标签：flow 坐标 bsp aaa 那是 one numpy 渲染 theme
可视化的工具有很多，如Tableau,各种JS框架，我个人感觉应该是学ＪＳ最好，因为JS不需要环境，每个电脑都有浏览器，而像matplotlib需要Python这样的开发环境，还是比较麻烦的，但是毕竟用Python处理数据，本文还是要写点自己的学习笔记的，当然知道画什么最重要（我并不知道-。-）！
尽量画二维，不用三维。如果年龄和岁数的二维图，多了薪水，可以让高薪水的点画大的点，颜色深点。
文本可视化（word cloud词图，theme flow标签的量，情感可视化 积极的消极的等等）
时序可视化（金融时间序列）
高维可视化，平行坐标方法，不像笛卡尔坐标x,y轴垂直。
如图通过线的连接来体现。
社交网络图可视化。
科学性可视化，高性能计算里很常见，体量特别大，如台风，云的移动实时渲染。
import matplotlib.pyplot as plt import numpy as np x = np.linspace(-1,2,50) y = 2*x + 2 y2 = x**2 plt.xlim((-1,2)) #x,y的范围 plt.ylim((-2,3)) plt.xlabel(‘I am x‘) #设置坐标轴的名字 plt.ylabel(‘I am y‘) l1, = plt.plot(x,y,color = ‘red‘,linewidth = 1.0 ,linestyle = ‘--‘,label=‘up‘) #legend为设置图例，如果要传handle l1,l2必须加逗号，labels可以覆盖l1,l2中的名字， l2, = plt.plot(x,y2,label = ‘down‘) #loc 可以是best让他自己选，也可以自己设置 plt.legend(handles = [l1,l2],labels = [‘aaa‘,‘bbb‘],loc = ‘best‘) # plt.show() new_ticks = np.linspace(-1,2,5) plt.xticks(new_ticks) plt.yticks([-2.-1.5,-1,1,3],[r‘really bad‘,r‘bad‘,r‘normal‘,r‘good‘,r‘really good‘]) # plt.show() ax = plt.gca() ax.spines[‘right‘].set_color(‘none‘) #四个框，设置右边，和上边的框为无色 ax.spines[‘top‘].set_color(‘none‘) ax.xaxis.set_ticks_position(‘bottom‘) ax.yaxis.set_ticks_position(‘left‘) ax.spines[‘bottom‘].set_position((‘data‘,-1)) ax.spines[‘left‘].set_position((‘data‘,0)) plt.show()
其实Matplotlib的图像都位于一个Figure画布之中，plt.figure用于创建一个新的画布。而我上面并没有plt.figure,而是直接plt.plot,那是因为plot会通过plt.gca()来获得当前axes对象，如果没有则自动创建，再调用axes对象的plot的方法来画图。对于pyplot，它保存了当前的图表和子图信息，可以通过plt.gcf(get current figure)和plt.gca(get current axes)， 函数都是对当前的figure或者axes对象处理的。
可以参考http://www.cnblogs.com/nju2014/p/5620776.html（详解图像各个部分）
以及http://www.cnblogs.com/NaughtyBaby/p/5533855.html
关于各类的柱状，散点之类的图http://www.cnblogs.com/jasonfreak/p/5441512.html（用python进行描述性统计）
标签：flow 坐标 bsp aaa 那是 one numpy 渲染 theme
原文地址：http://www.cnblogs.com/zephyr-1/p/5868409.html
