7款Python數(shù)據(jù)圖表工具的比較是怎樣的

本篇文章為大家展示了7款Python數(shù)據(jù)圖表工具的比較是怎樣的，內(nèi)容簡明扼要并且容易理解，絕對(duì)能使你眼前一亮，通過這篇文章的詳細(xì)介紹希望你能有所收獲。

Python 的科學(xué)棧相當(dāng)成熟，各種應(yīng)用場(chǎng)景都有相關(guān)的模塊，包括機(jī)器學(xué)習(xí)和數(shù)據(jù)分析。數(shù)據(jù)可視化是發(fā)現(xiàn)數(shù)據(jù)和展示結(jié)果的重要一環(huán)，只不過過去以來，相對(duì)于 R  這樣的工具，發(fā)展還是落后一些。

幸運(yùn)的是，過去幾年出現(xiàn)了很多新的Python數(shù)據(jù)可視化庫，彌補(bǔ)了一些這方面的差距。matplotlib  已經(jīng)成為事實(shí)上的數(shù)據(jù)可視化方面最主要的庫，此外還有很多其他庫，例如vispy，bokeh， seaborn， pyga， folium 和  networkx，這些庫有些是構(gòu)建在 matplotlib 之上，還有些有其他一些功能。

小編會(huì)基于一份真實(shí)的數(shù)據(jù)，使用這些庫來對(duì)數(shù)據(jù)進(jìn)行可視化。通過這些對(duì)比，我們期望了解每個(gè)庫所適用的范圍，以及如何更好的利用整個(gè) Python  的數(shù)據(jù)可視化的生態(tài)系統(tǒng)。

我們?cè)?Dataquest 建了一個(gè)交互課程，教你如何使用 Python 的數(shù)據(jù)可視化工具。如果你打算深入學(xué)習(xí)，可以點(diǎn)這里。

探索數(shù)據(jù)集

在我們探討數(shù)據(jù)的可視化之前，讓我們先來快速的瀏覽一下我們將要處理的數(shù)據(jù)集。我們將要使用的數(shù)據(jù)來自  openflights。我們將要使用航線數(shù)據(jù)集、機(jī)場(chǎng)數(shù)據(jù)集、航空公司數(shù)據(jù)集。其中，路徑數(shù)據(jù)的每一行對(duì)應(yīng)的是兩個(gè)機(jī)場(chǎng)之間的飛行路徑;機(jī)場(chǎng)數(shù)據(jù)的每一行對(duì)應(yīng)的是世界上的某一個(gè)機(jī)場(chǎng)，并且給出了相關(guān)信息;航空公司的數(shù)據(jù)的每一行給出的是每一個(gè)航空公司。

首先我們先讀取數(shù)據(jù)：

# Import the pandas library. import pandas # Read in the airports data. airports = pandas.read_csv("airports.csv", header=None, dtype=str) airports.columns = ["id", "name", "city", "country", "code", "icao", "latitude", "longitude", "altitude", "offset", "dst", "timezone"] # Read in the airlines data. airlines = pandas.read_csv("airlines.csv", header=None, dtype=str) airlines.columns = ["id", "name", "alias", "iata", "icao", "callsign", "country", "active"] # Read in the routes data. routes = pandas.read_csv("routes.csv", header=None, dtype=str) routes.columns = ["airline", "airline_id", "source", "source_id", "dest", "dest_id", "codeshare", "stops", "equipment"]

這些數(shù)據(jù)沒有列的首選項(xiàng)，因此我們通過賦值 column 屬性來添加列的首選項(xiàng)。我們想要將每一列作為字符串進(jìn)行讀取，因?yàn)檫@樣做可以簡化后續(xù)以行 id  為匹配，對(duì)不同的數(shù)據(jù)框架進(jìn)行比較的步驟。我們?cè)谧x取數(shù)據(jù)時(shí)設(shè)置了 dtype 屬性值達(dá)到這一目的。

我們可以快速瀏覽一下每一個(gè)數(shù)據(jù)集的數(shù)據(jù)框架。

airports.head()

airlines.head()

routes.head()

我們可以分別對(duì)每一個(gè)單獨(dú)的數(shù)據(jù)集做許多不同有趣的探索，但是只要將它們結(jié)合起來分析才能取得***的收獲。Pandas  將會(huì)幫助我們分析數(shù)據(jù)，因?yàn)樗軌蛴行У倪^濾權(quán)值或者通過它來應(yīng)用一些函數(shù)。我們將會(huì)深入幾個(gè)有趣的權(quán)值因子，比如分析航空公司和航線。

那么在此之前我們需要做一些數(shù)據(jù)清洗的工作。

routes = routes[routes["airline_id"] != "\\N"]

這一行命令就確保了我們?cè)?airline_id 這一列只含有數(shù)值型數(shù)據(jù)。

制作柱狀圖

現(xiàn)在我們理解了數(shù)據(jù)的結(jié)構(gòu)，我們可以進(jìn)一步地開始描點(diǎn)來繼續(xù)探索這個(gè)問題。首先，我們將要使用 matplotlib 這個(gè)工具，matplotlib  是一個(gè)相對(duì)底層的 Python 棧中的描點(diǎn)庫，所以它比其他的工具庫要多敲一些命令來做出一個(gè)好看的曲線。另外一方面，你可以使用 matplotlib  幾乎做出任何的曲線，這是因?yàn)樗值撵`活，而靈活的代價(jià)就是非常難于使用。

我們首先通過做出一個(gè)柱狀圖來顯示不同的航空公司的航線長度分布。一個(gè)柱狀圖將所有的航線的長度分割到不同的值域，然后對(duì)落入到不同的值域范圍內(nèi)的航線進(jìn)行計(jì)數(shù)。從中我們可以知道哪些航空公司的航線長，哪些航空公司的航線短。

為了達(dá)到這一點(diǎn)，我們需要首先計(jì)算一下航線的長度，***步就要使用距離公式，我們將會(huì)使用余弦半正矢距離公式來計(jì)算經(jīng)緯度刻畫的兩個(gè)點(diǎn)之間的距離。

import math def haversine(lon1, lat1, lon2, lat2):     # Convert coordinates to floats.     lon1, lat1, lon2, lat2 = [float(lon1), float(lat1), float(lon2), float(lat2)]     # Convert to radians from degrees.     lon1, lat1, lon2, lat2 = map(math.radians, [lon1, lat1, lon2, lat2])     # Compute distance.     dlon = lon2 - lon1      dlat = lat2 - lat1      a = math.sin(dlat/2)**2 + math.cos(lat1) * math.cos(lat2) * math.sin(dlon/2)**2     c = 2 * math.asin(math.sqrt(a))      km = 6367 * c     return km

然后我們就可以使用一個(gè)函數(shù)來計(jì)算起點(diǎn)機(jī)場(chǎng)和終點(diǎn)機(jī)場(chǎng)之間的單程距離。我們需要從路線數(shù)據(jù)框架得到機(jī)場(chǎng)數(shù)據(jù)框架所對(duì)應(yīng)的 source_id 和  dest_id，然后與機(jī)場(chǎng)的數(shù)據(jù)集的 id 列相匹配，然后就只要計(jì)算就行了，這個(gè)函數(shù)是這樣的：

def calc_dist(row):     dist = 0     try:         # Match source and destination to get coordinates.         source = airports[airports["id"] == row["source_id"]].iloc[0]         dest = airports[airports["id"] == row["dest_id"]].iloc[0]         # Use coordinates to compute distance.         dist = haversine(dest["longitude"], dest["latitude"], source["longitude"], source["latitude"])     except (ValueError, IndexError):         pass     return dist

如果 source_id 和 dest_id 列沒有有效值的話，那么這個(gè)函數(shù)會(huì)報(bào)錯(cuò)。因此我們需要增加 try/catch  模塊對(duì)這種無效的情況進(jìn)行捕捉。

***，我們將要使用 pandas 來將距離計(jì)算的函數(shù)運(yùn)用到 routes 數(shù)據(jù)框架。這將會(huì)使我們得到包含所有的航線線長度的 pandas  序列，其中航線線的長度都是以公里做單位。

route_lengths = routes.apply(calc_dist, axis=1)

現(xiàn)在我們就有了航線距離的序列了，我們將會(huì)創(chuàng)建一個(gè)柱狀圖，它將會(huì)將數(shù)據(jù)歸類到對(duì)應(yīng)的范圍之內(nèi)，然后計(jì)數(shù)分別有多少的航線落入到不同的每個(gè)范圍：

import matplotlib.pyplot as plt  %matplotlib inline   plt.hist(route_lengths, bins=20)

我們用 import matplotlib.pyplot as plt 導(dǎo)入 matplotlib 描點(diǎn)函數(shù)。然后我們就使用 %matplotlib  inline 來設(shè)置 matplotlib 在 ipython 的 notebook 中描點(diǎn)，最終我們就利用 plt.hist(route_lengths,  bins=20) 得到了一個(gè)柱狀圖。正如我們看到的，航空公司傾向于運(yùn)行近距離的短程航線，而不是遠(yuǎn)距離的遠(yuǎn)程航線。

使用 seaborn

我們可以利用 seaborn 來做類似的描點(diǎn)，seaborn 是一個(gè) Python 的高級(jí)庫。Seaborn 建立在 matplotlib  的基礎(chǔ)之上，做一些類型的描點(diǎn)，這些工作常常與簡單的統(tǒng)計(jì)工作有關(guān)。我們可以基于一個(gè)核心的概率密度的期望，使用 distplot  函數(shù)來描繪一個(gè)柱狀圖。一個(gè)核心的密度期望是一個(gè)曲線 —— 本質(zhì)上是一個(gè)比柱狀圖平滑一點(diǎn)的，更容易看出其中的規(guī)律的曲線。

import seaborn  seaborn.distplot(route_lengths, bins=20)

正如你所看到的那樣，seaborn 同時(shí)有著更加好看的默認(rèn)風(fēng)格。seaborn 不含有與每個(gè) matplotlib  的版本相對(duì)應(yīng)的版本，但是它的確是一個(gè)很好的快速描點(diǎn)工具，而且相比于 matplotlib  的默認(rèn)圖表可以更好的幫助我們理解數(shù)據(jù)背后的含義。如果你想更深入的做一些統(tǒng)計(jì)方面的工作的話，seaborn 也不失為一個(gè)很好的庫。

條形圖

柱狀圖也雖然很好，但是有時(shí)候我們會(huì)需要航空公司的平均路線長度。這時(shí)候我們可以使用條形圖--每條航線都會(huì)有一個(gè)單獨(dú)的狀態(tài)條，顯示航空公司航線的平均長度。從中我們可以看出哪家是國內(nèi)航空公司哪家是國際航空公司。我們可以使用pandas，一個(gè)python的數(shù)據(jù)分析庫，來酸楚每個(gè)航空公司的平均航線長度。

import numpy # Put relevant columns into a dataframe. route_length_df = pandas.DataFrame({"length": route_lengths, "id": routes["airline_id"]}) # Compute the mean route length per airline. airline_route_lengths = route_length_df.groupby("id").aggregate(numpy.mean) # Sort by length so we can make a better chart. airline_route_lengths = airline_route_lengths.sort("length", ascending=False)

我們首先用航線長度和航空公司的id來搭建一個(gè)新的數(shù)據(jù)框架。我們基于airline_id把route_length_df拆分成組，為每個(gè)航空公司建立一個(gè)大體的數(shù)據(jù)框架。然后我們調(diào)用pandas的aggregate函數(shù)來獲取航空公司數(shù)據(jù)框架中長度列的均值，然后把每個(gè)獲取到的值重組到一個(gè)新的數(shù)據(jù)模型里。之后把數(shù)據(jù)模型進(jìn)行排序，這樣就使得擁有最多航線的航空公司拍到了前面。

這樣就可以使用matplotlib把結(jié)果畫出來。

plt.bar(range(airline_route_lengths.shape[0]), airline_route_lengths["length"])

Matplotlib的plt.bar方法根據(jù)每個(gè)數(shù)據(jù)模型的航空公司平均航線長度(airline_route_lengths[“l(fā)ength”])來做圖。

問題是我們想看出哪家航空公司擁有的航線長度是什么并不容易。為了解決這個(gè)問題，我們需要能夠看到坐標(biāo)軸標(biāo)簽。這有點(diǎn)難，畢竟有這么多的航空公司。一個(gè)能使問題變得簡單的方法是使圖表具有交互性，這樣能實(shí)現(xiàn)放大跟縮小來查看軸標(biāo)簽。我們可以使用bokeh庫來實(shí)現(xiàn)這個(gè)--它能便捷的實(shí)現(xiàn)交互性，作出可縮放的圖表。

要使用booked，我們需要先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理：

def lookup_name(row):     try:         # Match the row id to the id in the airlines dataframe so we can get the name.         name = airlines["name"][airlines["id"] == row["id"]].iloc[0]     except (ValueError, IndexError):         name = ""     return name # Add the index (the airline ids) as a column. airline_route_lengths["id"] = airline_route_lengths.index.copy() # Find all the airline names. airline_route_lengths["name"] = airline_route_lengths.apply(lookup_name, axis=1) # Remove duplicate values in the index. airline_route_lengths.index = range(airline_route_lengths.shape[0])

上面的代碼會(huì)獲取airline_route_lengths中每列的名字，然后添加到name列上，這里存貯著每個(gè)航空公司的名字。我們也添加到id列上以實(shí)現(xiàn)查找(apply函數(shù)不傳index)。

***，我們重置索引序列以得到所有的特殊值。沒有這一步，Bokeh 無法正常運(yùn)行。

現(xiàn)在，我們可以繼續(xù)說圖表問題：

import numpy as np from bokeh.io import output_notebook from bokeh.charts import Bar, show output_notebook() p = Bar(airline_route_lengths, 'name', values='length', title="Average airline route lengths") show(p)

用 output_notebook 創(chuàng)建背景虛化，在 iPython 的 notebook  里畫出圖。然后，使用數(shù)據(jù)幀和特定序列制作條形圖。***，顯示功能會(huì)顯示出該圖。

這個(gè)圖實(shí)際上不是一個(gè)圖像--它是一個(gè) JavaScript 插件。因此，我們?cè)谙旅嬲故镜氖且环聊唤貓D，而不是真實(shí)的表格。

有了它，我們可以放大，看哪一趟航班的飛行路線最長。上面的圖像讓這些表格看起來擠在了一起，但放大以后，看起來就方便多了。

水平條形圖

Pygal 是一個(gè)能快速制作出有吸引力表格的數(shù)據(jù)分析庫。我們可以用它來按長度分解路由。首先把我們的路由分成短、中、長三個(gè)距離，并在  route_lengths 里計(jì)算出它們各占的百分比。

long_routes = len([k for k in route_lengths if k > 10000]) / len(route_lengths)  medium_routes = len([k for k in route_lengths if k < 10000 and k > 2000]) / len(route_lengths)  short_routes = len([k for k in route_lengths if k < 2000]) / len(route_lengths)

然后我們可以在 Pygal 的水平條形圖里把每一個(gè)都繪成條形圖：

import pygal from IPython.display import SVG chart = pygal.HorizontalBar() chart.title = 'Long, medium, and short routes' chart.add('Long', long_routes * 100) chart.add('Medium', medium_routes * 100) chart.add('Short', short_routes * 100) chart.render_to_file('routes.svg') SVG(filename='routes.svg')

首先，我們創(chuàng)建一個(gè)空?qǐng)D。然后，我們添加元素，包括標(biāo)題和條形圖。每個(gè)條形圖通過百分比值(***值是100)顯示出該類路由的使用頻率。

***，我們把圖表渲染成文件，用 IPython 的 SVG 功能載入并展示文件。這個(gè)圖看上去比默認(rèn)的 matplotlib  圖好多了。但是為了制作出這個(gè)圖，我們要寫的代碼也多很多。因此，Pygal 可能比較適用于制作小型的展示用圖表。

散點(diǎn)圖

在散點(diǎn)圖里，我們能夠縱向比較數(shù)據(jù)。我們可以做一個(gè)簡單的散點(diǎn)圖來比較航空公司的 id 號(hào)和航空公司名稱的長度：

name_lengths = airlines["name"].apply(lambda x: len(str(x)))  plt.scatter(airlines["id"].astype(int), name_lengths)

首先，我們使用 pandasapplymethod 計(jì)算每個(gè)名稱的長度。它將找到每個(gè)航空公司的名字字符的數(shù)量。然后，我們使用 matplotlib  做一個(gè)散點(diǎn)圖來比較航空 id 的長度。當(dāng)我們繪制時(shí)，我們把 theidcolumn of airlines  轉(zhuǎn)換為整數(shù)類型。如果我們不這樣做是行不通的，因?yàn)樗枰?x 軸上的數(shù)值。我們可以看到不少的長名字都出現(xiàn)在早先的 id  中。這可能意味著航空公司在成立前往往有較長的名字。

我們可以使用 seaborn 驗(yàn)證這個(gè)直覺。Seaborn 增強(qiáng)版的散點(diǎn)圖，一個(gè)聯(lián)合的點(diǎn)，它顯示了兩個(gè)變量是相關(guān)的，并有著類似地分布。

data = pandas.DataFrame({"lengths": name_lengths, "ids": airlines["id"].astype(int)})  seaborn.jointplot(x="ids", y="lengths", data=data)

上面的圖表明，兩個(gè)變量之間的相關(guān)性是不明確的——r 的平方值是低的。

靜態(tài) maps

我們的數(shù)據(jù)天然的適合繪圖-機(jī)場(chǎng)有經(jīng)度和緯度對(duì)，對(duì)于出發(fā)和目的機(jī)場(chǎng)來說也是。

***張圖做的是顯示全世界的所有機(jī)場(chǎng)?？梢杂脭U(kuò)展于 matplotlib 的 basemap 來做這個(gè)。這允許畫世界地圖和添加點(diǎn)，而且很容易定制。

# Import the basemap package from mpl_toolkits.basemap import Basemap # Create a map on which to draw.  We're using a mercator projection, and showing the whole world. m = Basemap(projection='merc',llcrnrlat=-80,urcrnrlat=80,llcrnrlon=-180,urcrnrlon=180,lat_ts=20,resolution='c') # Draw coastlines, and the edges of the map. m.drawcoastlines() m.drawmapboundary() # Convert latitude and longitude to x and y coordinates x, y = m(list(airports["longitude"].astype(float)), list(airports["latitude"].astype(float))) # Use matplotlib to draw the points onto the map. m.scatter(x,y,1,marker='o',color='red') # Show the plot. plt.show()

在上面的代碼中，首先用 mercator projection  畫一個(gè)世界地圖。墨卡托投影是將整個(gè)世界的繪圖投射到二位曲面。然后，在地圖上用紅點(diǎn)點(diǎn)畫機(jī)場(chǎng)。

上面地圖的問題是找到每個(gè)機(jī)場(chǎng)在哪是困難的-他們就是在機(jī)場(chǎng)密度高的區(qū)域合并城一團(tuán)紅色斑點(diǎn)。

就像聚焦不清楚，有個(gè)交互制圖的庫，folium，可以進(jìn)行放大地圖來幫助我們找到個(gè)別的機(jī)場(chǎng)。

import folium # Get a basic world map. airports_map = folium.Map(location=[30, 0], zoom_start=2) # Draw markers on the map. for name, row in airports.iterrows():     # For some reason, this one airport causes issues with the map.     if row["name"] != "South Pole Station":         airports_map.circle_marker(location=[row["latitude"], row["longitude"]], popup=row["name"]) # Create and show the map. airports_map.create_map('airports.html') airports_map

Folium 使用 leaflet.js  來制作全交互式地圖。你可以點(diǎn)擊每一個(gè)機(jī)場(chǎng)在彈出框中看名字。在上邊顯示一個(gè)截屏，但是實(shí)際的地圖更令人印象深刻。Folium  也允許非常廣闊的修改選項(xiàng)來做更好的標(biāo)注，或者添加更多的東西到地圖上。

畫弧線

在地圖上看到所有的航空路線是很酷的，幸運(yùn)的是，我們可以使用 basemap  來做這件事。我們將畫弧線連接所有的機(jī)場(chǎng)出發(fā)地和目的地。每個(gè)弧線想展示一個(gè)段都航線的路徑。不幸的是，展示所有的線路又有太多的路由，這將會(huì)是一團(tuán)糟。替代，我們只現(xiàn)實(shí)前  3000 個(gè)路由。

# Make a base map with a mercator projection.  Draw the coastlines. m = Basemap(projection='merc',llcrnrlat=-80,urcrnrlat=80,llcrnrlon=-180,urcrnrlon=180,lat_ts=20,resolution='c') m.drawcoastlines() # Iterate through the first 3000 rows. for name, row in routes[:3000].iterrows():     try:         # Get the source and dest airports.         source = airports[airports["id"] == row["source_id"]].iloc[0]         dest = airports[airports["id"] == row["dest_id"]].iloc[0]         # Don't draw overly long routes.         if abs(float(source["longitude"]) - float(dest["longitude"])) < 90:             # Draw a great circle between source and dest airports.             m.drawgreatcircle(float(source["longitude"]), float(source["latitude"]), float(dest["longitude"]), float(dest["latitude"]),linewidth=1,color='b')     except (ValueError, IndexError):         pass      # Show the map. plt.show()

上面的代碼將會(huì)畫一個(gè)地圖，然后再在地圖上畫線路。我們添加一了寫過濾器來阻止過長的干擾其他路由的長路由。

畫網(wǎng)絡(luò)圖

我們將做的最終的探索是畫一個(gè)機(jī)場(chǎng)網(wǎng)絡(luò)圖。每個(gè)機(jī)場(chǎng)將會(huì)是網(wǎng)絡(luò)中的一個(gè)節(jié)點(diǎn)，并且如果兩點(diǎn)之間有路由將劃出節(jié)點(diǎn)之間的連線。如果有多重路由，將添加線的權(quán)重，以顯示機(jī)場(chǎng)連接的更多。將使用  networkx 庫來做這個(gè)功能。

首先，計(jì)算機(jī)場(chǎng)之間連線的權(quán)重。

# Initialize the weights dictionary. weights = {} # Keep track of keys that have been added once -- we only want edges with a weight of more than 1 to keep our network size manageable. added_keys = [] # Iterate through each route. for name, row in routes.iterrows():     # Extract the source and dest airport ids.     source = row["source_id"]     dest = row["dest_id"]          # Create a key for the weights dictionary.     # This corresponds to one edge, and has the start and end of the route.     key = "{0}_{1}".format(source, dest)     # If the key is already in weights, increment the weight.     if key in weights:         weights[key] += 1     # If the key is in added keys, initialize the key in the weights dictionary, with a weight of 2.     elif key in added_keys:         weights[key] = 2     # If the key isn't in added_keys yet, append it.     # This ensures that we aren't adding edges with a weight of 1.     else:         added_keys.append(key)

一旦上面的代碼運(yùn)行，這個(gè)權(quán)重字典就包含了每兩個(gè)機(jī)場(chǎng)之間權(quán)重大于或等于 2 的連線。所以任何機(jī)場(chǎng)有兩個(gè)或者更多連接的路由將會(huì)顯示出來。

# Import networkx and initialize the graph. import networkx as nx graph = nx.Graph() # Keep track of added nodes in this set so we don't add twice. nodes = set() # Iterate through each edge. for k, weight in weights.items():     try:         # Split the source and dest ids and convert to integers.         source, dest = k.split("_")         source, dest = [int(source), int(dest)]         # Add the source if it isn't in the nodes.         if source not in nodes:             graph.add_node(source)         # Add the dest if it isn't in the nodes.         if dest not in nodes:             graph.add_node(dest)         # Add both source and dest to the nodes set.         # Sets don't allow duplicates.         nodes.add(source)         nodes.add(dest)                  # Add the edge to the graph.         graph.add_edge(source, dest, weight=weight)     except (ValueError, IndexError):         pass pos=nx.spring_layout(graph) # Draw the nodes and edges. nx.draw_networkx_nodes(graph,pos, node_color='red', node_size=10, alpha=0.8) nx.draw_networkx_edges(graph,pos,width=1.0,alpha=1) # Show the plot. plt.show()

上述內(nèi)容就是7款Python數(shù)據(jù)圖表工具的比較是怎樣的，你們學(xué)到知識(shí)或技能了嗎？如果還想學(xué)到更多技能或者豐富自己的知識(shí)儲(chǔ)備，歡迎關(guān)注億速云行業(yè)資訊頻道。