Python數據分析基礎與應用模塊模塊7數據分析可視化展示【學習與訓練】7.1初識Matplotlib7.1.1Matplotlib概述Matplotlib提供了一個套面向繪圖對象編程的API接口，能夠很輕松地實現各種圖像的繪制，并且它可以配合PythonGUI工具（例如PyQt、Tkinte等）在應用程序中嵌入圖形。同時Matplotlib也支持以腳本的形式嵌入到JupyterNotebook、IPythonshell、Web應用服務器中使用。1．Matplotlib繪制圖形組成Matplotlib生成的圖形主要由以下幾個部分構成：（1）容器層容器層包括Canvas對象、Figure對象、Axes對象組成。①Canvas對象：可以理解為畫板。②Figure對象：可以理解成一張畫布，位于Canvas對象的上層，也就是用戶操作的應用層的第1層。它包括了整個圖形的所有元素，例如標題、軸線等?？梢园鄠€圖表。③Axes對象：在畫布中繪制2D圖像的實際區域，也稱為繪圖區域。Axes對象位于Figure對象的上層，也就是用戶操作的應用層的第2層，Figure對象中可以包含多個Axes對象。它擁有獨立的坐標系統，可以是直角坐標系統，即包含x軸和y軸的坐標系，也可以是三維坐標系統，即包含x軸、y軸、z軸的坐標系。（2）圖形層圖形層是指繪圖區域內繪制的圖形，即使用plot()函數或方法根據已有數據繪制的各種圖形。（3）輔助層輔助層是指繪圖區域內圖形之外的其他元素，常用的輔助元素包括坐標軸、標題、圖例、網格、參考線、參考區域、注釋文本、表格等。輔助元素可以對圖形進行必要的補充說明，可以使圖表更直觀、更容易被用戶理解，但又不會對圖形產生實質的影響。圖像層和輔助層所包含的內容都屬于圖表元素，即位于Axes對象之上。2．Matplotlib的功能擴展包常見的工具包如下：（1）Cartopy：這是一個映射庫，包含面向對象的映射投影定義以及點、線、面的圖形轉換工具。（2）Bashmap：這是一個地圖繪制工具包，其中包含多個地圖投影，海岸線和國界線。（3）Exceltools：這是Matplotlib為了實現與MicrosoftExcel交換數據而提供的工具。（4）Mplot3d：它用于3D繪圖。（5）Natgrid：這是Natgrid庫的接口，用于對間隔數據進行不規則的網格化處理。3．下載和安裝Matplotlib（1）使用Python包管理器pip安裝Matplotlib使用Python包管理器pip來安裝Matplotlib是一種輕量級的方式，打開Windows命令提示符窗口，并輸入以下命令：pipinstallmatplotlib按【Enter】鍵后，即可開始下載與安裝。（2）使用Anaconda安裝安裝Matplotlib的最好的方法是下載Python的Anaconda發行版，因為Matplotlib被預先安裝在Anaconda中。當成功安裝Anaconda后，Matplotlib也同步安裝完成。4．引入Matplotlib安裝成功后，就可以通過import來導入matplotlib庫：importmatplotlib可以使用以下代碼查看matplotlib庫的版本號：matplotlib.__version__7.1.2認知Matplotlib的Pyplot模塊Pyplot是Matplotlib的子庫，是常用的繪圖模塊，能讓用戶很方便繪制2D圖表。Matplotlib中的pyplot模塊是一個函數集合，提供了一系列用來繪圖的各種函數，例如創建一個畫布，在畫布中創建一個繪圖區域，在繪圖區域添加一些線、標簽等。1．使用import導入pyplot模塊使用時可以使用import導入pyplot模塊，并設置一個其別名為plt，對應的代碼如下：importmatplotlib.pyplotasplt或者frommatplotlibimportpyplotasplt這樣我們就可以使用plt來引用Pyplot模塊的方法。2．pyplot模塊的繪圖類型pyplot模塊中包含了快速生成多種圖表的函數，pyplot模塊繪圖各種類型圖形的函數如表7-1所示。3．pyplot模塊的圖像處理函數pyplot模塊的圖像處理函數如表7-2所示。4．pyplot模塊的Axis函數pyplot模塊的Axis函數如表7-3所示。5．pyplot模塊的Figure方法及其他相關方法pyplot模塊的Figure方法及其他方法如表7-4所示。7.1.3使用Matplotlib繪制圖形時實現支持中文顯示示例代碼如下：importmatplotlibasmplmpl.rcParams['font.sans-serif']=['SimHei']mpl.rcParams['font.serif']=['SimHei']以下代碼可以解決圖形中的負號“-”顯示為方塊的問題或者轉換負號為字符串。mpl.rcParams['axes.unicode_minus']=False7.1.4熟悉Pyplot模塊的plot()函數Pyplot模塊的plot()函數是繪制二維圖形的基本函數，plot()函數可以繪制點和線。1．Pyplot模塊plot()函數的語法格式使用Pyplot模塊plot()函數繪制單條直線的語法格式如下：plot([x],y,[marker=None],[fmt],linestyle=None,color-None,label=None,*args,**kwargs)使用Pyplot模塊plot()函數繪制多條直線的語法格式如下：plot([x],y,[fmt],[x2],y2,[fmt2],…,**kwargs)plot()函數參數說明如下：?x,y：表示點或線的節點，即x軸和y軸對應的數據，數據可以列表或數組。?marker：可選參數，用于定義數據標記，默認值為None。?fmt：可選參數，用于快速設置線條樣式的格式字串符，包括標記、顏色、線條樣式等，即fmt='[marker][line][color]'，例如'o:r'的含義為：“o”表示實心圓標記，“:”表示虛線，“r”表示顏色為紅色。?linestyle：指定線條的類型，默認值為實線。?color：指定線條的顏色，默認值為None?label：表示應用于圖例的標簽文本。?**kwargs：可選參數，設置標簽文字、線的寬度等屬性值。2．使用marker參數定義數據標記Matplotlib中內置了許多數據標記，使用這些數據標記可以便捷地為折線圖或散點圖標注數據點。使用pyplot的plot()函數繪制折線圖或者使用scatter()函數繪制散點圖時，如果想要給數據點自定義一些不一樣的數據標記，可以使用marker參數來定義，將數據標記的取值傳遞給marker參數，從而為折線圖或散點圖添加不同樣式的標記。3．自定義標記大小、顏色、邊框寬度等屬性使用Matplotlib繪制圖形時，可以自定義標記的大小、顏色、邊框寬度等屬性，使用的參數分別是：（1）markersize屬性：簡寫為ms，定義標記的大小。（2）markerfacecolor屬性：簡寫為mfc，定義標記內部的填充顏色。（3）markerfacecoloralt屬性：簡寫為mfcalt，定義標記備用的填充顏色。（4）markeredgecolor屬性：簡寫為mec，定義標記邊框的顏色。（5）markeredgewidth屬性：簡寫為mew，定義標記的邊框寬度。4．使用linestyle參數自定義線條的類型使用Matplotlib繪制圖形時，默認的線條類型（即線型）是實線，當使用pyplot模塊的plot()函數繪制折線圖、顯示網格或添加參考線時，可以使用linestyle參數自定義線型，簡寫為ls，以選擇其他的線條類型。5．使用color參數自定義線條的顏色使用Matplotlib繪制圖形時，線條的顏色可以使用color參數來定義，簡寫為c。plot()函數中的顏色字符如表7-6所示。當然也可以自定義顏色類型，例如：SeaGreen、#8FBC8F等，'#8FBC8F'表示自定義RGB顏色字符串。7．使用plot()函數的fmt參數定義標記、線條樣式和顏色等基本格式使用plot()函數繪制圖形時，可以使用字符串分別定義數據標記、線型、顏色、線條寬度等屬性，但每次都需要分別給參數marker、linestyle、color、linewidth設置相應的值，使得代碼有些煩瑣。為此，Matplotlib提供了由數據標記、線型、顏色構成的格式字符串，格式字符串是快速設置線條基本樣式的縮寫形式的字符串。plot()函數的fmt參數可以接受格式字符串，以便能同時為線條指定多種樣式，fmt參數的基本語法格式如下：fmt='[marker][line][color]'#'[數據標記][線型][顏色]'其中marker標記的字符如電子活頁7-4所示，line線型字符如表7-5所示，color顏色字符如表7-6所示。fmt參數不支持以fmt為關鍵字的形式傳參，只支持以位置參數的形式傳遞。7.1.5使用plot()函數繪制圖形時設置輔助元素Matplotlib繪制圖形的輔助元素及對應的設置函數如表7-7所示。Matplotlib繪制圖形的輔助元素的參考樣例如圖7-5所示。坐標軸標題圖例坐標軸標題圖例參考線注釋文本參考區域表格網格圖7-5Matplotlib繪制圖形的輔助元素的參考樣例Matplotlib繪制圖形常見的輔助元素說明如下：?坐標軸：分為單坐標軸和雙坐標軸，單坐標軸按不同的方向可分為水平坐標軸（又稱x軸）和垂直坐標軸（又稱y軸）。坐標軸由刻度線（包括主刻度線和次刻度線）、軸脊和坐標軸標簽組成，“x軸”、“y軸”表示坐標軸的標簽，坐標軸上數字（整數或小數）對應短豎線為刻度線，且為主刻度線，Matplotlib繪制圖形的次刻度線默認情況下是隱藏的，刻度線上方的橫線為軸脊。不同圖形的輔助元素有區別的，例如餅圖沒有坐標軸，折線圖有坐標軸。?標題：表示圖形的說明性文本。?圖例：用于指出圖表中的各組圖形采用的標識方式。?網格：從坐標軸刻度開始的、貫穿繪圖區域的若干條直線，用于作為估算圖形所示值的標準。?參考線：標記坐標軸上特殊值的一條直線。?參考區域：標記坐標軸上特殊范圍的一塊區域。?注釋文本：對圖形的一些注釋和說明。?表格：列舉圖形中重要數據的表格。7.2應用Pyplot子模塊的函數繪制圖形7.2.1使用Pyplot的plot()函數繪制線性函數圖形與波形圖1．使用plot()函數繪制線性函數圖形2．使用plot()函數繪制波形圖7.2.2使用Pyplot的plot()函數繪制折線圖折線圖（LineChart）是一種將數據點按照順序連接起來的圖形，可以看作是將散點圖按照x軸坐標順序連接起來的圖形。折線圖的主要功能是查看因變量y隨著自變量x改變的趨勢，最適合于顯示隨時間（根據常用比例設置）而變化的連續數據。同時還可以看出數量的差異和增長趨勢的變化。普通折線圖以折線的上升或下降來表示統計數量的增減變化的統計圖，也稱為折線統計圖。折線統計圖不僅可以表示數量的多少，而且可以反映同一事物在不同時間里的發展變化的情況，雖然它不直接給出精確的數據，但是能夠顯示數據的變化趨勢，反映事物的變化情況。7.2.3使用Pyplot的bar()函數繪制柱形圖Pyplot子模塊中提供了bar()函數來繪制柱形圖，bar()函數的語法格式如下：bar(x,height,width=0.8,bottom=None,*,align='center',data=None,**kwargs)函數參數說明如下：?x：表示柱形圖的x軸數據，數據類型可以為int或float類型?height：接收浮點型數組，表示柱形圖的高度。?width：接收浮點型數組，表示柱形圖的寬度，默認值為0.8，取值范圍為0-1。?bottom：接收浮點型數組，表示底座的y坐標，默認值為0，為可選參數。?align：表示x坐標值相對于柱形圖柱子的對齊方式，默認值為'center'，即柱形圖的柱子以x位置為中心。將該參數值設置為'edge'時，則將柱形圖各個柱子的左邊緣與x坐標值對齊。如果要設置x坐標值對齊各個柱子的右邊緣，則設置align='edge'的同時傳遞負數的寬度值。?**kwargs：其他參數。繪制的柱形圖中在各個柱形上方可以添加數據標簽，數據標簽的位置比每個柱形略高，設置柱形圖數據標簽可以使用text()函數，該函數主要參數有3個，分別是數據標簽橫坐標、數據標簽縱坐標、數據標簽顯示值。7.2.4使用Pyplot的barh()函數繪制條形圖條形圖也稱為條形統計圖，是統計分析中最常用的圖形，該圖可以清楚地表明各種數量的多少。條形圖具有以下特點：①能夠使人們一眼看出各個數據的大小。②易于比較數據之間的差別。③能清楚的表示出數量的多少。Pyplot子模塊中提供了barh()函數來繪制條形圖，barhh()函數的語法格式如下：barh(y,height,width,color,edgecolor,label,**kwargs)barhh()函數參數說明如下：?y：表示y軸對應的數據列表。?height：表示條形的寬度。?width：表示條形的長度?color：表示條形的顏色。?edgecolor：表示條形邊框的顏色。?label：表示圖例的內容，用于解釋每個條形的含義。在條形圖各個條形右側可以添加數據標簽，數據標簽的位置比每個柱形略靠右，設置柱形圖數據標簽也可以使用text()函數，該函數主要參數有3個，分別是數據標簽縱坐標、數據標簽橫坐標（條形的長度）、數據標簽顯示值。7.2.5使用Pyplot的scatter()函數繪制散點圖散點圖（ScatterDiagram）又稱為散點分布圖，是一種以一個變量為橫坐標，以另一個變量為縱坐標，利用坐標點（散點）的分布形態反映變量間的統計關系的圖形。散點圖是數據點在直角坐標系平面上的分布圖，在統計學的回歸分析與預測中經常用到。散點圖中，x軸和y軸分別表示兩個數據字段，這樣就可以很容易通過散點看出兩個字段之間是否存某種關聯關系。散點圖將序列顯示為一組點，值由點在圖表中的位置表示，類別由圖表中的不同標記表示。散點圖通常用于比較跨類別的聚合數據。對于處理值的分布和數據點的分簇，散點圖都很理想。如果數據集中包含非常多的點，那么散點圖便是最佳圖表類型之一。散點圖可以提供以下兩類關鍵信息：①變量之間是否存在數值或數量的關聯趨勢，以及關聯趨勢是線性還是非線性的。②如果有某一個點或者某幾個點偏離大多數點，也就是離群值，通過散點圖可以一目了然，從而可以進一步分析這些離群值是否可能在建模分析中對總體產生很大影響。7.2.6使用Pyplot的pie()函數繪制餅圖餅圖可以比較清楚地反映出部分與部分、部分與整體之間的數量關系，易于比較直觀的顯示每組數據相對于總數的比例。餅圖適用于簡單的占比比例圖，在不要求數據精細的情況適用，明確顯示數據的比例情況，尤其合適渠道來源分析等場景。餅圖用于顯示一個數據序列中各組成部分的大小與各組成部分總和的比例，以圓形代表研究對象的整體，以圓心為共同頂點的各個不同扇形顯示各組成部分在整體中所占的比例，一般可用圖例表明各扇形所代表項目的名稱及其所占百分比。數據序列每個分項具有唯一的顏色，并且與圖例中的顏色對應。Pyplot子模塊中提供了pie()函數來繪制餅圖。7.2.7使用Pyplot的boxplot函數繪制箱形圖箱形圖（Box-plot）又稱為箱線圖、盒須圖、盒式圖，是一種用作顯示一組數據分布情況的統計圖。它不同于一般的折線圖、柱形圖或餅圖等傳統圖表，只是數據大小、占比、趨勢等等的呈現，其包含一些統計學的均值、分位數、極值等等統計量，因此，箱形圖信息量較大，不僅能夠分析不同類別數據平均水平差異（需在箱形圖中加入均值點），還能揭示數據間離散程度、異常值、分布差異等等。箱形圖主要用于分析數據內部的分布狀態或分散狀態，例如分布是否對稱，是否存在離散點，它能顯示出一組數據的上限、下限、中位數及上下四分位數，箱形圖還可以檢測這組數據是否存在異常值。箱形圖作為描述統計的工具之一，其主要功能如下：①了解數據的形狀。②判斷數據的偏態和尾重。③識別數據異常值。Pyplot子模塊中提供了boxplot()函數來繪制箱形圖。1．使用boxplot()函數默認設置繪制箱形圖2．使用boxplot()函數自定義設置繪制箱形圖這里使用boxplot()函數的自定義設置繪制80個1-100的隨機整數的箱形圖。3．使用boxplot()函數繪制3組正態分布隨機數的箱形圖這里利用numpy庫生成3組正態分布隨機數。代碼如下：importmatplotlib.pyplotaspltimportnumpyasnpall_data=[np.random.normal(0,std,100)forstdinrange(1,4)]figure,axes=plt.subplots()#得到畫板、軸axes.boxplot(all_data,patch_artist=True)#描點上色plt.show()4．使用subplots()函數結合boxplot()函數的自定義設置繪制3組正態分布隨機數的箱形圖有時會有把多張圖放在同一行輸出的對比需求，這時只需指定plt.subplots()函數的nrows、ncols參數值，例如：想生成一個1×2的面板，即每一行放2張圖，只需設定nrows=1，ncols=2即可。當然，還可以通過參數figsize指定圖形大小，例如figsize=(9,4)。7.2.8使用pyplot的hist()函數繪制直方圖直方圖是一種表示數據概率分布的常用可視化方法，NumPy提供的histogram()函數以數據集的形式表示一組數據的概率分布值。NumPy內置的histogram()函數的語法格式如下：histogram(data,bins=10,range=None,normed=None,weights=None,density=False)histogram()函數的參數說明如下：?data：表示要繪制的數組或數組的序列。?bins：表示使用int或str序列定義一個指定范圍內的等寬框數，默認值為10。?range：表示使用可選參數設置箱子的上下限。?normed：表示與density屬性相同的可選參數，對于不等的箱寬給出錯誤的結果。?weights：為可選參數，定義與數據具有相同維度的權重數組。?density：為可選參數，如果結果為False，則每個倉中包含樣本數；如果結果為True，則倉中包含概率密度函數。histogram()函數將數組data和bins作為兩個參數，其中bins數組的連續元素作為range區間的邊界值。histogram()函數有兩個返回值，分別是hist與bin_edges，分別代表直方圖高度值與range數值區間范圍，Matplotlib庫的pyplot子模塊的hist()函數以圖形形式表示數據集的頻率分析，即將一個輸入數組array和bins數組作為參數，并將其輸出為直方圖。7.2.9在同一畫布的不同區域繪制多個圖形1．使用subplot()函數在同一畫布的不同區域繪制多個子圖subplot()函數允許在同一畫布中的不同位置繪制多個圖像，可以理解為對畫布按行、列分割，subplot()函數的語法格式如下：subplot(nrows,ncols,index,**kwargs)subplot()函數函數的常用參數說明如下：?nrows：表示規劃區域的行數。?ncols：表示規劃區域的列數。?index：表示選擇區域的索引值，默認從1開始編輯subplot()函數使用3個整數描述子圖的位置信息，將整個繪圖區域分成nrows行和ncols列，然后從左到右，從上到下的順序對每個子區域進行編號1、2、3……N，左上的子區域的編號為1、右下的區域編號為N，編號可以通過參數index來設置，子圖將分布在設定的索引位置上。例如，plt.subplot(2,3,5)表示子圖位于2行3列中的第5個位置上。2．使用subplots()函數一次繪制多個子圖使用pyplot子模塊的subplots()函數可以在規劃好的區域中一次繪制多個子圖。subplots()函數的語法格式如下：matplotlib.pyplot.subplots(nrows=1,ncols=1,*,sharex=False,sharey=False,**kwargs)subplots()函數參數說明如下：?nrows：默認為1，設置圖表的行數。?ncols：默認為1，設置圖表的列數。?sharex、sharey：設置x、y軸是否共享屬性，默認值為false，其值可以設置為'none'、'all'、'row'或'col'，其中False或none表示每個子圖的x軸或y軸都是獨立的，True或'all'表示所有子圖都共享x軸或y軸，'row'用于設置每個子圖行共享一個x軸或y軸，'col'用于設置每個子圖列共享一個x軸或y軸。subplots()函數會返加一個包含兩個元素的元組，其中元組的第1個元素為Figure對象，第2個元素為Axes對象或Axes對象數組。7.3使用Pandas的plot方法繪制圖形7.3.1使用Series對象的plot()方法繪制圖形1．使用Series對象的plot()方法繪制柱形圖Series對象有一個名為plot的方法可以用來生成圖表，可以選擇生成折線圖、餅圖、柱形圖等，默認會使用Series對象的索引作為橫坐標，使用Series對象的數據作為縱坐標。2．使用Series對象的plot()方法繪制反映每個季度占比的餅圖代碼如下：#autopct參數可以配置在餅圖上顯示每塊餅的占比ser1.plot(kind='pie',autopct='%.1f%%')#設置y軸的標簽（顯示在餅圖左側的文字）plt.ylabel('各季度占比')plt.show()7.3.2使用DataFrame對象的plot()方法繪制圖形1．使用DataFrame對象的plot()方法默認設置繪制折線圖繪制2022年1月1日至1月10日長沙市最高氣溫、最低氣溫和空氣質量指數的折線圖，對應的代碼如下：importpandasaspddata1=[[11,3],[15,8],[16,10],[18,14],[25,19],[32,23],[34,26],[33,25],[34,23],[22,15],[19,8],[13,4]]df1=pd.DataFrame(data1,index=['1','2','3','4','5','6','7','8','9','10','11','12'],columns=['AverageHighT','AverageLowT'])df1.plot()2．使用DataFrame對象plot()方法繪制圖形時通過參數kind指定繪圖類型使用DataFrame對象plot方法繪制圖形時除了使用默認的線條繪圖外，還可以使用其他繪圖方式。plot()方法常用的語法格式如下：plot(kind,color)通過關鍵字參數kind可以把圖形類型傳遞給方法plot()，其中kind=line表示繪制折線圖，kind=bar表示繪制柱形圖，kind=barh表示條形圖；參數color表示設置顏色。繪制柱形圖時，也可以寫成以下最簡潔的形式：plot.bar()每種繪圖類型也有相對應的方法，例如df.plot(kind='line')與df.plot.line()等價。繪制其他類型圖形的形式如下所示：?折線圖：plot.line()。?條形圖：plot.barh()。?直方圖：plot.hist()。?箱狀箱：plot.box()。?區域圖：plot.area()。?散點圖：plot.scatter()。7.4使用Seaborn庫繪制統計圖表7.4.1初識Seaborn庫Seaborn是一種開源的數據可視化工具，是一個使用Python制作統計圖形的庫。Seaborn建立在matplotlib之上，因此seaborn的很多圖表接口和參數設置與matplotlib很是接近。同時，Seaborn在Matplotlib的基礎上進行了更高級的二次封裝，因此它可以進行更復雜的圖形設計和輸出。Seaborn是Matplotlib的重要補充，可以自主設置在Matplotlib中被默認的各種參數，而且它與Panda數據結構緊密集成，能高度兼容NumPy與Pandas數據結構以及Scipy與statsmodels等統計模式。Seaborn已集成在Anaconda中，無須再次安裝。使用Seaborn繪圖時，也會出現無法正常顯示中文的問題，添加以下設置字體的代碼可以解決中文顯示為方塊的問題。importseabornassns#將seaborn命名為snssns.set_style("darkgrid",{"font.sans-serif":['KaiTi','Arial']})7.4.2seaborn的風格設置seaborn的風格設置主要分為兩類，其一是風格（style）設置，其二是環境（context）設置。1．設置seaborn的風格設置seaborn風格的方法主要有三種：（1）使用set()方法，這是seaborn的通用設置接口，應用seaborn的默認主題、縮放和調色板。（2）使用set_style()方法，這是seaborn風格專用設置接口，設置后全局風格隨之改變。（3）使用axes_style()方法，用于設置當前圖形（axes級）的風格，同時返回設置后的風格系列參數，支持with關鍵字用法。2．設置seaborn的環境設置seaborn環境的方法也有3種：（1）使用set()方法，這是seaborn的通用設置接口。（2）使用set_context()方法，這是seaborn的環境設置專用接口，設置后全局繪圖環境隨之改變。（3）使用plotting_context()方法，用于設置當前圖（axes級）的繪圖環境，同時返回設置后的環境系列參數，支持with關鍵字用法。3．設置seaborn的顏色Seaborn風格多變的另一大特色就是支持個性化的顏色配置，配置顏色的方法有多種，常用方法包括以下兩個：（1）使用color_palette()方法，這是基于RGB原理設置顏色的接口，可接收一個調色板對象作為參數，同時可以設置顏色數量。color_palette()方法提供了8種不同顏色。（2）使用hls_palette()方法，這是基于Hue(色相)、Luminance(亮度)、Saturation(飽和度)原理設置顏色的接口，除了顏色數量參數外，另外3個重要參數：色相、亮度、飽和度。hls_palette()方法提供了均勻過渡的8種顏色樣例。4．認識seaborn的數據集Seaborn自帶了一些經典的數據集，用于基本的繪制圖表示例數據。在聯網狀態下，可通過load_dataset()接口進行獲取，首次下載后后續即可通過緩存加載。返回數據集格式為Pandas.DataFrame對象。7.5使用pyecharts庫實現數據可視化7.5.1初識pyecharts庫1．pyecharts簡介Echarts是一個百度開源的數據可視化JS庫，憑借著良好的交互性，精巧的圖表設計，得到了眾多開發者的認可。pyecharts是一個用于生成Echarts圖表的類庫，pyecharts的主要作用是為了與Python進行對接，方便在Python中直接使用數據生成圖。使用pyecharts可以生成獨立的網頁，也可以在flask、django中集成使用。pyecharts可以繪制以下各種圖表：Bar（柱形圖/條形圖）、Bar3D（3D柱形圖）、Boxplot（箱形圖）、EffectScatter（帶有漣漪特效動畫的散點圖）、Funnel（漏斗圖）、Gauge（儀表盤）、Geo（地理坐標系）、GeoLines（地理坐標系線圖）、Graph（關系圖）、HeatMap（熱力圖）、Kline/Candlestick（K線圖）、Line（折線/面積圖）、Line3D（3D折線圖）、Liquid（水球圖）、Map（地圖）、Parallel（平行坐標系）、Pie（餅圖）、Polar（極坐標系）、Radar（雷達圖）、Sankey（?；鶊D）、Scatter（散點圖）、Scatter3D（3D散點圖）、ThemeRiver（主題河流圖）、TreeMap（矩形樹圖）、WordCloud（詞云圖）。用戶還可以通過自定義類實現多樣化的要求，常見的自定義類如下：（1）Grid類：并行顯示多個圖形。（2）Overlap類：結合不同類型圖表疊加畫在同一張圖形上。（3）Page類：同一網頁按順序展示多個圖形。（4）Tim