5 种使用 Python 代码轻松实现数据可视化的方法

数据可视化是数据科学家工做中的重要组成部分。在项目的早期阶段，你一般会进行探索性数据分析（Exploratory Data Analysis，EDA）以获取对数据的一些理解。建立可视化方法确实有助于使事情变得更加清晰易懂，特别是对于大型、高维数据集。在项目结束时，以清晰、简洁和引人注目的方式展示最终结果是很是重要的，由于你的受众每每是非技术型客户，只有这样他们才能够理解。

Matplotlib 是一个流行的 Python 库，能够用来很简单地建立数据可视化方案。但每次建立新项目时，设置数据、参数、图形和排版都会变得很是繁琐和麻烦。在这篇博文中，咱们将着眼于 5 个数据可视化方法，并使用 Python Matplotlib 为他们编写一些快速简单的函数。与此同时，这里有一个很棒的图表，可用于在工做中选择正确的可视化方法！厦工叉车

散点图

散点图很是适合展现两个变量之间的关系，由于你能够直接看到数据的原始分布。 以下面第一张图所示的，你还能够经过对组进行简单地颜色编码来查看不一样组数据的关系。想要可视化三个变量之间的关系？ 没问题！ 仅需使用另外一个参数（如点大小）就能够对第三个变量进行编码，以下面的第二张图所示。

如今开始讨论代码。咱们首先用别名 “plt” 导入 Matplotlib 的 pyplot 。要建立一个新的点阵图，咱们可调用 plt.subplots() 。咱们将 x 轴和 y 轴数据传递给该函数，而后将这些数据传递给 ax.scatter() 以绘制散点图。咱们还能够设置点的大小、点颜色和 alpha 透明度。你甚至能够设置 Y 轴为对数刻度。标题和坐标轴上的标签能够专门为该图设置。这是一个易于使用的函数，可用于从头至尾建立散点图！

 

 

 

 

 

 

Python

 

1 2 3 4 5 6 7 8 9 10

import matplotlib.pyplot as pltimport numpy as npdef scatterplot(x_data, y_data, x_label="", y_label="", title="", color = "r", yscale_log=False):       # Create the plot object     _, ax = plt.subplots()    # Plot the data, set the size (s), color and transparency (alpha)     # of the points     ax.scatter(x_data, y_data, s = 10, color = color, alpha = 0.75)    if yscale_log == True:         ax.set_yscale('log')    # Label the axes and provide a title     ax.set_title(title)     ax.set_xlabel(x_label)     ax.set_ylabel(y_label)

 

折线图

当你能够看到一个变量随着另外一个变量明显变化的时候，好比说它们有一个大的协方差，那最好使用折线图。让咱们看一下下面这张图。咱们能够清晰地看到对于全部的主线随着时间都有大量的变化。使用散点绘制这些将会极其混乱，难以真正明白和看到发生了什么。折线图对于这种状况则很是好，由于它们基本上提供给咱们两个变量（百分比和时间）的协方差的快速总结。另外，咱们也能够经过彩色编码进行分组

这里是折线图的代码。它和上面的散点图很类似，只是在一些变量上有小的变化。

 

 

 

 

 

 

Python

 

1 2 3 4 5 6 7 8

def lineplot(x_data, y_data, x_label="", y_label="", title=""):     # Create the plot object     _, ax = plt.subplots()    # Plot the best fit line, set the linewidth (lw), color and     # transparency (alpha) of the line     ax.plot(x_data, y_data, lw = 2, color = '#539caf', alpha = 1)    # Label the axes and provide a title     ax.set_title(title)     ax.set_xlabel(x_label)     ax.set_ylabel(y_label)

 

直方图

直方图对于查看（或真正地探索）数据点的分布是颇有用的。查看下面咱们以频率和 IQ 作的直方图。咱们能够清楚地看到朝中间汇集，而且能看到中位数是多少。咱们也能够看到它呈正态分布。使用直方图真得能清晰地呈现出各个组的频率之间的相对差异。组的使用（离散化）真正地帮助咱们看到了“更加宏观的图形”,然而当咱们使用全部没有离散组的数据点时，将对可视化可能形成许多干扰，使得看清真正发生了什么变得困难。

下面是在 Matplotlib 中的直方图代码。有两个参数须要注意一下：首先，参数 n_bins 控制咱们想要在直方图中有多少个离散的组。更多的组将给咱们提供更加完善的信息，可是也许也会引进干扰，使得咱们远离全局；另外一方面，较少的组给咱们一种更多的是“鸟瞰图”和没有更多细节的全局图。其次，参数 cumulative 是一个布尔值，容许咱们选择直方图是否为累加的，基本上就是选择是 PDF（Probability Density Function，几率密度函数）仍是 CDF（Cumulative Density Function，累积密度函数）。

 

 

 

 

 

 

Python

 

1 2 3 4 5 6

def histogram(data, n_bins, cumulative=False, x_label = "", y_label = "", title = ""):     _, ax = plt.subplots()     ax.hist(data, n_bins = n_bins, cumulative = cumulative, color = '#539caf')     ax.set_ylabel(y_label)     ax.set_xlabel(x_label)     ax.set_title(title)

想象一下咱们想要比较数据中两个变量的分布。有人可能会想你必须制做两张直方图，而且把它们并排放在一块儿进行比较。然而，实际上有一种更好的办法：咱们可使用不一样的透明度对直方图进行叠加覆盖。看下图，均匀分布的透明度设置为 0.5 ，使得咱们能够看到他背后的图形。这样咱们就能够直接在同一张图表里看到两个分布。

对于重叠的直方图，须要设置一些东西。首先，咱们设置可同时容纳不一样分布的横轴范围。根据这个范围和指望的组数，咱们能够真正地计算出每一个组的宽度。最后，咱们在同一张图上绘制两个直方图，其中有一个稍微更透明一些。

 

 

 

 

 

 

Python

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14

# Overlay 2 histograms to compare themdef overlaid_histogram(data1, data2, n_bins = 0, data1_name="", data1_color="#539caf", data2_name="", data2_color="#7663b0", x_label="", y_label="", title=""):     # Set the bounds for the bins so that the two distributions are fairly compared     max_nbins = 10     data_range = [min(min(data1), min(data2)), max(max(data1), max(data2))]     binwidth = (data_range[1] - data_range[0]) / max_nbins    if n_bins == 0      bins = np.arange(data_range[0], data_range[1] + binwidth, binwidth)    else:      bins = n_bins    # Create the plot     _, ax = plt.subplots()     ax.hist(data1, bins = bins, color = data1_color, alpha = 1, label = data1_name)     ax.hist(data2, bins = bins, color = data2_color, alpha = 0.75, label = data2_name)     ax.set_ylabel(y_label)     ax.set_xlabel(x_label)     ax.set_title(title)     ax.legend(loc = 'best')

 

柱状图

当你试图将类别不多（可能小于10）的分类数据可视化的时候，柱状图是最有效的。若是咱们有太多的分类，那么这些柱状图就会很是杂乱，很难理解。柱状图对分类数据很好，由于你能够很容易地看到基于柱的类别之间的区别（好比大小)；分类也很容易划分和用颜色进行编码。咱们将会看到三种不一样类型的柱状图：常规的，分组的，堆叠的。在咱们进行的过程当中，请查看图形下面的代码。

常规的柱状图以下面的图1。在 barplot() 函数中，xdata 表示 x 轴上的标记，ydata 表示 y 轴上的杆高度。偏差条是一条以每条柱为中心的额外的线，能够画出标准误差。

分组的柱状图让咱们能够比较多个分类变量。看看下面的图2。咱们比较的第一个变量是不一样组的分数是如何变化的（组是G1，G2，……等等)。咱们也在比较性别自己和颜色代码。看一下代码，y_data_list 变量其实是一个 y 元素为列表的列表，其中每一个子列表表明一个不一样的组。而后咱们对每一个组进行循环，对于每个组，咱们在 x 轴上画出每个标记；每一个组都用彩色进行编码。

堆叠柱状图能够很好地观察不一样变量的分类。在图3的堆叠柱状图中，咱们比较了天天的服务器负载。经过颜色编码后的堆栈图，咱们能够很容易地看到和理解哪些服务器天天工做最多，以及与其余服务器进行比较负载状况如何。此代码的代码与分组的条形图相同。咱们循环遍历每一组，但此次咱们把新柱放在旧柱上，而不是放在它们的旁边。

 

 

 

 

 

 

 

Python

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

def barplot(x_data, y_data, error_data, x_label="", y_label="", title=""):     _, ax = plt.subplots()     # Draw bars, position them in the center of the tick mark on the x-axis     ax.bar(x_data, y_data, color = '#539caf', align = 'center')     # Draw error bars to show standard deviation, set ls to 'none'     # to remove line between points     ax.errorbar(x_data, y_data, yerr = error_data, color = '#297083', ls = 'none', lw = 2, capthick = 2)     ax.set_ylabel(y_label)     ax.set_xlabel(x_label)     ax.set_title(title)       def stackedbarplot(x_data, y_data_list, colors, y_data_names="", x_label="", y_label="", title=""):     _, ax = plt.subplots()     # Draw bars, one category at a time     for i in range(0, len(y_data_list)):         if i == 0:             ax.bar(x_data, y_data_list[i], color = colors[i], align = 'center', label = y_data_names[i])         else:             # For each category after the first, the bottom of the             # bar will be the top of the last category             ax.bar(x_data, y_data_list[i], color = colors[i], bottom = y_data_list[i - 1], align = 'center', label = y_data_names[i])     ax.set_ylabel(y_label)     ax.set_xlabel(x_label)     ax.set_title(title)     ax.legend(loc = 'upper right')       def groupedbarplot(x_data, y_data_list, colors, y_data_names="", x_label="", y_label="", title=""):     _, ax = plt.subplots()     # Total width for all bars at one x location     total_width = 0.8     # Width of each individual bar     ind_width = total_width / len(y_data_list)     # This centers each cluster of bars about the x tick mark     alteration = np.arange(-(total_width/2), total_width/2, ind_width)       # Draw bars, one category at a time     for i in range(0, len(y_data_list)):         # Move the bar to the right on the x-axis so it doesn't         # overlap with previously drawn ones         ax.bar(x_data + alteration[i], y_data_list[i], color = colors[i], label = y_data_names[i], width = ind_width)     ax.set_ylabel(y_label)     ax.set_xlabel(x_label)     ax.set_title(title)     ax.legend(loc = 'upper right')

 

箱形图

咱们以前看了直方图，它很好地可视化了变量的分布。可是若是咱们须要更多的信息呢？也许咱们想要更清晰的看到标准误差？也许中值与均值有很大不一样，咱们有不少离群值？若是有这样的偏移和许多值都集中在一边呢？

这就是箱形图所适合干的事情了。箱形图给咱们提供了上面全部的信息。实线框的底部和顶部老是第一个和第三个四分位（好比 25% 和 75% 的数据），箱体中的横线老是第二个四分位（中位数）。像胡须同样的线(虚线和结尾的条线）从这个箱体伸出，显示数据的范围。

因为每一个组/变量的框图都是分别绘制的，因此很容易设置。xdata 是一个组/变量的列表。Matplotlib 库的 boxplot() 函数为 ydata 中的每一列或每个向量绘制一个箱体。所以，xdata 中的每一个值对应于 ydata 中的一个列/向量。咱们所要设置的就是箱体的美观。

 

 

 

 

 

 

Python

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

def boxplot(x_data, y_data, base_color="#539caf", median_color="#297083", x_label="", y_label="", title=""):     _, ax = plt.subplots()       # Draw boxplots, specifying desired style     ax.boxplot(y_data                # patch_artist must be True to control box fill                , patch_artist = True                # Properties of median line                , medianprops = {'color': median_color}                # Properties of box                , boxprops = {'color': base_color, 'facecolor': base_color}                # Properties of whiskers                , whiskerprops = {'color': base_color}                # Properties of whisker caps                , capprops = {'color': base_color})       # By default, the tick label starts at 1 and increments by 1 for     # each box drawn. This sets the labels to the ones we want     ax.set_xticklabels(x_data)     ax.set_ylabel(y_label)     ax.set_xlabel(x_label)     ax.set_title(title)

 

结语

使用 Matplotlib 有 5 个快速简单的数据可视化方法。将相关事务抽象成函数老是会使你的代码更易于阅读和使用！我但愿你喜欢这篇文章，而且学到了一些新的有用的技巧。若是你确实如此，请随时给它点赞。