Python學(xué)習(xí)教程：Python可視化工具包

Python學(xué)習(xí)教程：Python可視化工具包

伙伴們，用Python做項(xiàng)目的你們做圖表的時(shí)候有沒有 因?yàn)椴恢烙媚姆N又好看又好用的可視化工具包 特糾結(jié)過？反正天秤座的小強(qiáng)是有些糾結(jié)的。

在這里小強(qiáng)總結(jié)了八種在 Python 中實(shí)現(xiàn)的可視化工具包！看完保證你以后不糾結(jié)?。ㄓ行┦强梢杂迷谄渌Z言的哦）

用 Python 創(chuàng)建圖形的方法有很多，但是哪種方法是最好的呢？當(dāng)我們做可視化之前，要先明確一些關(guān)于圖像目標(biāo)的問題：你是想初步了解數(shù)據(jù)的分布情況？想展示時(shí)給人們留下深刻印象？也許你想給某人展示一個(gè)內(nèi)在的形象，一個(gè)中庸的形象？

這里小強(qiáng)將介紹一些常用的 Python 可視化包，包括這些包的優(yōu)缺點(diǎn)以及分別適用于什么樣的場景。這篇文章只擴(kuò)展到 2D 圖，為下一次講 3D 圖和商業(yè)報(bào)表（dashboard）留了一些空間，不過這次要講的包中，許多都可以很好地支持 3D 圖和商業(yè)報(bào)表。

Matplotlib、Seaborn 和 Pandas

把這三個(gè)包放在一起有幾個(gè)原因：首先 Seaborn 和 Pandas 是建立在 Matplotlib 之上的，當(dāng)你在用 Seaborn 或 Pandas 中的 df.plot() 時(shí)，用的其實(shí)是別人用 Matplotlib 寫的代碼。因此，這些圖在美化方面是相似的，自定義圖時(shí)用的語法也都非常相似。

當(dāng)提到這些可視化工具時(shí)，我想到三個(gè)詞：探索（Exploratory）、數(shù)據(jù)（Data）、分析（Analysis）。這些包都很適合第一次探索數(shù)據(jù)，但要做演示時(shí)用這些包就不夠了。

Matplotlib 是比較低級的庫，但它所支持的自定義程度令人難以置信（所以不要簡單地將其排除在演示所用的包之外?。?，但還有其它更適合做展示的工具。

Matplotlib 還可以選擇樣式（style selection），它模擬了像 ggplot2 和 xkcd 等很流行的美化工具。下面是我用 Matplotlib 及相關(guān)工具所做的示例圖：

在處理籃球隊(duì)薪資數(shù)據(jù)時(shí)，我想找出薪資中位數(shù)最高的團(tuán)隊(duì)。為了展示結(jié)果，我將每個(gè)球隊(duì)的工資用顏色標(biāo)成條形圖，來說明球員加入哪一支球隊(duì)才能獲得更好的待遇。

import

 seaborn 

as

 sns



import

 matplotlib.pyplot 

as

 plt




color_order = [

'xkcd:cerulean'

, 

'xkcd:ocean'

,


                

'xkcd:black'

,

'xkcd:royal purple'

,


                

'xkcd:royal purple'

, 

'xkcd:navy blue'

,


                

'xkcd:powder blue'

, 

'xkcd:light maroon'

, 


                

'xkcd:lightish blue'

,

'xkcd:navy'

]




sns.barplot(x=top10.Team,


            y=top10.Salary,


            palette=color_order).set_title(

'Teams with Highest Median Salary'

)




plt.ticklabel_format(style=

'sci'

, axis=

'y'

, scilimits=(


,


))

第二個(gè)圖是回歸實(shí)驗(yàn)殘差的 Q-Q 圖。這張圖的主要目的是展示如何用盡量少的線條做出一張有用的圖，當(dāng)然也許它可能不那么美觀。

import

 matplotlib.pyplot 

as

 plt



import

 scipy.stats 

as

 stats




#model2 is a regression model


log_resid = model2.predict(X_test)-y_test


stats.probplot(log_resid, dist=

"norm"

, plot=plt)


plt.title(

"Normal Q-Q plot"

)


plt.show()

最終證明，Matplotlib 及其相關(guān)工具的效率很高，但就演示而言它們并不是最好的工具。

ggplot(2)

你可能會(huì)問，「Aaron，ggplot 是 R 中最常用的可視化包，但你不是要寫 Python 的包嗎？」。人們已經(jīng)在 Python 中實(shí)現(xiàn)了 ggplot2，復(fù)制了這個(gè)包從美化到語法的一切內(nèi)容。

在我看過的所有材料中，它的一切都和 ggplot2 很像，但這個(gè)包的好處是它依賴于 Pandas Python 包。不過 Pandas Python 包最近棄用了一些方法，導(dǎo)致 Python 版本不兼容。

如果你想在 R 中用真正的 ggplot（除了依賴關(guān)系外，它們的外觀、感覺以及語法都是一樣的），我在另外一篇文章中對此進(jìn)行過討論。

也就是說，如果你一定要在 Python 中用 ggplot，那你就必須要安裝 0.19.2 版的 Pandas，但我建議你最好不要為了使用較低級的繪圖包而降低 Pandas 的版本。

ggplot2（我覺得也包括 Python 的 ggplot）舉足輕重的原因是它們用「圖形語法」來構(gòu)建圖片?；厩疤崾悄憧梢詫?shí)例化圖，然后分別添加不同的特征；也就是說，你可以分別對標(biāo)題、坐標(biāo)軸、數(shù)據(jù)點(diǎn)以及趨勢線等進(jìn)行美化。

下面是 ggplot 代碼的簡單示例。我們先用 ggplot 實(shí)例化圖，設(shè)置美化屬性和數(shù)據(jù)，然后添加點(diǎn)、主題以及坐標(biāo)軸和標(biāo)題標(biāo)簽。

#All Salaries


ggplot(data=df, aes(x=season_start, y=salary, colour=team)) +


  geom_point() +


  theme(legend.position=

"none"

) +


  labs(title = 

'Salary Over Time'

, x=

'Year'

, y=

'Salary ($)'

)

Bokeh

Bokeh 很美。從概念上講，Bokeh 類似于 ggplot，它們都是用圖形語法來構(gòu)建圖片，但 Bokeh 具備可以做出專業(yè)圖形和商業(yè)報(bào)表且便于使用的界面。為了說明這一點(diǎn)，我根據(jù) 538 Masculinity Survey 數(shù)據(jù)集寫了制作直方圖的代碼：

import

 pandas 

as

 pd



from

 bokeh.plotting 

import

 figure



from

 bokeh.io 

import

 show




# is_masc is a one-hot encoded dataframe 

of

 responses to the question:


# 

"Do you identify as masculine?"





#Dataframe Prep


counts = is_masc.sum()


resps = is_masc.columns




#Bokeh


p2 = figure(title=

'Do You View Yourself As Masculine?'

,


          x_axis_label=

'Response'

,


          y_axis_label=

'Count'

,


          x_range=list(resps))


p2.vbar(x=resps, top=counts, width=

0.6

, fill_color=

'red'

, line_color=

'black'

)


show(p2)




#Pandas


counts.plot(kind=

'bar'

)

用 Bokeh 表示調(diào)查結(jié)果

紅色的條形圖表示 538 個(gè)人關(guān)于「你認(rèn)為自己有男子漢氣概嗎？」這一問題的答案。9~14 行的 Bokeh 代碼構(gòu)建了優(yōu)雅且專業(yè)的響應(yīng)計(jì)數(shù)直方圖——字體大小、y 軸刻度和格式等都很合理。

我寫的代碼大部分都用于標(biāo)記坐標(biāo)軸和標(biāo)題，以及為條形圖添加顏色和邊框。在制作美觀且表現(xiàn)力強(qiáng)的圖片時(shí)，我更傾向于使用 Bokeh——它已經(jīng)幫我們完成了大量美化工作。

用 Pandas 表示相同的數(shù)據(jù)

藍(lán)色的圖是上面的第 17 行代碼。這兩個(gè)直方圖的值是一樣的，但目的不同。在探索性設(shè)置中，用 Pandas 寫一行代碼查看數(shù)據(jù)很方便，但 Bokeh 的美化功能非常強(qiáng)大。

Bokeh 提供的所有便利都要在 matplotlib 中自定義，包括 x 軸標(biāo)簽的角度、背景線、y 軸刻度以及字體（大小、斜體、粗體）等。下圖展示了一些隨機(jī)趨勢，其自定義程度更高：使用了圖例和不同的顏色和線條。

Bokeh 還是制作交互式商業(yè)報(bào)表的絕佳工具。

Plotly

Plotly 非常強(qiáng)大，但用它設(shè)置和創(chuàng)建圖形都要花費(fèi)大量時(shí)間，而且都不直觀。在用 Plotly 忙活了大半個(gè)上午后，我?guī)缀跏裁炊紱]做出來，干脆直接去吃飯了。我只創(chuàng)建了不帶坐標(biāo)標(biāo)簽的條形圖，以及無法刪掉線條的「散點(diǎn)圖」。Ploty 入門時(shí)有一些要注意的點(diǎn)：

• 安裝時(shí)要有 API 秘鑰，還要注冊，不是只用 pip 安裝就可以；

• Plotly 所繪制的數(shù)據(jù)和布局對象是獨(dú)一無二的，但并不直觀；

• 圖片布局對我來說沒有用（40 行代碼毫無意義?。?

但它也有優(yōu)點(diǎn)，而且設(shè)置中的所有缺點(diǎn)都有相應(yīng)的解決方法：

• 你可以在 Plotly 網(wǎng)站和 Python 環(huán)境中編輯圖片；

• 支持交互式圖片和商業(yè)報(bào)表；

• Plotly 與 Mapbox 合作，可以自定義地圖；

• 很有潛力繪制優(yōu)秀圖形。

以下是我針對這個(gè)包編寫的代碼：

#plot 

1

 - barplot


# **note** - the layout lines 

do

 nothing and trip no errors


data = [go.Bar(x=team_ave_df.team,


              y=team_ave_df.turnovers_per_mp)]




layout = go.Layout(




    title=go.layout.Title(


        text=

'Turnovers per Minute by Team'

,


        xref=

'paper'

,


        x=




    ),




    xaxis=go.layout.XAxis(


        title = go.layout.xaxis.Title(


            text=

'Team'

,


            font=dict(


                    family=

'Courier New, monospace'

,


                    size=

18

,


                    color=

'#7f7f7f'



                )


        )


    ),




    yaxis=go.layout.YAxis(


        title = go.layout.yaxis.Title(


            text=

'Average Turnovers/Minute'

,


            font=dict(


                    family=

'Courier New, monospace'

,


                    size=

18

,


                    color=

'#7f7f7f'



                )


        )


    ),




    autosize=True,


    hovermode=

'closest'

)




py.iplot(figure_or_data=data, layout=layout, filename=

'jupyter-plot'

, sharing=

'public'

, fileopt=

'overwrite'

)



#plot 

2

 - attempt at a scatterplot


data = [go.Scatter(x=player_year.minutes_played,


                  y=player_year.salary,


                  marker=go.scatter.Marker(color=

'red'

,


                                          size=

3

))]




layout = go.Layout(title=

"test"

,


                xaxis=dict(title=

'why'

),


                yaxis=dict(title=

'plotly'

))




py.iplot(figure_or_data=data, layout=layout, filename=

'jupyter-plot2'

, sharing=

'public'

)




[Image: image.png]

表示不同 NBA 球隊(duì)每分鐘平均失誤數(shù)的條形圖。

表示薪水和在 NBA 的打球時(shí)間之間關(guān)系的散點(diǎn)圖

總體來說，開箱即用的美化工具看起來很好，但我多次嘗試逐字復(fù)制文檔和修改坐標(biāo)軸標(biāo)簽時(shí)卻失敗了。但下面的圖展示了 Plotly 的潛力，以及我為什么要在它身上花好幾個(gè)小時(shí)：

Plotly 頁面上的一些示例圖

Pygal

Pygal 的名氣就不那么大了，和其它常用的繪圖包一樣，它也是用圖形框架語法來構(gòu)建圖像的。由于繪圖目標(biāo)比較簡單，因此這是一個(gè)相對簡單的繪圖包。使用 Pygal 非常簡單：

• 實(shí)例化圖片；

• 用圖片目標(biāo)屬性格式化；

• 用 figure.add() 將數(shù)據(jù)添加到圖片中。

我在使用 Pygal 的過程中遇到的主要問題在于圖片渲染。必須要用 render_to_file 選項(xiàng)，然后在 web 瀏覽器中打開文件，才能看見我剛剛構(gòu)建的東西。

最終看來這是值得的，因?yàn)閳D片是交互式的，有令人滿意而且便于自定義的美化功能?？偠灾@個(gè)包看起來不錯(cuò)，但在文件的創(chuàng)建和渲染部分比較麻煩。

Networkx

雖然 Networkx 是基于 matplotlib 的，但它仍是圖形分析和可視化的絕佳解決方案。圖形和網(wǎng)絡(luò)不是我的專業(yè)領(lǐng)域，但 Networkx 可以快速簡便地用圖形表示網(wǎng)絡(luò)之間的連接。以下是我針對一個(gè)簡單圖形構(gòu)建的不同的表示，以及一些從斯坦福 SNAP 下載的代碼（關(guān)于繪制小型 Facebook 網(wǎng)絡(luò)）。

我按編號(hào)（1~10）用顏色編碼了每個(gè)節(jié)點(diǎn)，代碼如下：

options = {


    

'node_color'

 : range(len(G)),


    

'node_size'

 : 

300

,


    

'width'

 : 

1

,


    

'with_labels'

 : False,


    

'cmap'

 : plt.cm.coolwarm


}


nx.draw(G, **options)

用于可視化上面提到的稀疏 Facebook 圖形的代碼如下：

import

 itertools



import

 networkx 

as

 nx



import

 matplotlib.pyplot 

as

 plt




f = open(

'data/facebook/1684.circles'

, 

'r'

)


circles = [line.split() 

for

 line 

in

 f]


f.close()




network = []



for

 circ 

in

 circles:


    cleaned = [int(val) 

for

 val 

in

 circ[

1

:]]


    network.append(cleaned)




G = nx.Graph()



for

 v 

in

 network:


    G.add_nodes_from(v)




edges = [itertools.combinations(net,

2

) 

for

 net 

in

 network]





for

 edge_group 

in

 edges:


    G.add_edges_from(edge_group)




options = {


    

'node_color'

 : 

'lime'

,


    

'node_size'

 : 

3

,


    

'width'

 : 

1

,


    

'with_labels'

 : False,


}


nx.draw(G, **options)

這個(gè)圖形非常稀疏，Networkx 通過最大化每個(gè)集群的間隔展現(xiàn)了這種稀疏化。

有很多數(shù)據(jù)可視化的包，但沒法說哪個(gè)是最好的。希望閱讀本文后，你可以了解到在不同的情境下，該如何使用不同的美化工具和代碼。