplot, можно настраивать размеры и расположение графиков.

Seaborn

Seaborn — это библиотека, построенная на базе Matplotlib, которая предоставляет высокоуровневый интерфейс для создания более сложных и привлекательных графиков. Она особенно удобна для работы с статистическими данными.

Установка:

pip install seaborn

Основные возможности:

• Построение графиков по категориям (категориальные данные):

  import seaborn as sns
  import matplotlib.pyplot as plt
  
  # Набор данных
  tips = sns.load_dataset("tips")
  
  sns.catplot(x="day", y="total_bill", kind="box", data=tips)
  plt.title("Boxplot of total bill by day")
  plt.show()

• Диаграммы распределения:

  sns.displot(tips['total_bill'], kde=True)
  plt.title("Distribution of Total Bill")
  plt.show()

• Диаграммы рассеяния с линейными регрессиями:

  sns.lmplot(x="total_bill", y="tip", data=tips)
  plt.title("Scatter Plot with Regression Line")
  plt.show()

• Тепловые карты:

  corr = tips.corr()
  sns.heatmap(corr, annot=True, cmap="coolwarm")
  plt.title("Heatmap of Correlation Matrix")
  plt.show()

Сравнение Matplotlib и Seaborn

• Matplotlib: предоставляет более гибкие возможности для настройки графиков, что делает его мощным инструментом для создания графиков с нуля.

• Seaborn: подходит для быстрых и красивых визуализаций, особенно для анализа данных. Он легче в использовании, когда нужно быстро построить сложные графики.

Пример совместного использования

Часто Matplotlib и Seaborn используются вместе. Например, можно использовать Seaborn для создания базового графика, а Matplotlib для его донастройки:

import seaborn as sns
import matplotlib.pyplot as plt

sns.set(style="whitegrid")

tips = sns.load_dataset("tips")
ax = sns.violinplot(x="day", y="total_bill", data=tips)

ax.set_title("Violin plot of total bill by day")
plt.xlabel("Day of the Week")
plt.ylabel("Total Bill ($)")
plt.show()

Таким образом, использование этих библиотек позволяет эффективно визуализировать данные и облегчает их анализ.