數據基礎視化應用 6

大數據可視化技術與應用第8章Python數據可視化本章學習目標了解Python中的可視化庫了解numpy庫的基本原理掌握matplotlib庫的繪圖方法掌握pandas庫的繪圖方法掌握seaborn庫的繪圖方法掌握Bokeh庫的繪圖方法掌握pyqtgraph庫的繪圖方法8.1Python可視化庫簡介

使用Python中的擴展庫，可以較為輕松的實現數據可視化。一般來講，Python可視化的實現以numpy庫和matplotlib庫為基礎，除此以外，還有一些其他的可視化庫，如pandas庫、seaborn庫、Bokeh庫以及pyqtgraph庫等。1．matplotlib可視化庫

matplotlib庫是Python下著名的繪圖庫，也是Python可視化庫的基礎庫，

matplotlib庫的功能十分強大。為了方便快速繪圖，matplotlib通過pyplot模塊提供了一套和Matlab類似的繪圖API，將眾多繪圖對象所構成的復雜結構隱藏在這套API內部。因此，只需要調用pyplot模塊所提供的函數就可以實現快速繪圖以及設置圖表的各種細節。2．numpy庫numpy庫是Python做數據處理的底層庫，是高性能科學計算和數據分析的基礎，比如著名的Python機器學習庫SKlearn就需要numPy的支持。掌握numPy的基礎數據處理能力是利用Python做數據運算及機器學習的基礎。

同時，在數據可視化中也時常需要用到numpy中的數組存儲以及矩陣運算等功能，因此了解numpy庫對開發數據可視化十分有用。3．pandas庫pandas庫是Python下著名的數據分析庫，主要功能是進行大量的數據處理，同時也可以繪制高效的完成繪圖的工作。與

matplotlib庫相比，pandas庫繪圖方式更加簡潔。4．seaborn庫seaborn是基于matplotlib的Python可視化庫。它提供了一個高級界面來繪制有吸引力的統計圖形，可以使得數據可視化更加的方便，美觀。5．Bokeh庫Bokeh庫是一款針對現代Web瀏覽器呈現功能的交互式可視化庫。它通過Python以快速簡單的方式為超大型數據集提供高性能交互的多功能圖形。6．pyqtgraph庫在Python中除了上述的幾個可視化庫以外，還有一些可視化庫，例如pyqtgraph庫。pyqtgraph庫是一種建立在PyQt4/PySide和numpy庫基礎之上的純Python圖形GUI庫，在數學、科學和工程領域都有著廣泛的應用。盡管該庫完全用python編寫，但內部由于使用了高速計算的numpy信號處理庫以及Qt的GraphicsView框架。因此，它在大數據量的數字處理和快速顯示方面有著巨大的優勢。Python可視化庫的安裝與使用在Windows7下安裝Python可視化庫，常用pip命令來實現，如輸入命令pipinstall

matplotlib來安裝matplotlib庫。安裝完成后，可在Windows命令行中輸入Python，并在進入Python界面后輸入以下命令：import

matplotlibimport

pandasimport

seabornimport

bokehimport

pyqtgraphimport

numpy8.2可視化基礎numpy庫簡介

1．numpy庫簡介numpy庫主要用于數據分析，在進行數據可視化時，常常需要使用到numpy庫中的計算功能。一般來講，numpy庫具有以下特征：numpy庫中最核心的部分是ndarray對象。它封裝了同構數據類型的n維數組，它的功能將通過演示代碼的形式呈現。在數組中所有元素的類型必須一致，且在內存中占有相同的大小。數組元素可以使用索引來描述，索引序號從0開始。numpy數組的維數稱為秩（rank），一維數組的秩為1，二維數組的秩為2，以此類推。在numpy中，每一個線性的數組稱為是一個軸（axes），秩其實是描述軸的數量。2．numpy庫的使用1）numpy庫數組的創建

在numpy庫中創建數組可以使用如下語法：numpy.array

該語句表示通過引入numpy庫創建了一個ndarray對象。【例8-1】創建數組對象，代碼如下。importnumpyasnpa=np.array([1,2,3])print(a)2）numpy數組參數

在創建數組時，可以加入如下參數：numpy.array(object,dtype=None,copy=True,order=None,subok=False,ndmin=0)【例8-2】創建一個多維數組對象，代碼如下。importnumpyasnpa=np.array([[1,2,3],[4,5,6],[7,8,9]])print(a)該例定義并顯示了一個多維數組

【例8-3】顯示多維數組的數據類型，代碼如下。importnumpyasnpa=np.array([[1,2,3],[4,5,6],[7,8,9]],dtype=complex)print(a)

該例定義了一個多維數組，并顯示其數據類型3）ndarray對象的基本屬性

在創建了一個數組以后，可以查看ndarray對象的基本屬性【例8-4】顯示多維數組的維度，代碼如下。importnumpyasnpa=np.array([[1,2,3],[4,5,6],[7,8,9]])print(a.shape)

該例定義了一個多維數組，并顯示其維度

【例8-5】顯示數組中每個元素的字節大小，代碼如下。importnumpyasnpa=np.array([1,2,3,4,5,6,7,8,9],dtype=8)print(a.itemsize)該例定義了一個數組，并顯示其元素的字節大小

4）ndarray對象的切片和索引ndarray對象的內容可以通過索引或切片來訪問和修改，ndarray對象一般可由arange()函數創建，該函數用于創建數組，實現代碼如下：a=np.arange()

如果僅僅提取數組對象的一部分，則可以使用slice函數來構造，例如：s=slice()

【例8-6】ndarray對象的切片，代碼如下。importnumpyasnpa=np.arange(10)s=slice(1,8,2)print(a[s])

該例首先定義了一個數組，該數組對象由arange()函數創建。5）ndarray對象的計算模塊、線性代數模塊、三角函數和隨機函數模塊numpy包含用于數組內元素或數組間求和、求積以及進行差分的模塊，如表8-4所示。numpy還包含numpy.linalg模塊，提供線性代數所需的所有功能，此模塊中的一些重要功能如表8-5所示。在numpy庫中有三角函數模塊，如表8-6所示。此外，在numpy庫中還包含計算隨機函數的模塊

【例8-7】計算兩個數組的點積，對于一維數組，它是向量的內積，對于二維數組，其等效于矩陣乘法。代碼如下。importnumpy.matlibimportnumpyasnpa=np.array([[1,2],[3,4]])b=np.array([[10,20],[30,40]])np.dot(a,b)print(np.dot(a,b))

其中matlib表示numpy中的矩陣庫。該段程序定義了兩個數組a和b，并計算這兩個數組的點積。其中點積計算公式為：[[1*10+2*30,1*20+2*40],[3*10+4*30,3*20+4*40]]

【例8-8】根據給定維度隨機生成[0,1)之間的數據，包含0，不包含1，代碼如下。importnumpyasnpa=np.random.rand(5,2)print(a)

該例隨機生成了五組數值，均在[0,1)8.3基于matplotlib的數據可視化

1．matplotlib.pyplot函數庫簡介matplotlib.pyplot是一個命令型函數集合，它可以讓人們像使用MATLAB一樣使用matplotlib。pyplot中的每一個函數都會對畫布圖像作出相應的改變，如創建畫布、在畫布中創建一個繪圖區、在繪圖區上畫幾條線、給圖像添加文字說明等。matplotlib.pyplot中常見函數包含有plt.figure、plt.subplot以及plt.axes。1）plt.figure（）

使用plt.figure（）函數創建一個全局繪圖區域，其中可包含如下參數：num：設置圖像編號

figsize：設置圖像的寬度和高度，單位為英寸facecolor：設置圖像背景顏色dpi：設置繪圖對象的分辨率edgecolor：設置圖像邊框顏色

在創建了圖像區域之后，再用函數plt.show()顯示。如顯示繪圖區域代碼如下：plt.figure(figsize=(6,4))plt.show()

該代碼創建了一個空白區域，大小為6*4。

2）plt.subplot（）subplot()用于在全局繪圖區域中創建自繪圖區域，其中可包含如下參數：nrows：subplot的行數ncols：subplot的列數sharex：x軸刻度sharey：y軸刻度

使用subplot可以規劃figure劃分為n個子圖，但每條subplot命令只會創建一個子圖。【例8-9】用subplot劃分子區域，代碼如下。importmatplotlib.pyplotaspltplt.subplot(442)plt.show()

【例8-10】用subplot劃分子區域并顯示所有子圖，代碼如下。importmatplotlib.pyplotaspltfig=plt.figure()fig1=fig.add_subplot(3,3,1)fig2=fig.add_subplot(3,3,2)fig3=fig.add_subplot(3,3,3)fig4=fig.add_subplot(3,3,4)fig5=fig.add_subplot(3,3,5)fig6=fig.add_subplot(3,3,6)fig7=fig.add_subplot(3,3,7)fig8=fig.add_subplot(3,3,8)fig9=fig.add_subplot(3,3,9)plt.show()

3）plt.axes（）plt.axes(rect,axisbg=’w’)創建一個坐標系風格的子繪圖區域。默認創建一個subplot(111)坐標系，參數rect=[left,bottom,width,height]中4個變量的范圍都是[0,1]，表示坐標系與全局繪圖區域的關系。代碼如下：importmatplotlib.pyplotaspltplt.axes([0.1,0.1,0.7,0.3],axisbg='y')plt.show()4）plt.subplots_adjust()plt.subplots_adjust（）用于調整子繪圖區域的布局。常見語法如下：plt.subplots_adjust(left=,bottom=,right=,top=,hspace=)left:畫布中子圖左邊離y軸距離bottom:畫布中子圖下邊離x軸距離right:畫布中子圖右邊離y軸距離top:畫布中子圖上邊離x軸距離hspace:子圖之間的距離

例如：plt.subplots_adjust(left=0.2,bottom=0.1,right=0.8,top=0.8,hspace=0.5)2．matplotlib.pyplot相關函數簡介在matplotlib.pyplot庫中有plt子庫，該子庫提供了7個用于讀取和顯示的函數，17個用于繪制基礎圖表的函數，3個區域填充函數，9個坐標軸設置函數以及11個標簽與文本設置函數3．numpy和matplotlib繪圖綜合應用【例8-11】用numpy庫和matplotlib庫繪制圖形，代碼如下。importmatplotlib.pyplotaspltimportnumpyasnpx=np.arange(10)#取值依次為0-9的等差數列y=np.sin(x)z=np.cos(x)plt.plot(x,y,marker="*",linewidth=3,linestyle="--",color="red")#marker設置數據點樣式，linewidth設置線寬，linestyle設置線型樣式，color設置顏色plt.plot(x,z)plt.title("matplotlib")plt.xlabel("x")plt.ylabel("y")plt.legend(["Y","Z"],loc="upperright")#設置圖例plt.grid(True)plt.show()matplotlib可視化1．繪制線性圖形

使用matplotlib庫可以繪制各種圖形，其中最基本的是線性圖形，主要由線條組成。【例8-12】用matplotlib庫繪制線性圖形，代碼如下。importmatplotlib.pyplotaspltfrommatplotlib.font_managerimportFontPropertiesfont_set=FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size=20)#導入宋體字體文件dataX=[1,2,3,4]dataY=[2,4,4,2]plt.plot(dataX,dataY)plt.title("繪制直線",FontProperties=font_set);plt.xlabel("x軸",FontProperties=font_set);plt.ylabel("y軸",FontProperties=font_set);plt.show()2．繪制柱狀圖形

柱狀圖也叫作條形圖，是一種以長方形的長度為變量的表達圖形的統計報告圖，由一系列高度不等的縱向條紋表示數據分布的情況，用來比較兩個或以上的數值。【例8-13】用matplotlib庫繪制柱狀圖形，代碼如下。importmatplotlib.pyplotaspltfrommatplotlib.font_managerimportFontPropertiesfont_set=FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size=15)#導入宋體字體文件x=[0,1,2,3,4,5]y=[1,2,3,2,4,3]plt.bar(x,y)#豎的條形圖plt.title("柱狀圖",FontProperties=font_set);#圖標題plt.xlabel("x軸",FontProperties=font_set);plt.ylabel("y軸",FontProperties=font_set);plt.show()在繪制柱狀圖時，也可以使用numpy來實現。【例8-14】用matplotlib庫和numpy庫繪制隨機出現的繪制柱狀圖形，代碼如下。importmatplotlib.pyplotaspltfrommatplotlib.font_managerimportFontPropertiesimportnumpyasnpfont_set=FontProperties(fname=r"c:\windows\fonts\simsun.ttc",size=15)#導入宋體字體文件x=np.arange(10)y=np.random.randint(0,20,10)plt.bar(x,y)plt.show()3．繪制直方圖

直方圖又稱質量分布圖，是一種統計報告圖，由一系列高度不等的縱向條紋或線段表示數據分布的情況。一般用橫軸表示數據類型，縱軸表示分布情況。【例8-15】用matplotlib庫繪制直方圖形，代碼如下。importmatplotlib.pyplotaspltimportnumpyasnpmean,sigma=0,1x=mean+sigma*np.random.randn(10000)plt.hist(x,50,normed=1,histtype='bar',facecolor='red',alpha=0.75)plt.show()4．繪制散點圖

散點圖在回歸分析中使用較多，它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，因此散點圖通常用于比較跨類別的聚合數據。【例8-16】用matplotlib庫繪制散點圖形，代碼如下。importmatplotlib.pyplotaspltimportnumpyasnpx=np.random.rand(100)y=np.random.rand(100)plt.scatter(x,y)plt.show()5．繪制極坐標圖

極坐標圖是指在平面內由極坐標系描述的曲線方程圖。極坐標是指在平面內由極點、極軸和極徑組成的坐標系。極坐標圖用于對多維數組進行直接的對比，多用在企業的可視化數據模型的對比與分析中。【例8-17】用matplotlib庫繪制極坐標圖形，代碼如下。importmatplotlib.pyplotaspltimportnumpyasnptheta=np.arange(0,2*np.pi,0.02)ax1=plt.subplot(121,projection='polar')ax1.plot(theta,theta/6,'--',lw=2)plt.show()6．繪制餅圖餅圖用于表示不同分類的占比情況，通過弧度大小來對比各種分類，餅圖通過將一個圓餅按照分類的占比劃分成多個區塊，整個圓餅代表數據的總量，每個區塊（圓弧）表示該分類占總體的比例大小。【例8-18】用matplotlib庫繪制餅圖圖形，代碼如下。importmatplotlib.pyplotaspltimportnumpyasnpplt.rcParams['font.sans-serif']=['SimHei']#設置字體plt.title("餅圖");#設置標題labels='計算機系','機械系','管理系','社科系'sizes=[45,30,15,10]#設置每部分大小explode=(0,0.0,0,0)#設置每部分凹凸counterclock=False#設置順時針方向plt.pie(sizes,explode=explode,labels=labels,autopct='%1.1f%%',shadow=False,startangle=90)#設置餅圖的起始位置，startangle=90表示開始角度為90度plt.show()8.4基于pandas的數據可視化pandas繪圖介紹在Python中有很多圖形化庫，例如之前講述的matplotlib庫。不過雖然matplotlib庫可以繪制精美的圖形，但是它需要安裝大量的組件，書寫大量的代碼，并且繪圖過程也比較復雜。而在pandas中則可以高效的完成繪圖的工作，因此本節將講述使用pandas來繪制圖形。2．pandas繪圖原理pandas使用一維的數據結構Series和二維的數據結構DataFrame來表示數據，因此與numpy相比，pandas可以存儲混合的數據結構。同時pandas使用NaN來表示缺失的數據，而不用像numpy一樣要手工處理缺失的數據，因而制作一張完整的圖表，matplotlib需要大段代碼，而pandas只需幾條語句即可實現。

在Python3中的pandas庫或繪圖函數導入語句如下：importpandasaspdimportnumpyasnpfrompandasimportDataFrame,Seriesimportmatplotlib.pyplotasplt值得注意的是：在pandas庫有兩個最基本的數據類型，分別是Series和DataFrame。其中Series數據類型表示一維數組，與numpy中的一維array類似，并且二者與Python基本的數據結構List也很相近。而DataFrame數據類型則代表二維的表格型數據結構，也可以將DataFrame理解為Series的容器。pandas繪圖實例1．pandas繪制線性圖

在pandas中依靠Series和DataFrame中的一個生成各類圖表的plot方法可以十分輕松的繪制線性圖。1）使用Series繪制線性圖

【例8-19】在pandas中使用Series繪制線性圖，代碼如下。frompandasimportDataFrame,Seriesimportpandasaspdimportnumpyasnpimportmatplotlib.pyplotasplts=pd.Series(np.random.randn(10).cumsum(),index=np.arange(0,100,10))s.plot()plt.show()2）使用DataFrame繪制線性圖

【例8-20】在pandas中使用DataFrame繪制線性圖，代碼如下。frompandasimportDataFrame,Seriesimportpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltdf=pd.DataFrame(np.random.randn(10,4).cumsum(0),columns=['A','B','C','D'],index=np.arange(0,100,10))df.plot()plt.show()2．pandas繪制柱狀圖1）使用Series繪制柱狀圖

在pandas中繪制柱狀圖與繪制線性圖的方法類似，只需在生成線性圖的代碼中加上bar（垂直柱狀圖）或barh（水平柱狀圖）即可實現。

【例8-21】在pandas中繪制柱狀圖，代碼如下。frompandasimportDataFrame,Seriesimportpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfig,axes=plt.subplots(2,1)data=pd.Series(np.random.rand(16),index=list('abcdefghijklmnop'))df.plot.bar(ax=axes[0],color='r',alpha=0.7)#垂直柱狀圖df.plot.barh(ax=axes[1],color='r',alpha=0.7)#水平柱狀圖plt.show()2）使用DataFrame繪制柱狀圖

【例8-22】在pandas中使用DataFrame繪制柱狀圖，代碼如下。frompandasimportDataFrame,Seriesimportpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltdf=pd.DataFrame(np.random.rand(4,4),index=['one','two','three','four'],columns=pd.Index(['A','B','C','D'],name='bar'))df.plot.bar()plt.show()3．pandas繪制直方圖

在pandas中只需通過DataFrame的hist方法，即可生成直方圖。

【例8-23】在pandas中繪制直方圖，代碼如下。frompandasimportDataFrame,Seriesimportpandasaspdimportnumpyasnpimportmatplotlib.pyplotaspltfromnumpy.randomimportrandndf=pd.DataFrame({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),},columns=['a','b'])df.plot.hist(bins=20)plt.show()8.5基于seaborn的數據可視化

seaborn繪圖介紹1．seaborn繪圖簡介seaborn是斯坦福大學開發的一個非常好用的可視化包，也是基于matplotlib的python數據可視化庫。與matplotlib相比，seaborn提供更高層次的API封裝，使用起來更加方便快捷。因此，從開發者的角度講，seaborn是matplotlib的擴充。但是值得注意的是：由于seaborn是以matplotlib為基礎，因此在使用seaborn前，還是應先學習matplotlib的相關知識。2．seaborn導入

在Python3中的seaborn繪圖庫或函數導入語句如下：importnumpyasnpimportpandasaspdfromscipyimportstats,integrateimportmatplotlib.pyplotaspltimportseabornassns

要想使用Python實現seaborn數據可視化，須分別導入numpy庫、pandas庫、scipy庫、matplotlib庫以及seaborn庫，其中seaborn可簡寫為sns。seaborn繪圖實例1．seaborn設置繪圖風格

【例8-24】在seaborn中設置繪圖風格，代碼如下。importnumpyasnpimportpandasaspdimportmatplotlib.pyplotaspltimportseabornassnssns.set_style("darkgrid")plt.plot(np.arange(10))plt.show()2．seaborn繪制直方圖

【例8-25】在seaborn中繪制直方圖

在seaborn中繪制最簡單直方圖的函數是distplot（），該函數默認繪制直方圖并擬合內核密度估計，代碼如下。importnumpyasnpimportpandasaspdfromscipyimportstats,integrateimportmatplotlib.pyplotaspltimportseabornassnssns.set(color_codes=True)np.random.seed(sum(map(ord,"distributions")))x=np.random.normal(size=100)sns.distplot(x,kde=True,bins=20,rug=True)plt.show()3．seaborn繪制核密度圖

【例8-26】在seaborn中繪制核密度估計圖，該圖主要是估計連續密度分布，代碼如下。importnumpyasnpimportpandasaspdfromscipyimportstats,integrateimportmatplotlib.pyplotaspltimportseabornassnssns.set(color_codes=True)np.random.seed(sum(map(ord,"distributions")))x=np.random.normal(size=100)sns.kdeplot(x)sns.kdeplot(x,bw=1,label="bw:1")sns.kdeplot(x,bw=2,label="bw:2")plt.show()4．seaborn繪制散點圖

【例8-27】在seaborn中繪制散點圖，代碼如下。

importnumpyasnpimportpandasaspdfromscipyimportstats,integrateimportmatplotlib.pyplotaspltimportseabornassnssns.set(color_codes=True)np.random.seed(sum(map(ord,"distributions")))mean,cov=[0,1],[(1,3.5),(3.5,1)]data=np.random.multivariate_normal(mean,cov,200)df=pd.DataFrame(data,columns=["x","y"])withsns.axes_style("ticks"):sns.jointplot(x="x",y="y",data=df)plt.show()8.6基于Bokeh的數據可視化1．Bokeh繪圖簡介Bokeh是一個Python交互式可視化庫，用于在現代Web瀏覽器上進行展示。它的目標是以D3.js風格提供優雅簡潔的圖形展示，并與大數據或流數據進行高效交互。

在實現上，Bokeh捆綁了多種語言（如Python、R、lua和Julia）。這些捆綁的語言產生了一個JSON文件，這個文件作為BokehJS（一個Javascript庫）的一個輸入，會將數據展現到Web瀏覽器上。Bokeh有以下特點：Bokeh允許用戶通過簡單的指令就可以快速創建復雜的統計圖。Bokeh可以輸出到各種媒體中，如HTML、Notebook文檔和服務器，如在Python中可輸出為HTML的網頁形式。用戶可以將Bokeh可視化嵌入flask和django程序中。2．Bokeh導入

在Python3中的Bokeh繪圖庫或函數導入語句如下：frombokeh.plottingimportfigure,output_file,show

其中importfigure,output_file,show語句的含義是先從

bokeh.plotting

中導入

figure

函數，output_file函數和show函數，用以創建和顯示圖表。函數含義如下：figure：創建圖形。output_file：將圖形輸出為網頁。show：顯示該圖形。Bokeh繪圖實例1．Bokeh繪制補丁圖Bokeh中最基本的圖形也叫做補丁圖，它是指在Bokeh中繪制多個點，然后將點依次連接形成的圖形，如直線或封閉圖形等。1）Bokeh繪制直線

【例8-28】在Bokeh中繪制直線，代碼如下。frombokeh.plottingimportfigure,output_file,showoutput_file("patch.html")p=figure(plot_width=400,plot_height=400)p.patch([1,2,3,4,5],[6,7,8,9,10],alpha=0.5,line_width=2)show(p)2）Bokeh繪制封閉圖形

【例8-29】在Bokeh中繪制封閉圖形，代碼如下。frombokeh.plottingimportfigure,output_file,showoutput_file("patch.html")p=figure(plot_width=400,plot_height=400)p.patch([1,2,3,4,5],[6,8,5,3,4],alpha=0.5,line_width=2)show(p)2．Bokeh繪制散點圖1）繪制圓形散點圖

【例8-30】在Bokeh中繪制圓形散點圖，代碼如下。

frombokeh.plottingimportfigure,output_file,showoutput_file("circle.html")p=figure(plot_width=400,plot_height=400)p.circle([1,2,3,4,5],[3,4,5,6,7],size=20,color="red",alpha=0.5)show(p)2）繪制正方形散點圖

【例8-31】在Bokeh中繪制正方形散點圖，代碼如下。

frombokeh.plottingimportfigure,output_file,showoutput_file("square.html")p=figure(plot_width=400,plot_height=400)p.square([1,2,3,4,5],[7,8,5,3,7],size=30,color="red",alpha=0.5)show(p)3．Bokeh繪制曲線圖

【例8-32】在Bokeh中繪制正弦函數曲線圖，代碼如下。

frombokeh.plottingimportfigure,,output_file,showimportnumpyasnpoutput_file("sinx.html")x=np.linspace(-np.pi,np.pi,100)y=np.sin(x)p=figure(plot_width=400,plot_height=400)p.line(x,y)show(p)8.7基于pyqtgraph的數據可視化pyqtgraph繪圖介紹1．pyqtgraph繪圖簡介pyqtgraph是純Python圖形GUI庫，它是基于PyQT4和numpy的繪圖庫，其中PyQT4是一個跨平臺框架，使用C++編寫，可以運行在所有的主流操作系統上，其中包括Unix、Windows、Mac。在PyQT4中包含許多工具和API，被廣泛應用于許多行業，并涵蓋了眾多平臺。盡管pyqtgraph完全用python編寫，但內部由于使用了高速計算的numpy信號處理庫以及Qt的GraphicsView框架，因此，它在大數據量的數字處理和快速顯示方面有著巨大的優勢，比較適合于需要快速繪圖更