Python數(shù)據(jù)可視化實(shí)現(xiàn)泡泡堆積關(guān)聯(lián)圖

前言

有小伙伴說，使用 matplotlib 做出來(lái)的圖表比不上其他的基于 js 包裝的庫(kù)(pyechart、bokeh、plotly等)漂亮，他們可以還可以交互。同時(shí)，基于 matplotlib  包裝的 seaborn 似乎也比較省代碼。

本想寫一篇文章整體說一下這些庫(kù)的對(duì)比，但是如果沒有實(shí)際例子不太符合我的風(fēng)格。

因此，今天的目標(biāo)圖表是其他上層可視化庫(kù)難以做到(或者根本無(wú)法完成)：

 

• 此圖表是模仿《經(jīng)濟(jì)學(xué)人》，是關(guān)于加拿大移民與出生地相關(guān)的圖表

那些基于 js 包裝的可視化庫(kù)，在js環(huán)境下，按理應(yīng)該是可以做到。但在 Python 中就不會(huì)這么樂觀

有機(jī)會(huì)我會(huì)分享 d3.js 的做法，你會(huì)發(fā)現(xiàn)他與 matplotlib  的思路很相似

本文所需要的庫(kù)如下：

 

• 行8：cycler 包只是為了方便定義顏色板

數(shù)據(jù)是這樣子：

 

• 行3：泡泡圖的數(shù)據(jù)列

• 行4：堆積圖的數(shù)據(jù)列

本文所有的通用函數(shù)以寬表作為依據(jù)，行索引放 X 軸，每一列作為不同的圖表系列

這是顏色的定義：

 

• m_color_cycle 定義了7個(gè)系列的顏色，顏色值提取自示例圖表

• m_bubble_color 是泡泡圖的顏色

篇幅有限，我不會(huì)對(duì)所有的知識(shí)點(diǎn)都作詳細(xì)講解

逐一擊破

通常復(fù)雜的可視化是通過多種類型的圖形組合而成，顯然這次的目標(biāo)圖表是由3個(gè)部分組成：

1. 堆積圖，實(shí)際就是四邊形圖形而已

2. 泡泡圖，實(shí)際就是圓圈圖形

3. 中間作為連接修飾的長(zhǎng)方形

為什么我用"圖形"去描述他們？

如果你使用一些上層的可視化庫(kù)，你會(huì)發(fā)現(xiàn)他們會(huì)在圖表類型層面歸類，這無(wú)疑讓你能快速作圖。但缺點(diǎn)就是無(wú)法隨心所欲定制化圖表。

而 matplotlib  提供了底層"圖形"的控制，同時(shí)也提供了基本圖表操作。

首先看看如何做出堆積圖，下面以2個(gè)系列作為示例：

 

• 行7：使用 Axes.bar 方法可以畫出柱狀圖，其中 bottom 參數(shù)決定了每個(gè)柱子的起始位置，默認(rèn)情況下全是0

• 行11：當(dāng)畫第二個(gè)系列時(shí)，只要把第一個(gè)系列的 y 值設(shè)置為 第二系列 的 起始點(diǎn)，自然而然就做出了堆積圖的效果

圖表如下：

 

知道這個(gè)原理，那么就可以定義通用的函數(shù)：

 

• 本文所有的通用函數(shù)都基于寬表數(shù)據(jù)

• 行3：通過累計(jì)求和+偏移操作，求出每個(gè)系列的 bottom 值

• 行5：直接從 DataFrame 中遍歷取出每一列，分別畫柱子。m_color_cycle 是之前定義好的顏色板

行3是基本的 pandas 操作，有興趣可以參考我的 pandas 專欄

調(diào)用如下：

 

• 行3：原數(shù)據(jù)有多余的列，要選出需要的列，然后按第一年的值，橫向排序一下

圖表如下：

 

基本的圖表做出來(lái)，最后再調(diào)整一些細(xì)節(jié)(比如y軸的位置，刻度線等等)，因?yàn)檫@些只是一些操作，非常簡(jiǎn)單。

接下來(lái)做泡泡圖

圖形屬性映射

數(shù)據(jù)可視化的本質(zhì)，實(shí)際是數(shù)據(jù)到圖形元素的映射。

看看之前的堆積圖，我們成功把數(shù)據(jù)中的3種維度數(shù)據(jù)映射上去：

1. 年份，映射到柱子的水平位置(x軸位置)

2. 數(shù)值，映射到柱子的高度(調(diào)用 bar 方法時(shí)的參數(shù) height)

3. 地區(qū)，映射到柱子的顏色

看一個(gè)極端的例子。數(shù)據(jù)中還有一列移民人數(shù)(migrant)，我們?nèi)匀豢梢酝逊e圖上映射：

 

雖然現(xiàn)在圖表看起來(lái)非常奇怪，但的確是可行：

 

• 每一年的柱子寬度與數(shù)據(jù) migrant 關(guān)聯(lián)起來(lái)，柱子越寬，表示那一年移民人數(shù)越多

現(xiàn)在，你應(yīng)該感受到數(shù)據(jù)可視化的本質(zhì)，同時(shí)也看到，每一種的圖表可以合理映射的維度是有限的。

比如上面的堆積圖的柱子寬度顯然不是一個(gè)合理映射屬性。

解決方法就是用其他的"圖形"繼續(xù)做映射。

我們?cè)谕粋€(gè)坐標(biāo)系上畫散點(diǎn)圖，映射關(guān)系如下：

• 圓點(diǎn)的水平位置映射為年份

• 圓點(diǎn)的垂直位置映射為固定值(只要在柱子的下方就可以)

• 圓點(diǎn)的半徑映射為數(shù)據(jù) migrant

代碼如下：

 

• 本文所有通用函數(shù)基于 DataFrame 固定列名。比如數(shù)據(jù)中需要有名為 size 的列，此列作為泡泡的大小。

• 行6：Axes.scatter 即可畫出圓點(diǎn)，參數(shù) s 就是圓點(diǎn)的半徑

• 參數(shù) clip_on 設(shè)置為 False，可以防止圓點(diǎn)太大超出了可視區(qū)被裁剪

調(diào)用如下：

 

• 行6：把列名修改合適

• 行7：參數(shù)y，決定泡泡的位置。注意這里的 -25 是對(duì)應(yīng)圖表上y軸的數(shù)值

看看圖表：

 

下一步，加上中間連接修飾的矩形框

畫圖形

matplotlib 內(nèi)置了許多基本圖形，因此創(chuàng)建圖形不是什么難事：

 

• 這是在

• 行9：創(chuàng)建一個(gè)矩形，第一個(gè)參數(shù)是系列，表示 x、y 的位置。

• 行10：往坐標(biāo)系中加入這個(gè)圖形

注意，上面行9中設(shè)置的參數(shù)的數(shù)值，默認(rèn)是按數(shù)據(jù)表示。

比如，[0，40] 的40，相當(dāng)于指定矩形的左下角點(diǎn)位于 y 軸值為 40 的位置

但是，[0,40] 的 0 應(yīng)該表示的是 x 軸，為什么是0？

這是因?yàn)槲覀冏鲌D時(shí)，傳給 x 軸的是字符串：

 

此時(shí)坐標(biāo)系 x 軸被 matplotlib 轉(zhuǎn)成 0 開始的升序編碼

matplotlib 有6種坐標(biāo)系轉(zhuǎn)換，這是最重要的核心機(jī)制，這里不深入講解

看看效果：

 

• 矩形左下角在 第一個(gè)柱子中間，y 軸點(diǎn)40的位置

• 高度剛好占 y 軸 20個(gè)單位的長(zhǎng)度

• 寬度剛好是 10 個(gè)柱子寬度總和

知道了原理，那么需求就非常容易了：

 

看看效果：

 

非常好，為泡泡圖加上數(shù)據(jù)標(biāo)簽，原理與之前一樣：

 

 

最后，按要求調(diào)整軸的細(xì)節(jié)即可：

 

完整調(diào)用如下：

 

效果如下：

 

你會(huì)發(fā)現(xiàn)，整個(gè)過程我們一直在設(shè)置數(shù)據(jù)與圖形的關(guān)聯(lián)，這就是 matplotlib 的核心思路！

看似需要很多代碼，但是我們非常容易就可以使他們?cè)诓煌臄?shù)據(jù)之間重復(fù)使用。

接下來(lái)我會(huì)繼續(xù)編寫更多非常規(guī)要求的圖表，敬請(qǐng)關(guān)注！