Plotnine库是R语言下强大数据可视化ggplot2库的python版

　　1 说明：
　　=====
　　1.1 ggplot2：
　　1.1.1 是由Hadley Wickham创建的一个十分强大的可视化R包。
　　1.1.2 就是说ggplot2，是R语言下的一款强大的、大名鼎鼎的数据可视化绘图库。
　　1.2 plotnine：
　　1.2.1 plotnine是Python中图形语法的一种实现，它基于ggplot2，绘图精美而简单。
　　1.2.2 德国学者借鉴R语言ggplot2包的语法开发了plotnine包，几乎实现了对R语言ggplot2语法的直接移植。
　　2 准备：
　　=====
　　2.1 官网：https://github.com/has2k1/plotnine https://plotnine.readthedocs.io/en/stable/index.html
　　2.2 环境：
　　华为笔记本电脑、深度deepin-linux操作系统、python3.8和微软vscode编辑器。
　　2.3 安装：#部分安装 pip install plotnine #本机安装 sudo pip3.8 install plotnine #推荐国内源安装，超快 sudo pip3.8 install -i https://mirrors.aliyun.com/pypi/simple plotnine  #全部安装 pip install ＂plotnine[all]＂  # includes extra/optional packages #本机全部安装 sudo pip3.8 install -i https://mirrors.aliyun.com/pypi/simple ＂plotnine[all]＂
　　3 自带数据集：
　　==========
　　3.1 代码：R语言的语法#自带数据集 #实际意义不大，看看效果和语法 from plotnine import * from plotnine.data import * #导入数据集 mpg.head() #格式和语法 d=(     ggplot(mpg, aes(x=＂cty＂, color=＂drv＂, fill=＂drv＂))     + geom_density(alpha=0.1) ) #显示，区别，不是show，而是打印：print print(d)
　　3.2 图：
　　4 虚拟数据：
　　========
　　4.1 嵌入式数据：字典法：
　　4.1.1 代码：from plotnine import *    import pandas as pd #导入数据 median_age_dict={     ＂Country＂: [＂New Zealand＂,＂Spain＂,＂Ireland＂,＂Israel＂,＂Denmark＂,＂Norway＂,＂Netherlands＂,＂Australia＂,＂Italy＂,＂Sweden＂],     ＂Age＂: [39.0, 37.0, 35.0, 34.0, 34.0, 34.0, 34.0, 34.0, 34.0, 34.0] } median_age=pd.DataFrame(median_age_dict) #绘图，公式最后添加 d=( ggplot(median_age,aes(x=＂Country＂,y=＂Age＂,fill=＂Country＂))#创建图象，传入数据来源和映射 + geom_bar(stat=＂identity＂,width=0.5)#建立几何对象，画直方图 + geom_text(aes(x=＂Country＂,y=＂Age＂,label=＂Age＂),nudge_y=2)#添加数据标签 + coord_flip()#纵向直方图转换为横向直方图 + xlim(median_age[＂Country＂][::-1])#x轴排序，横向直方图的关系 + theme_grey(base_family = ＂DejaVu Sans＂ ) #字体，暂时不支持中文 ) #显示图片 print(d)
　　4.1.2 图：
　　4.2 嵌入式数据：pd内：
　　4.2.1 代码：import pandas as pd from plotnine import * #嵌入式数据在pd内 df = pd.DataFrame({     ＂variable＂: [＂gender＂, ＂gender＂, ＂age＂, ＂age＂, ＂age＂, ＂income＂, ＂income＂, ＂income＂, ＂income＂],     ＂category＂: [＂Female＂, ＂Male＂, ＂1-24＂, ＂25-54＂, ＂55+＂, ＂Lo＂, ＂Lo-Med＂, ＂Med＂, ＂High＂],     ＂value＂: [60, 40, 50, 30, 20, 10, 25, 25, 40], }) df[＂variable＂] = pd.Categorical(df[＂variable＂], categories=[＂gender＂, ＂age＂, ＂income＂]) df[＂category＂] = pd.Categorical(df[＂category＂], categories=df[＂category＂]) #绘图 d=(ggplot(df, aes(x=＂variable＂, y=＂value＂, fill=＂category＂))   + geom_col()) #dpi是分辨率的单位，是dot per inch（每英寸所打印的点数或线数） #PPI(Pixel Per Inch)表示数字影像的解析度，以区分二者 #保存图片 #d.save(＂/home/xgj/Desktop/datavis/plotnine/test.pdf＂,width=20,height=15,dpi = 300) #显示图片 print(d)
　　4.2.2 图：
　　5 csv文件数据：
　　===========
　　5.1 生成csv文件：
　　5.1.1 复习：《Tablib：是一款简单好用、多种格式的数据管理的Python库》
　　5.1.2 代码：#---数据导出csv import tablib #表头，支持中文 headers = (＂variable＂, ＂category＂, ＂value＂) #数据 data = [     (＂gender＂, ＂Female＂, 60),     (＂gender＂, ＂Male＂, 40),     (＂age＂, ＂1-24＂, 50),     (＂age＂, ＂25-54＂, 30),     (＂age＂, ＂55+＂, 20),     (＂income＂, ＂Lo＂, 10),     (＂income＂, ＂Lo-Med＂, 25),     (＂income＂, ＂Med＂, 25),     (＂income＂, ＂High＂, 40), ] #数据集合 data=tablib.Dataset(*data, format=＂csv＂, headers=headers)  #表头显示，注意这里不是True #csv的特色 data.export(＂csv＂, delimiter=＂ ＂, quotechar=＂|＂) #指定路径和文件名 with open(＂/home/xgj/Desktop/datavis/plotnine/csvoutdata.csv＂, ＂w＂, newline=＂＂) as f:     f.write(data.export(＂csv＂))
　　5.2 读取csv文件并作图：
　　5.2.1 代码：import pandas as pd from plotnine import * #读取csv文件 data = pd.read_csv(＂/home/xgj/Desktop/datavis/plotnine/csvoutdata.csv＂) #pd格式化数据 df = pd.DataFrame(data) #设定和分类 df[＂variable＂] = pd.Categorical(df[＂variable＂], categories=[＂gender＂, ＂age＂, ＂income＂]) df[＂category＂] = pd.Categorical(df[＂category＂], categories=df[＂category＂]) #绘图 d=(ggplot(df, aes(x=＂variable＂, y=＂value＂, fill=＂category＂))   + geom_col()) #显示图片 print(d)
　　5.2.2 图：和4.2.2图一样，此处省略。
　　===其他方法都是ggplot2的R语言的语法===
　　===自己整理并分享出来===
　　喜欢的就点赞、评论、关注、转发和收藏。