今天我們就用一篇文章，帶大家梳理matplotlib、seaborn、plotly、pyecharts的繪圖原理，讓大家學起來不再那麼費勁！

1. matplotlib繪圖原理

關於matplotlib更詳細的繪圖說明，大家可以參考下面這篇文章，相信你看了以後一定學得會。

matplotlib繪圖原理：http://suo.im/678FCo

1）繪圖原理說明

通過我自己的學習和理解，我將matplotlib繪圖原理高度總結為如下幾步：

導庫;建立figure畫布物件;獲取對應位置的axes座標系物件;呼叫axes物件，進行對應位置的圖形繪製;顯示圖形;

2）案例說明

# 1.匯入相關庫
import matplotlib as mpl
import matplotlib.pyplot as plt
# 2.建立figure畫布物件
figure = plt.figure()
# 3.獲取對應位置的axes座標系物件
axes1 = figure.add_subplot(2,1,1)
axes2 = figure.add_subplot(2,2)
# 4.呼叫axes物件，進行對應位置的圖形繪製
axes1.plot([1,3,5,7],[4,9,6,8])
axes2.plot([1,2,4,5],[8,2])
# 5.顯示圖形
figure.show()

結果如下：

2. seaborn繪圖原理

在這四個繪相簿裡面，只有matplotlib和seaborn存在一定的聯絡，其餘繪相簿之間都沒有任何聯絡，就連繪圖原理也都是不一樣的。

seaborn是matplotlib的更高階的封裝。因此學習seaborn之前，首先要知道matplotlib的繪圖原理。由於seaborn是matplotlib的更高階的封裝，對於matplotlib的那些調優引數設定，也都可以在使用seaborn繪製圖形之後使用。

我們知道，使用matplotlib繪圖，需要調節大量的繪圖引數，需要記憶的東西很多。而seaborn基於matplotlib做了更高階的封裝，使得繪圖更加容易，它不需要了解大量的底層引數，就可以繪製出很多比較精緻的圖形。不僅如此，seaborn還相容numpy、pandas資料結構，在組織資料上起了很大作用，從而更大程度上的幫助我們完成資料視覺化。

由於seaborn的繪圖原理，和matplotlib的繪圖原理一致，這裡也就不詳細介紹了，大家可以參考上面matplotlib的繪圖原理，來學習seaborn究竟如何繪圖，這裡還是提供一個網址給大家。

seaborn繪圖原理：http://suo.im/5D3VPX

1）案例說明

# 1.匯入相關庫
import seaborn as sns
import matplotlib.pyplot as plt

df = pd.read_excel("data.xlsx",sheet_name="資料來源")

sns.set_style("dark")
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
# 注意：estimator表示對分組後的銷售數量求和。預設是求均值。
sns.barplot(x="品牌",y="銷售數量",data=df,color="steelblue",orient="v",estimator=sum)
plt.show()

結果如下：

注意：可以看到在上述的繪圖程式碼中，你應該有這樣一個感受，圖中既有matplotlib的繪圖程式碼，也有seaborn的繪圖程式碼。其實就是這樣的，我們就是按照matplobt的繪圖原理進行圖形繪製，只是有些地方改成seaborn特有的程式碼即可，剩下的調整格式，都可以使用matplotlib中的方法進行調整

3. plotly繪圖原理

首先在介紹這個圖的繪圖原理之前，我們先簡單介紹一下plotly這個繪相簿。

• plotly是一個基於javascript的繪相簿，plotly繪圖種類豐富，效果美觀；
• 易於儲存與分享plotly的繪圖結果，並且可以與Web無縫整合；
• ploty預設的繪圖結果，是一個HTML網頁檔案，通過瀏覽器可以直接檢視；

它的繪圖原理和matplotlib、seaborn沒有任何關係，你需要單獨去學習它。同樣我還是提供了一個網址給你，讓你更詳細的學習plotly。

plotly繪圖原理：http://suo.im/5vxNTu

1）繪圖原理說明

通過我自己的學習和理解，我將plotly繪圖原理高度總結為如下幾步：

• 繪製圖形軌跡，在ployly裡面叫做trace，每一個軌跡是一個trace。
• 將軌跡包裹成一個列表，形成一個“軌跡列表”。一個軌跡放在一個列表中，多個軌跡也是放在一個列表中。
• 建立畫布的同時，並將上述的軌跡列表，傳入到Figure()中。
• 使用Layout()新增其他的繪圖引數，完善圖形。
• 展示圖形。

2）案例說明

import numpy as np
import pandas as pd
import plotly as py
import plotly.graph_objs as go
import plotly.expression as px
from plotly import tools

df = pd.read_excel("plot.xlsx")
# 1.繪製圖形軌跡，在ployly裡面叫做`trace`，每一個軌跡是一個trace。
trace0 = go.Scatter(x=df["年份"],y=df["城鎮居民"],name="城鎮居民")
trace1 = go.Scatter(x=df["年份"],y=df["農村居民"],name="農村居民")
# 2.將軌跡包裹成一個列表，形成一個“軌跡列表”。一個軌跡放在一個列表中，多個軌跡也是放在一個列表中。
data = [trace0,trace1]
# 3.建立畫布的同時，並將上述的`軌跡列表`，傳入到`Figure()`中。
fig = go.Figure(data)
# 4.使用`Layout()`新增其他的繪圖引數，完善圖形。
fig.update_layout(
  title="城鄉居民家庭人均收入",xaxis_title="年份",yaxis_title="人均收入（元）"
)
# 5.展示圖形。
fig.show()

結果如下：

4. pyecharts繪圖原理

Echarts是一個由百度開源的資料視覺化工具，憑藉著良好的互動性，精巧的圖表設計，得到了眾多開發者的認可。而python是一門富有表達力的語言，很適合用於資料處理。當資料分析遇上了資料視覺化時，pyecharts誕生了。

pyecharts分為v0.5和v1兩個大版本，v0.5和v1兩個版本不相容，v1是一個全新的版本，因此我們的學習儘量都是基於v1版本進行操作。

和plotly一樣，pyecharts的繪圖原理也是完全不同於matplotlib和seaborn，我們需要額外的去學習它們的繪圖原理，基於此，同樣提供一個網址給你，讓你更詳細的學習pyecharts。

pyecharts的繪圖原理：http://suo.im/5S1PF1

1）繪圖原理說明

通過我自己的學習和理解，我將plotly繪圖原理高度總結為如下幾步：

• 選擇圖表型別；
• 宣告圖形類並新增資料；
• 選擇全域性變數；
• 顯示及儲存圖表；

2）案例說明

# 1.選擇圖表型別：我們使用的是線圖，就直接從charts模組中匯入Line這個模組；
from pyecharts.charts import Line
import pyecharts.options as opts
import numpy as np

x = np.linspace(0,2 * np.pi,100)
y = np.sin(x)

(
 # 2.我們繪製的是Line線圖，就需要例項化這個圖形類，直接Line()即可；
 Line()
 # 3.新增資料，分別給x,y軸新增資料；
 .add_xaxis(xaxis_data=x)
 .add_yaxis(series_name="繪製線圖",y_axis=y,label_opts=opts.LabelOpts(is_show=False))
 .set_global_opts(title_opts=opts.TitleOpts(title="我是標題",subtitle="我是副標題",title_link="https://www.baidu.com/"),tooltip_opts=opts.TooltipOpts())
).render_notebook() # 4.render_notebook()用於顯示及儲存圖表；

結果如下：

小結

通過上面的學習，我相信肯定會讓大家對於這些庫的繪圖原理，一定會有一個新的認識。

其實其實不管是任何程式設計軟體的繪相簿，都有它的繪圖原理。我們與其盲目的去繪製各種各樣的圖形，不如先搞清楚它們的套路後，再去進行繪相簿的圖形練習，這樣下去，我覺得大家會有一個很大的提高。

以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支援我們。