数据分析是使用代码来探索数据内的规律和关联。
数据可视化是通过可视化表示来 探索和呈现数据集内的规律。
好的数据可视化，可以发现数据集中未知的规律和意义。
一个流行的工具是Matplotlib，他是一个数据绘图库；
还有Plotly包，这个包生成的图形非常适合在数字设备上显示——不仅能根据显示设备的尺寸自动调整大小，还具备众多交互特性，如在用户将鼠标指向图形的不同区域时，突出显示数据集的相应特征。
15.1 安装Matplotlib
python -m pip install --user matplotlib
15.2 绘制简单的折线图
fig相当于一个大图片窗口；ax 相当于里面的线 内容。
- fig ,ax =plt.subplots（）
- plt.plot（数据参数）
#创建窗口和图 subplots（）
fig, ax = plt.subplots()
#ax图调用plot方法 传入数据参数
ax.plot(input_values, squares, linewidth=3)
15.2.1 修改标签文字和线条粗细
1.添加图题并给坐标轴加上标签
import matplotlib.pyplot as plt
squares = [1, 4, 9, 16, 25]
fig, ax = plt.subplots()
#linewidth 设置线条粗细
ax.plot(squares, linewidth=3)
# 设置图题并给坐标轴加上标签
ax.set_title("Square Numbers", fontsize=24)
ax.set_xlabel("Value", fontsize=14)
ax.set_ylabel("Square of Value", fontsize=14)
# 设置刻度标记的样式，将刻度标签字体大小设置为 14
ax.tick_params(labelsize=14)
plt.show()
15.2.2 校正绘图
图更清楚了 标题字大了，但是，数据绘制的并不正确。
折线图的终点 4的平方为25。
可给plot同时提供输入值和输出值。
marker='o')
import matplotlib.pyplot as plt
#相当于给横纵坐标对应的点了
input_values = [1, 2, 3, 4, 5]
squares = [1, 4, 9, 16, 25]
#1.调用subplots（）函数方法
fig, ax = plt.subplots()
#2.调用plot方法 传入数据列表当做数据参数 marker='o'整个小圆点更容易看出点
ax.plot(input_values, squares, linewidth=3 ,marker='o')
# Set chart title and label axes.
ax.set_title("Square Numbers", fontsize=24)
ax.set_xlabel("Value", fontsize=14)
ax.set_ylabel("Square of Value", fontsize=14)
# Set size of tick labels.
ax.tick_params(labelsize=14)
plt.show()
15.2.3 使用内置样式
Matplotlib提供很多已经定义好的样式，这些样式包含默认的背景色、网格线、线条粗细、字体和字号等设置，我们无需做太多定制就能有不错的可视化效果。看我们系统中使用的所有样式，可以在终端进入python 再输入：
import matplotlib.pyplot as plt
15.2.4 使用scatter（）绘制散点图并设置样式
有时候， 需要绘制散点图并设置各个数据点的样式。
可以想一个颜色显示数值小的数据，另一个颜色显示数值大的数据。
在绘制大数据模型时，还可先对每个点都设置同样的样式，再使用不同的样式重新描绘某些点，突出某些点。
绘制单个点，可以使用scatter（）方法，并向它传递该点的xy轴坐标值。
绘制一系列的散点
15.2.6 自动计算数据
比如计算平方数
相当于 x轴给值 ，y轴给平方值。
# axis方法设置每个坐标轴的取值范围
# 四个参数分别是 x的最小和最大；y轴的最小和最大值
ax.axis([0, 1100, 0, 1_100_000])
15.2.7 定制刻度标记
没啥用 plain
可以覆盖默认的刻度标记样式
15.2.8 定制颜色
15.2.9 使用颜色映射
是一个从起始颜色渐变到结束颜色的颜色序列，在可视化中，颜色映射用于突出数据的规律。
用较浅的颜色来显示较小的值，使用较深的颜色来显示较大的值。
使用颜色映射，可根据精心设计的色标准确的设置所有点的颜色。
ax.scatter(x_values, y_values, s=1,color ='red',marker='o')
ax.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, s=10)
ax.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Reds_r, s=10)
了解其他颜色映射
Matplotlib — Visualization with Python
15.2.10 自动保存绘图
import os
# 获取当前脚本所在的目录
script_dir = os.path.dirname(os.path.abspath(__file__))
# 将当前工作目录切换到脚本所在目录
os.chdir(script_dir)
import matplotlib.pyplot as plt
x_values = range(1, 1001)
y_values = [x**2 for x in x_values]
# plt.style.use('seaborn')
plt.style.use('seaborn-v0_8')
fig, ax = plt.subplots()
ax.scatter(x_values, y_values, c=y_values, cmap=plt.cm.Blues, s=10)
# Set chart title and label axes.
ax.set_title("Square Numbers", fontsize=24)
ax.set_xlabel("Value", fontsize=14)
ax.set_ylabel("Square of Value", fontsize=14)
# Set size of tick labels.
ax.tick_params(labelsize=14)
# Set the range for each axis.
ax.axis([0, 1100, 0, 1_100_000])
ax.ticklabel_format(style='plain')
# plt.show()
#第一个参数 命名图片 第二个参数 将绘图多余的空白区域裁剪掉
# 这个图片会存储到当前py文件的同目录下
plt.savefig('picture.png',bbox_inches= 'tight')路径变成当前目录下！！！！！
import os
# 获取当前脚本所在的目录
script_dir = os.path.dirname(os.path.abspath(__file__))
# 将当前工作目录切换到脚本所在目录
os.chdir(script_dir)
15.3 随机游走
15.4 使用Plotly 模拟掷骰子
使用Plotly来生成交互式图形。
当需要创建在浏览器中显示的图形时，它生成的图形将自动缩放，以适应观看者的屏幕。
交互式：当用户将鼠标指向特定元素，将显示有关该元素的信息。将使用Plotly Express来创建初始图形。
Plotly Express是plotly的子集，使用尽可能少的代码生成绘图。
我们先使用几行代码生成初始绘图，在确定输出正确之后再使用matplotlib那样对绘图进行定制。
15.4.1 安装plotly
python -m pip install --user plotlyPlotly Express依赖于pandas（一个高效处理数据的库），需要再安装pandas
python -m pip install --user pandas
1.创建die类
2.掷筛子
3. 分析结果
# Analyze the results.
frequencies = []
poss_results = range(1, die.num_sides+1) #range（1,6）输出的是1 2 3 4 5，所以range要加1
for value in poss_results:
frequency = results.count(value) #计算每个点出现的次数
frequencies.append(frequency) #加到空列表里的末尾 
4.绘制直方图
5.定制绘图
# Visualize the results.
title = "Results of Rolling One D6 1,000 Times"
labels = {'x': 'Result', 'y': 'Frequency of Result'}
fig = px.bar(x=poss_results, y=frequencies, title=title, labels=labels)
fig.show()
6. 当条形太多，x轴默认布局没有加上标签
6.保存图形
