Jupyter 常见可视化框架选择

时间 2019-12-06

标签 jupyter 常见可视化框架选择繁體版

原文原文链接

对于以Python做为技术栈的数据科学工做者，Jupyter是不得不提的数据报告工具。可能对于R社区而言，鼎鼎大名的ggplot2是常见的可视化框架，而你们对于Python，以及Jupyter为核心的交互式报告的可个视化方案就并无那么熟悉。本文试图比较几个经常使用的解决方案，方便你们选择。javascript

选择标准

称述式仍是命令式

数据工做者使用的图的类别，常见的就三类：GIS可视化、网络可视化和统计图。所以，大多数场景下，咱们并不想接触很是底层的基于点、线、面的命令，因此，选择一个好的封装的框架至关重要。html

固然，公认较好的封装是基于《The Grammar of Graphics (Statistics and Computing)》一书，R中的ggplot2基本上就是一个很好的实现。咱们基本上能够像用「天然语言」（Natural Language）同样使用这些绘图命令。咱们姑且采用计算机科学领域的「陈述式」来表达这种绘图方式。前端

相反，有时候，如下情形时，咱们可能对于这种绘图命令可能并不在乎：java

出图至关简单，要求绘制速度，通常大的框架较重（固然只是相对而言）；
想要对细节作很是详尽的微调，通常大框架在微调方面会相对复杂或者退缩成一句句命令；
是统计做图可视化的创新者，想要尝试作出新的可视化实践。

这些状况下，显然，简单操做式并提供底层绘制命令的框架更让人愉快，与上面相似，咱们借用「命令式」描述这类框架。python

是否交互

与传统的交付静态图标不一样，基于Web端的Jupter的一大好处就是能够绘制交互的图标（最近的RNotebook也有实现），所以，是否选择交互式，也是一个须要权衡的地方。git

交互图的优点：github

能够提供更多的数据维度和信息；
用户端能够作更多诸如放大、选取、转存的操做；
能够交付BI工程师相应的JavaScript代码用以工程化；
效果上比较炫酷，考虑到报告接受者的特征能够选择。

非交互图的优点：json

报告文件直接导出成静态文件时相对问题，不会由于转换而损失信息；
图片能够与报告分离，必要时做为其余工做的成果；
不须要在运行Notebook时花不少世界载入各种前端框架。

是非内核交互

Jupyter上大多数命令经过如下方式获取数据，而大多数绘图方式事实上只是经过Notebook内的代码在Notebook与内核交互后展现出输出结果。但ipywidgets框架则能够实现Code Cell中的代码与Notebook中的前端控件（好比按钮等）绑定来进行操做内核，提供不一样的绘图结果，甚至某些绘图框架的每一个元素均可以直接和内核进行交互。前端框架

用这些框架，能够搭建更复杂的Notebook的可视化应用，但缺点是由于基于内核，因此在呈递、展现报告时若是使用离线文件时，这些交互就会无效。网络

框架罗列

`matplotlib`

最家喻户晓的绘图框架是matplotlib，它提供了几乎全部python内静态绘图框架的底层命令。若是按照上面对可视化框架的分法，matplotlib属于非交互式的的「命令式」做图框架。

## matplotlib代码示例
from pylab import *

X = np.linspace(-np.pi, np.pi, 256,endpoint=True)
C,S = np.cos(X), np.sin(X)

plot(X,C)
plot(X,S)

show()

优势是相对较快，底层操做较多。缺点是语言繁琐，内置默认风格不够美观。

matplotlib在jupyter中须要一些配置，能够展示更好的效果，详情参见这篇文章.

`ggplot`和`plotnine`

值得一说，对于R迁移过来的人来讲，ggplot和plotnine简直是福音，基本克隆了ggplot2全部语法。横向比较的话，plotnine的效果更好。这两个绘图包的底层依旧是matplotlib，所以，在引用时别忘了使用%matplotlib inline语句。值得一说的是plotnine也移植了ggplot2中良好的配置语法和逻辑。

## plotnine示例
(ggplot(mtcars, aes('wt', 'mpg', color='factor(gear)'))
 + geom_point()
 + stat_smooth(method='lm')
 + facet_wrap('~gear'))

`Seaborn`

seaborn准确上说属于matplotlib的扩展包，在其上作了许多很是有用的封装，基本上能够知足大部分统计做图的需求，以matplotlib+seaborn基本能够知足大部分业务场景，语法也更加「陈述式」。

缺点是封装较高，基本上API不提供的图就彻底不可绘制，对于各种图的拼合也不适合；此外配置语句语法又回归「命令式」，相对复杂且不一致。

## seaborn示例
import seaborn as sns; sns.set(color_codes=True)
iris = sns.load_dataset("iris")
species = iris.pop("species")
g = sns.clustermap(iris)

`plotly`

plotly是跨平台JavaScript交互式绘图包，因为开发者的核心是javascript，因此整个语法相似于写json配置，语法特质也介于「陈述式」和「命令式」之间，无服务版本是免费的。

有点是学习成本不高，能够很快将语句移植到javascript版本；缺点是语言相对繁琐。

##plotly示例
import plotly.plotly as py
import plotly.graph_objs as go

# Add data
month = ['January', 'February', 'March', 'April', 'May', 'June', 'July',
         'August', 'September', 'October', 'November', 'December']
high_2000 = [32.5, 37.6, 49.9, 53.0, 69.1, 75.4, 76.5, 76.6, 70.7, 60.6, 45.1, 29.3]
low_2000 = [13.8, 22.3, 32.5, 37.2, 49.9, 56.1, 57.7, 58.3, 51.2, 42.8, 31.6, 15.9]
high_2007 = [36.5, 26.6, 43.6, 52.3, 71.5, 81.4, 80.5, 82.2, 76.0, 67.3, 46.1, 35.0]
low_2007 = [23.6, 14.0, 27.0, 36.8, 47.6, 57.7, 58.9, 61.2, 53.3, 48.5, 31.0, 23.6]
high_2014 = [28.8, 28.5, 37.0, 56.8, 69.7, 79.7, 78.5, 77.8, 74.1, 62.6, 45.3, 39.9]
low_2014 = [12.7, 14.3, 18.6, 35.5, 49.9, 58.0, 60.0, 58.6, 51.7, 45.2, 32.2, 29.1]

# Create and style traces
trace0 = go.Scatter(
    x = month,
    y = high_2014,
    name = 'High 2014',
    line = dict(
        color = ('rgb(205, 12, 24)'),
        width = 4)
)
trace1 = go.Scatter(
    x = month,
    y = low_2014,
    name = 'Low 2014',
    line = dict(
        color = ('rgb(22, 96, 167)'),
        width = 4,)
)
trace2 = go.Scatter(
    x = month,
    y = high_2007,
    name = 'High 2007',
    line = dict(
        color = ('rgb(205, 12, 24)'),
        width = 4,
        dash = 'dash') # dash options include 'dash', 'dot', and 'dashdot'
)
trace3 = go.Scatter(
    x = month,
    y = low_2007,
    name = 'Low 2007',
    line = dict(
        color = ('rgb(22, 96, 167)'),
        width = 4,
        dash = 'dash')
)
trace4 = go.Scatter(
    x = month,
    y = high_2000,
    name = 'High 2000',
    line = dict(
        color = ('rgb(205, 12, 24)'),
        width = 4,
        dash = 'dot')
)
trace5 = go.Scatter(
    x = month,
    y = low_2000,
    name = 'Low 2000',
    line = dict(
        color = ('rgb(22, 96, 167)'),
        width = 4,
        dash = 'dot')
)
data = [trace0, trace1, trace2, trace3, trace4, trace5]

# Edit the layout
layout = dict(title = 'Average High and Low Temperatures in New York',
              xaxis = dict(title = 'Month'),
              yaxis = dict(title = 'Temperature (degrees F)'),
              )

fig = dict(data=data, layout=layout)
py.iplot(fig, filename='styled-line')

注意：此框架在jupyter中使用须要使用init_notebook_mode()加载JavaScript框架。

`bokeh`

bokeh是pydata维护的比较具备潜力的开源交互可视化框架。

值得一说的是，该框架同时提供底层语句和「陈述式」绘图命令。相对来讲语法也比较清楚，但其配置语句依旧有不少可视化框架的问题，就是与「陈述式」命令不符，没有合理的结构。此外，一些常见的交互效果都是以底层命令的方式使用的，所以若是要快速实现Dashboard或者做图时就显得较为不便了。

## Bokeh示例
import numpy as np
import scipy.special

from bokeh.layouts import gridplot
from bokeh.plotting import figure, show, output_file

p1 = figure(title="Normal Distribution (μ=0, σ=0.5)",tools="save",
            background_fill_color="#E8DDCB")

mu, sigma = 0, 0.5

measured = np.random.normal(mu, sigma, 1000)
hist, edges = np.histogram(measured, density=True, bins=50)

x = np.linspace(-2, 2, 1000)
pdf = 1/(sigma * np.sqrt(2*np.pi)) * np.exp(-(x-mu)**2 / (2*sigma**2))
cdf = (1+scipy.special.erf((x-mu)/np.sqrt(2*sigma**2)))/2

p1.quad(top=hist, bottom=0, left=edges[:-1], right=edges[1:],
        fill_color="#036564", line_color="#033649")
p1.line(x, pdf, line_color="#D95B43", line_width=8, alpha=0.7, legend="PDF")
p1.line(x, cdf, line_color="white", line_width=2, alpha=0.7, legend="CDF")

p1.legend.location = "center_right"
p1.legend.background_fill_color = "darkgrey"
p1.xaxis.axis_label = 'x'
p1.yaxis.axis_label = 'Pr(x)'



p2 = figure(title="Log Normal Distribution (μ=0, σ=0.5)", tools="save",
            background_fill_color="#E8DDCB")

mu, sigma = 0, 0.5

measured = np.random.lognormal(mu, sigma, 1000)
hist, edges = np.histogram(measured, density=True, bins=50)

x = np.linspace(0.0001, 8.0, 1000)
pdf = 1/(x* sigma * np.sqrt(2*np.pi)) * np.exp(-(np.log(x)-mu)**2 / (2*sigma**2))
cdf = (1+scipy.special.erf((np.log(x)-mu)/(np.sqrt(2)*sigma)))/2

p2.quad(top=hist, bottom=0, left=edges[:-1], right=edges[1:],
        fill_color="#036564", line_color="#033649")
p2.line(x, pdf, line_color="#D95B43", line_width=8, alpha=0.7, legend="PDF")
p2.line(x, cdf, line_color="white", line_width=2, alpha=0.7, legend="CDF")

p2.legend.location = "center_right"
p2.legend.background_fill_color = "darkgrey"
p2.xaxis.axis_label = 'x'
p2.yaxis.axis_label = 'Pr(x)'



p3 = figure(title="Gamma Distribution (k=1, θ=2)", tools="save",
            background_fill_color="#E8DDCB")

k, theta = 1.0, 2.0

measured = np.random.gamma(k, theta, 1000)
hist, edges = np.histogram(measured, density=True, bins=50)

x = np.linspace(0.0001, 20.0, 1000)
pdf = x**(k-1) * np.exp(-x/theta) / (theta**k * scipy.special.gamma(k))
cdf = scipy.special.gammainc(k, x/theta) / scipy.special.gamma(k)

p3.quad(top=hist, bottom=0, left=edges[:-1], right=edges[1:],
        fill_color="#036564", line_color="#033649")
p3.line(x, pdf, line_color="#D95B43", line_width=8, alpha=0.7, legend="PDF")
p3.line(x, cdf, line_color="white", line_width=2, alpha=0.7, legend="CDF")

p3.legend.location = "center_right"
p3.legend.background_fill_color = "darkgrey"
p3.xaxis.axis_label = 'x'
p3.yaxis.axis_label = 'Pr(x)'



p4 = figure(title="Weibull Distribution (λ=1, k=1.25)", tools="save",
            background_fill_color="#E8DDCB")

lam, k = 1, 1.25

measured = lam*(-np.log(np.random.uniform(0, 1, 1000)))**(1/k)
hist, edges = np.histogram(measured, density=True, bins=50)

x = np.linspace(0.0001, 8, 1000)
pdf = (k/lam)*(x/lam)**(k-1) * np.exp(-(x/lam)**k)
cdf = 1 - np.exp(-(x/lam)**k)

p4.quad(top=hist, bottom=0, left=edges[:-1], right=edges[1:],
       fill_color="#036564", line_color="#033649")
p4.line(x, pdf, line_color="#D95B43", line_width=8, alpha=0.7, legend="PDF")
p4.line(x, cdf, line_color="white", line_width=2, alpha=0.7, legend="CDF")

p4.legend.location = "center_right"
p4.legend.background_fill_color = "darkgrey"
p4.xaxis.axis_label = 'x'
p4.yaxis.axis_label = 'Pr(x)'



output_file('histogram.html', title="histogram.py example")

show(gridplot(p1,p2,p3,p4, ncols=2, plot_width=400, plot_height=400, toolbar_location=None))

`bqplot`

bqplot是基于ipywidgets和d3.js组合发展的内核交互式的可视化框架。语法上采用了和matplotlib大体一致的语法已经相对封装较高的「陈述式语法」。优势是直接和内核交互，可使用大量控件来实现更多的图像处理，缺点也是直接的，离线文档则不会显示任何图案、控件也都失效。

## bqplot示例
import numpy as np
from IPython.display import display
from bqplot import (
    OrdinalScale, LinearScale, Bars, Lines, Axis, Figure
)

size = 20
np.random.seed(0)

x_data = np.arange(size)

x_ord = OrdinalScale()
y_sc = LinearScale()

bar = Bars(x=x_data, y=np.random.randn(2, size), scales={'x': x_ord, 'y':
y_sc}, type='stacked')
line = Lines(x=x_data, y=np.random.randn(size), scales={'x': x_ord, 'y': y_sc},
             stroke_width=3, colors=['red'], display_legend=True, labels=['Line chart'])

ax_x = Axis(scale=x_ord, grid_lines='solid', label='X')
ax_y = Axis(scale=y_sc, orientation='vertical', tick_format='0.2f',
            grid_lines='solid', label='Y')

Figure(marks=[bar, line], axes=[ax_x, ax_y], title='API Example',
       legend_location='bottom-right')

其余特殊需求的做图

除了统计做图，网络可视化和GIS可视化也是很经常使用的，在此只作一个简单的罗列：

GIS类：

gmap：交互，使用google maps接口
ipyleaflet：交互，使用leaflet接口

网络类：

networkx：底层为matplotlib
plotly

总结

	底层实现	交互方式	语法	语言结构	备注	推荐程度
`matplotlib`	-	无	命令式	底层语言	能够实现复杂底层操做	★★★
`gglot`	`matplotlib`	无	陈述式	类`ggplot2`	建议选择`plotnine`	★★
`plotnine`	`matplotlib`	无	陈述式	类`ggplot2`	彻底移植`ggplot2`	★★★★★
`seaborn`	`matplotlib`	无	陈述式	高级语言	有不少有用的统计图类的封装；但不适合作图拼装	★★★★★
`plotly`	`plotly.js`	前端交互	介于命令式和陈述式之间	相似JavaScript	语法相似于json配置	★★★★
`bokeh`	-	前端交互	命令、陈述式	同时有底层语言和高级语言	社区具备潜力	★★★
`bqplot`	`d3.js`	内核交互	命令、陈述式	有相似`matplotlib`底层语言，已经封装好的高级语言	内核交互	★★★★

Jupyter 常见可视化框架选择

选择标准

称述式仍是命令式

是否交互

是非内核交互

框架罗列

matplotlib

ggplot和plotnine

Seaborn

plotly

bokeh

bqplot