熟话说得好，文不如字，字不如表，表不如图，因此掌握用python来进行数据的可视化是很重要的一项本领。

离散变量的可视化：

1. 饼图

import matplotlib.pyplot as plt

pie(x , explode=None , labels=None , colors=None, autopct=None , pctdistance=0.6,
shadow=False,labeldistance=1.1 , startangle=None , radius = None ,
counterclock = True , wedgeprops=None , textprops=None ,
center=(0.0),frame = False)

x : 指定绘图的数据
explode : 指定饼图某些部分的突出显示，即呈现爆炸式。
labels : 为饼图添加标签说明，类似于图例说明。
colors : 指定饼图的填充色。
autopct ：自动添加百分比显示，可以再用格式化的方法显示。
pctdistance：设置百分比标签与圆心的距离。
shadow：是否添加饼图的阴影效果。
labeldistance ：设置各扇形标签（图例）与圆心的距离。
startangle：设置饼图的初始摆放角度。
radius ：设置饼图的半径大小。
counterclock ： 是否让饼图按逆时针顺序呈现。
wedgeprops ： 设置饼图内外边界的属性，如边界线的粗细、颜色等。
textprops：设置饼图中文本的属性，如字体大小、颜色等。
center ： 指定饼图的中心点位置，默认为原点。
frame ：是否要显示饼图背后的图框，如果设置为True的话，需要同时控制图框x轴、y轴的范围和饼图的中心位置。

在运行的时候，可能会遇到中文字符在图上无法显示的问题，只需要在报错的文件中，加上几行代码：

from pylab import mpl
 
# 设置中文显示字体
mpl.rcParams["font.sans-serif"] = ["SimHei"]
# 设置正常显示符号
mpl.rcParams["axes.unicode_minus"] = False

就可以正常显示了。

一些更加具体的设置如下：

除此之外，pandas中的plot其实也可以绘制饼图 ， 这里简单举个例子，不对所有参数做介绍了，用的时候直接去搜就行。

2.条形图

可以使用matplotlib ， pandas ， seaborn 模块来绘制，按顺序依次介绍。

matplotlib ：

bar(left,height,width=0.8,bottom=None,color=None,edgecolor=None,
linewidth=None,tick_label=None,xerr=None,yerr=None,
label=None,ecolor=None,align , log=False , **kwargs)

left : 传递数值序列，指定条形图中x轴上的刻度值。（若报错的话就用x替代left）
height : 传递数值序列 ， 指定条形图y轴上的高度。
width ： 指定条形图的宽度，默认为0.8
bottom ： 用于绘制堆叠条形图。（若报错的话就用y替代bottom）
color ： 指定条形图的填充色。
edgecolor ： 指定条形图的边框色。
linewidth ： 指定条形图边框的宽度，如果指定为0，表示不绘制边框。
tick_label ： 指定条形图的刻度标签。
xerr ： 如果参数不为None ， 表示在条形图的基础上添加误差棒。
yerr ： 同xerr。
label ： 指定条形图的标签，一般用以添加图例。
ecolor ： 指定条形图误差棒的颜色。
align ： 指定x轴刻度标签的对齐方式，默认为center，表示刻度标签居中对齐，如果设置为edge，则表示在每个条形的左下角呈现刻度标签。

log： bool类型参数，是否对坐标轴进行log转换，默认为False。
**kwargs ： 关键字参数，用于对条形图进行其他设置，如透明度等。

1.垂直或水平条形图

2.堆叠条形图
无论是垂直条形图还是水平条形图，都只是反映单个离散变量的统计图。如果想通过条形图传递连个离散变量的信息，就要用到堆叠条形图，也就是，横坐标代表一个维度的离散变量，堆叠起来的块代表另一个维度的离散变量，举个例子，某产业四个季度的产业值为例：

3.水平交错条形图
堆叠条形图可以包含两个离散变量的信息，可以比较各个季度整体产值的高低水平，但是缺点是不易区分“块”之间的差异。要想解决这一问题，就要用到交错条形图。

之前我们介绍过可以使用matplotlib ， pandas ， seaborn 模块来绘制，其中后两种就不着重介绍了，主要讲一下seaborn里面的水平交错条形图。

sns.barplot(x=None,y=None,hue=None,data=None,order=None,hue_order=None,
ci=95,n_boot=1000,orient=None,color=None,palette=None,
saturation=0.75,errcolor=‘.26’,errwidth=None,dodge=True,
ax=None,**kwargs)

x ： 指定条形图的x轴数据
y ： 指定条形图的y轴数据
hue : 指定用于分组的另一个离散变量
data ： 指定用于绘图的数据集
order ： 传递一个字符串列表，用于分类变量的排序
hur_order : 传递一个字符串列表，用于分类变量hue值得排序
ci ： 用于绘制条形图的误差棒
n_boot ： 当指定ci参数的时候，可以通过n_boot参数控制自助抽样的迭代次数
orient ： 指定水平或垂直条形图。
color ： 指定所有条形图所属的一种填充色。
palette ： 指定hue变量中各水平的颜色。
saturation ： 指定颜色的透明度。
errwidth ： 指定误差棒的线宽。
errcolor ： 制定误差棒的颜色、。
capsize ： 指定误差棒两端线条的宽度。
dodge ： bool类型参数，当使用hue参数的时候，是否绘制水平交错条形图，默认为TRUE。
ax ： 用于控制子图的位置。
**kwagrs ： 关键字参数，可以调用plt.bar函数中的其他参数。