Python 神兵谱之数据分析-下篇：数据可视化
前言
承接上一篇《Python 神兵谱之数据分析-中篇：数据处理》，今天我们来讲讲这下篇：数据可视化。
无论是数据采集还是数据处理，都是冰山在水面下的内容，水面下做的再好，也需要水面上的可视化来呈现。而水面上展示的内容多少，需要水面下成倍的积累。
那么，如何快速做好数据可视化呢？
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示，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。下面我们来看看 Python 中众多的绘图库，如何来绘制这些图表吧。
Matplotlib
Matplotlib 是 Python 非常著名的绘图库，受到了 Matlab 的启发，使用方式和接口都非常像 Matlab。先来看看用 Matplotlib 绘制的图，
比较中规中矩，非常适合科学计算领域。
Matplotlib 一般以如下的方式引用。
python copyable">import matplotlib.pyplot as pltMatplotlib 中有几个核心概念。
- Figure：面板，所有图像都是位于 figure 对象中，一个图像只能有一个 figure 对象。
- Subplot：子图，figure 对象下创建一个或多个 subplot 对象（即坐标系）用于绘制图像。
- Axis：坐标轴，即每个子图或坐标系中的一条坐标轴。
绘制柱状图的例子。
import matplotlib.pyplot as pltlabels = ['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()
会显示如下所示的图形。
Matplotlib 配置的方式比较直观，同时也支持 Numpy 数组作为输入。
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()
Matplotlib 是 Python 绘图库中功能强大，但是偏底层的，对于绘图的控制能力比较强，但是配置项也比较多。
Seaborn
Seaborn 是基于 Matplotlib 开发的绘图库，提供了更高级和简洁的语法。通过 Seaborn 的高级 API，能够快速绘图图形，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 snssns.set(style="ticks")
# 载入测试数据集
df = sns.load_dataset("anscombe")
# 为每个数据集绘制折线图并展示线性回归线
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})
绘图只有一行代码，是不是非常的酷！
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 形式如下：
- 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 snsimport 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()
Seaborn 提供了一个高层的简便的 API，可以和 Matplotlib 结合使用，大大简化了 Matplotlib 的配置操作。
plotnine/ggplot
plotnine 和 ggplot 的灵感都来源于 R 语言的 ggplot2，和 Matplotlib 的设计思路完全不同，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。输入数据需要是 Pandas 的 DataFrame 类型。两个库的语法类似，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 pdimport numpy as np
from plotnine import *
from plotnine.data import *
ggplot(mpg) + geom_bar(aes(x='class'))
通过 + 把一个个图层叠加起来，一般会有数据层、几何图形层和美化层组成。
然后加一些色彩。
ggplot(mpg) + geom_bar(aes(x='class', fill='drv'))
再进行一些变换。
(ggplot(mpg)
+ geom_bar(aes(x='class', fill='drv'))
+ coord_flip()
+ theme_classic()
)
plotnine / ggplot 的语法非常简洁，非常适合于喜欢或习惯 R 语言绘图的人。
Bokeh
Bokeh 是 Python 中一个非常强大的交互式图表库，即通过 JS 代码生成可以交互的网页端图表，非常适合嵌入到前端应用中。Bokeh 绘制的图表非常好看，并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。
上述图表的代码如下：
import pandas as pdfrom 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 notin discrete]
defcreate_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
defupdate(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"
由于 Bokeh 生成的是 Html 网页，无法直接看到图片，可以使用 Bokeh 服务器运行查看，当然也可以整合到自己的前端服务中。
bokeh serve --show crossfilterPygal
Pygal 是一个 SVG 绘图库，SVG 是一种矢量图，也可嵌入前端网页中做交互式展示。不过和 Bokeh 不同的是，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 绘制的图表也是可以通过鼠标交互的，也可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')
只能展示静态的截图。
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()
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 绘制的图表非常美观，而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免费使用的，无需联网或注册账户，不过它们也提供企业版本。
还是绘制柱状图。
import plotly.express as pxdata_canada = px.data.gapminder().query("country == 'Canada'")
fig = px.bar(data_canada, x='year', y='pop')
fig.show()
图表也是可以交互的，且右上角有菜单栏。
简单的代码美化效果。
import plotly.express as pxdata = 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()
Plotly 非常适合构建前端交互式图表，同时可以使用 Dash 框架快速构建数据分析应用，使用上也非常简单明了。
Altair
Altair 是基于 Vega 和 Vega-Lite 语法的声明式绘图语言，可以使用简单的语法绘制交互式的图表，效果还是比较好的。
照例来绘制柱状图。
import altair as altimport 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'
)
图表也是交互式的。
import altair as altfrom 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)
Altair 的使用也非常简单，且可以绘制强大的交互式图表，不过需要学习 Vega 或 Vega-lite 绘图语法。
后记
Python 的绘图库非常之多，还有许多库这里还没有罗列，并不代表它们不好用。对于库的选择和使用，需要我们基于不同的使用场景。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，但是灵活性高，例如 Matplotlib。一些库的 API 偏高层，封装更多，代码量少，但是有不少局限性，例如 Seaborn。
Python 神兵谱到此就完结了，以后我还是会继续分享有用的 Python 库或工具，甚至做一些深入实践，欢迎点赞关注评论。
参考
- Matplotlib
- Seaborn
- ggplot
- plotnine
- Bokeh
- Pygal
- Plotly
- Altair
以上是 Python 神兵谱之数据分析-下篇：数据可视化 的全部内容， 来源链接： utcz.com/a/33917.html
