Python 神兵谱之数据分析-下篇：数据可视化

时间 2020-07-21

标签 python 神兵之数据分析下篇数据可视化栏目 Python 繁體版

原文原文链接

前言

承接上一篇《Python 神兵谱之数据分析-中篇：数据处理》，今天咱们来说讲这下篇：数据可视化。html

不管是数据采集仍是数据处理，都是冰山在水面下的内容，水面下作的再好，也须要水面上的可视化来呈现。而水面上展现的内容多少，须要水面下成倍的积累。前端

那么，如何快速作好数据可视化呢？python

下篇：数据可视化

数据可视化，顾名思义就是将繁多的数据转换成利于展现，便于人理解的图表。而这其中，最为常见的就是几种图：饼图、折线图、柱状图、雷达图、箱线图等等。下面咱们来看看 Python 中众多的绘图库，如何来绘制这些图表吧。git

Matplotlib

Matplotlib 是 Python 很是著名的绘图库，受到了 Matlab 的启发，使用方式和接口都很是像 Matlab。先来看看用 Matplotlib 绘制的图，github

比较中规中矩，很是适合科学计算领域。 Matplotlib 通常以以下的方式引用。express

import matplotlib.pyplot as plt
复制代码

Matplotlib 中有几个核心概念。数组

Figure：面板，全部图像都是位于 figure 对象中，一个图像只能有一个 figure 对象。
Subplot：子图，figure 对象下建立一个或多个 subplot 对象（即坐标系）用于绘制图像。
Axis：坐标轴，即每一个子图或坐标系中的一条坐标轴。

绘制柱状图的例子。bash

import matplotlib.pyplot as plt


labels = ['G1', 'G2', 'G3', 'G4', 'G5']
men_means = [20, 35, 30, 35, 27]
women_means = [25, 32, 34, 20, 25]
men_std = [2, 3, 4, 1, 2]
women_std = [3, 5, 2, 3, 3]
width = 0.35

fig, ax = plt.subplots()  # 即 Figure，subplot 对象

# 绘制柱状图
ax.bar(labels, men_means, width, yerr=men_std, label='Men')
ax.bar(labels, women_means, width, yerr=women_std, bottom=men_means, label='Women')

# 设置标签、标题、图例
ax.set_ylabel('Scores')
ax.set_title('Scores by group and gender')
ax.legend()

# 显示图表
plt.show()
复制代码

会显示以下所示的图形。服务器

Matplotlib 配置的方式比较直观，同时也支持 Numpy 数组做为输入。框架

fig = plt.figure(2)  # 新开一个窗口
ax1 = fig.add_subplot(1, 2, 1, polar=True)  # 启动一个极坐标子图
theta = np.arange(0, 2 * np.pi, 0.02)  # 角度数列值
ax1.plot(theta, 2 * np.ones_like(theta), lw=2)  # 画图，参数：角度，半径，lw线宽
ax1.plot(theta, theta / 6, linestyle='--', lw=2)  # 画图，参数：角度，半径，linestyle样式，lw线宽

# 启动一个极坐标子图
ax2 = fig.add_subplot(1, 2, 2, polar=True)
ax2.plot(theta, np.cos(5 * theta), linestyle='--', lw=2)
ax2.plot(theta, 2 * np.cos(4 * theta), lw=2)

# 设置网格轴的距离和角度
ax2.set_rgrids(np.arange(0.2, 2, 0.2), angle=45)
ax2.set_thetagrids([0, 45, 90])

plt.show()
复制代码

Matplotlib 是 Python 绘图库中功能强大，可是偏底层的，对于绘图的控制能力比较强，可是配置项也比较多。

Seaborn

Seaborn 是基于 Matplotlib 开发的绘图库，提供了更高级和简洁的语法。经过 Seaborn 的高级 API，可以快速绘图图形，且无需配置就提供了一些好看的样式。

先上一个折线图。

import seaborn as sns
sns.set(style="ticks")

# 载入测试数据集
df = sns.load_dataset("anscombe")

# 为每一个数据集绘制折线图并展现线性回归线
sns.lmplot(x="x", y="y", col="dataset", hue="dataset", data=df,
           col_wrap=2, ci=None, palette="muted", height=4,
           scatter_kws={"s": 50, "alpha": 1})
复制代码

绘图只有一行代码，是否是很是的酷！

Seaborn 有一套统一的绘图 API，要求原始数据的输入类型为 Pandas 的 Dataframe 或 Numpy 数组，API 形式以下：

sns.图名(x='X轴列名', y='Y轴列名', data=原始数据df对象)
sns.图名(x='X轴列名', y='Y轴列名', hue='分组绘图参数', data=原始数据df对象)
sns.图名(x=np.array, y=np.array[, ...])

也来绘制一个柱状图。

import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 生成数据
x = np.arange(8)
y = np.array([1,5,3,6,2,4,5,6])
df = pd.DataFrame({"x-axis": x, "y-axis": y})
# 绘制柱状图
sns.barplot("x-axis", "y-axis", palette="RdBu_r", data=df)
# 调用 Matplotlib 的底层 API
plt.xticks(rotation=90)
plt.show()
复制代码

Seaborn 提供了一个高层的简便的 API，能够和 Matplotlib 结合使用，大大简化了 Matplotlib 的配置操做。

plotnine/ggplot

plotnine 和 ggplot 的灵感都来源于 R 语言的 ggplot2，和 Matplotlib 的设计思路彻底不一样，是图层叠加的思想，即一层层叠加绘制。不过它们仍旧是基于 Matplotlib 开发的。输入数据须要是 Pandas 的 DataFrame 类型。两个库的语法相似，ggplot 最近已经不更新，而 plotnine 是最近比较活跃的。

下面的代码来自 plotnine，绘制柱状图。

import pandas as pd
import numpy as np

from plotnine import *
from plotnine.data import *

ggplot(mpg) + geom_bar(aes(x='class'))
复制代码

经过 + 把一个个图层叠加起来，通常会有数据层、几何图形层和美化层组成。

而后加一些色彩。

ggplot(mpg) + geom_bar(aes(x='class', fill='drv'))
复制代码

再进行一些变换。

(
    ggplot(mpg)
    + geom_bar(aes(x='class', fill='drv'))
    + coord_flip()
    + theme_classic()
)
复制代码

plotnine / ggplot 的语法很是简洁，很是适合于喜欢或习惯 R 语言绘图的人。

Bokeh

Bokeh 是 Python 中一个很是强大的交互式图表库，即经过 JS 代码生成能够交互的网页端图表，很是适合嵌入到前端应用中。Bokeh 绘制的图表很是好看，而且有不错的交互体验。

左侧的选择框可实时影响中间的数据渲染，图表右侧还有交互式的控制栏。同时数据点也能响应鼠标事件，例如鼠标移动上去后显示具体数值。

上述图表的代码以下：

import pandas as pd

from bokeh.layouts import column, row
from bokeh.models import Select
from bokeh.palettes import Spectral5
from bokeh.plotting import curdoc, figure
from bokeh.sampledata.autompg import autompg_clean as df

df = df.copy()

SIZES = list(range(6, 22, 3))
COLORS = Spectral5
N_SIZES = len(SIZES)
N_COLORS = len(COLORS)

# 数据清理
df.cyl = df.cyl.astype(str)
df.yr = df.yr.astype(str)
del df['name']

columns = sorted(df.columns)
discrete = [x for x in columns if df[x].dtype == object]
continuous = [x for x in columns if x not in discrete]

def create_figure():
    xs = df[x.value].values
    ys = df[y.value].values
    x_title = x.value.title()
    y_title = y.value.title()

    kw = dict()
    if x.value in discrete:
        kw['x_range'] = sorted(set(xs))
    if y.value in discrete:
        kw['y_range'] = sorted(set(ys))
    kw['title'] = "%s vs %s" % (x_title, y_title)

    p = figure(plot_height=600, plot_width=800, tools='pan,box_zoom,hover,reset', **kw)
    p.xaxis.axis_label = x_title
    p.yaxis.axis_label = y_title

    if x.value in discrete:
        p.xaxis.major_label_orientation = pd.np.pi / 4

    sz = 9
    if size.value != 'None':
        if len(set(df[size.value])) > N_SIZES:
            groups = pd.qcut(df[size.value].values, N_SIZES, duplicates='drop')
        else:
            groups = pd.Categorical(df[size.value])
        sz = [SIZES[xx] for xx in groups.codes]

    c = "#31AADE"
    if color.value != 'None':
        if len(set(df[color.value])) > N_COLORS:
            groups = pd.qcut(df[color.value].values, N_COLORS, duplicates='drop')
        else:
            groups = pd.Categorical(df[color.value])
        c = [COLORS[xx] for xx in groups.codes]

    p.circle(x=xs, y=ys, color=c, size=sz, line_color="white", alpha=0.6, hover_color='white', hover_alpha=0.5)

    return p


def update(attr, old, new):
    layout.children[1] = create_figure()


x = Select(title='X-Axis', value='mpg', options=columns)
x.on_change('value', update)

y = Select(title='Y-Axis', value='hp', options=columns)
y.on_change('value', update)

size = Select(title='Size', value='None', options=['None'] + continuous)
size.on_change('value', update)

color = Select(title='Color', value='None', options=['None'] + continuous)
color.on_change('value', update)

controls = column(x, y, color, size, width=200)
layout = row(controls, create_figure())

curdoc().add_root(layout)
curdoc().title = "Crossfilter"
复制代码

因为 Bokeh 生成的是 Html 网页，没法直接看到图片，可使用 Bokeh 服务器运行查看，固然也能够整合到本身的前端服务中。

bokeh serve --show crossfilter
复制代码

Pygal

Pygal 是一个 SVG 绘图库，SVG 是一种矢量图，也可嵌入前端网页中作交互式展现。不过和 Bokeh 不一样的是，SVG 只是图表交互，并不包含 JS 代码来动态修改数据和样式。

Pygal 绘制的图表也是能够经过鼠标交互的，也但是隐藏或显示某个系列数据。

绘制柱状图。

bar_chart = pygal.Bar()
# 添加数据
bar_chart.add('Fibonacci', [0, 1, 1, 2, 3, 5, 8, 13, 21, 34, 55])
# 生成 SVG
bar_chart.render_to_file('bar_chart.svg')
复制代码

只能展现静态的截图。

多个系列的数据。

import pygal

# 配置图表
line_chart = pygal.Bar()
line_chart.title = 'Browser usage evolution (in %)'
line_chart.x_labels = map(str, range(2002, 2013))
# 添加数据
line_chart.add('Firefox', [None, None, 0, 16.6,   25,   31, 36.4, 45.5, 46.3, 42.8, 37.1])
line_chart.add('Chrome',  [None, None, None, None, None, None,    0,  3.9, 10.8, 23.8, 35.3])
line_chart.add('IE',      [85.8, 84.6, 84.7, 74.5,   66, 58.6, 54.7, 44.8, 36.2, 26.6, 20.1])
line_chart.add('Others',  [14.2, 15.4, 15.3,  8.9,    9, 10.4,  8.9,  5.8,  6.7,  6.8,  7.5])
line_chart.render()
复制代码

Pygal 语法简单，且能生成交互式 SVG 图表，适合有前端简单交互需求的场景使用。

Plotly

Plotly 是针对科学计算和机器学习可视化开发的图表库，同时它们还有 Dash 框架，用于快速开发机器学习或数据科学的应用。Plotly 绘制的图表很是美观，并且也是前端交互式的图表。Plotly 是 Plotly 公司的产品，不过它仍旧是开源且无偿使用的，无需联网或注册帐户，不过它们也提供企业版本。

仍是绘制柱状图。

import plotly.express as px
data_canada = px.data.gapminder().query("country == 'Canada'")
fig = px.bar(data_canada, x='year', y='pop')
fig.show()
复制代码

图表也是能够交互的，且右上角有菜单栏。

简单的代码美化效果。

import plotly.express as px
data = px.data.gapminder()

data_canada = data[data.country == 'Canada']
fig = px.bar(data_canada, x='year', y='pop',
             hover_data=['lifeExp', 'gdpPercap'], color='lifeExp',
             labels={'pop':'population of Canada'}, height=400)
fig.show()
复制代码

Plotly 很是适合构建前端交互式图表，同时可使用 Dash 框架快速构建数据分析应用，使用上也很是简单明了。

Altair

Altair 是基于 Vega 和 Vega-Lite 语法的声明式绘图语言，可使用简单的语法绘制交互式的图表，效果仍是比较好的。

照例来绘制柱状图。

import altair as alt
import pandas as pd

source = pd.DataFrame({
    'a': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I'],
    'b': [28, 55, 43, 91, 81, 53, 19, 87, 52]
})

alt.Chart(source).mark_bar().encode(
    x='a',
    y='b'
)
复制代码

图表也是交互式的。

import altair as alt
from vega_datasets import data

source = data.wheat()

bar = alt.Chart(source).mark_bar().encode(
    x='year:O',
    y='wheat:Q'
)

# 添加均值线
rule = alt.Chart(source).mark_rule(color='red').encode(
    y='mean(wheat):Q'
)

(bar + rule).properties(width=600)
复制代码

Altair 的使用也很是简单，且能够绘制强大的交互式图表，不过须要学习 Vega 或 Vega-lite 绘图语法。

后记

Python 的绘图库很是之多，还有许多库这里尚未罗列，并不表明它们很差用。对于库的选择和使用，须要咱们基于不一样的使用场景。例如，生成纯图片文件的 Matlibplot，Seaborn，plotline，ggplot，生成交互式图表的 Bokeh、Plotly、Altair，生成 SVG 的 Pygal。一些库的 API 偏底层，编写代码量较大，可是灵活性高，例如 Matplotlib。一些库的 API 偏高层，封装更多，代码量少，可是有很多局限性，例如 Seaborn。

Python 神兵谱到此就完结了，之后我仍是会继续分享有用的 Python 库或工具，甚至作一些深刻实践，欢迎点赞关注评论。