點(diǎn)擊上方?Z先生點(diǎn)記，加為星標(biāo)

第一時(shí)間收到 Python 技術(shù)干貨！

來(lái)源：優(yōu)達(dá)學(xué)城Udacity

https://towardsdatascience.com/the-next-level-of-data-visualization-in-python-dd6e99039d5e

心理學(xué)上有一個(gè)名詞叫“沉沒(méi)成本謬誤”，它指如果我們已經(jīng)在一項(xiàng)事業(yè)上花費(fèi)了很多時(shí)間，那么即使明知是失敗的，我們?nèi)匀粫?huì)傾向于繼續(xù)把時(shí)間和資源花在上面。

在數(shù)據(jù)可視化的路上，我也曾犯過(guò)這樣的錯(cuò)誤。

當(dāng)我明知存在更高效、更具交互性和外觀更好的替代方案時(shí)，我卻仍然繼續(xù)使用一個(gè)過(guò)時(shí)的繪圖庫(kù)——matplotlib，只是因?yàn)槲以?jīng)花了數(shù)百個(gè)小時(shí)來(lái)學(xué)習(xí) matplotlib 復(fù)雜的語(yǔ)法。

幸運(yùn)的是，現(xiàn)在有許多的開(kāi)源繪圖庫(kù)可供選擇，經(jīng)過(guò)仔細(xì)研究，我發(fā)現(xiàn) plotly 包無(wú)論從易用性、交互性還是功能性來(lái)看，都有絕對(duì)的優(yōu)勢(shì)。接下來(lái)，我將帶領(lǐng)大家學(xué)會(huì)如何用更少的時(shí)間繪制更美觀的可視化圖表——通常只需要一行代碼。

本文所有代碼都可以在 GitHub 上找到。讀者朋友們也可以直接在瀏覽器里打開(kāi) NBViewer 鏈接查看效果。地址獲取方式見(jiàn)文末。

Plotly簡(jiǎn)要概述

plotly Python 包是一個(gè)構(gòu)建在 plotly.js 上的開(kāi)源庫(kù)，而后者又是構(gòu)建在 d3.js 上的。我們將使用一個(gè) plotly 的“包裝器”——cufflinks，它可以 plotly 的使用變得更加簡(jiǎn)單。整個(gè)堆疊順序是cufflinks>plotly>plotly.js>d3.js，意味著我們同時(shí)獲得了 Python 的編程高效性和d3強(qiáng)大的圖形交互能力。(畢竟d3.js是全世界公認(rèn)的第一可視化框架！)

本文中所有工作都是使用 plotly+cufflinks 在 Jupyter Notebook 中完成的。在開(kāi)始前，我們需要使用 pip install cufflinks plotly 在 Python 環(huán)境中安裝這兩個(gè)包，然后在 jupyter notebook 中導(dǎo)入這兩個(gè)包：

#?導(dǎo)入plotly包
import?plotly.plotly?as?py
import?plotly.graph_objs?as?go
from?plotly.offline?import?iplot,init_notebook_mode


#?使用離線模式的?plotly?+?cufflinks
import?cufflinks
cufflinks.go_offline(connected=True)

單變量分布：直方圖和箱線圖

單變量-單變量制圖是開(kāi)始一個(gè)數(shù)據(jù)分析的標(biāo)準(zhǔn)方法。直方圖是繪制單變量分布的首選方式。在這里，我使用的數(shù)據(jù)來(lái)源是我個(gè)人在 medium 網(wǎng)站上所寫(xiě)過(guò)文章的統(tǒng)計(jì)信息，讓我們先來(lái)制作一個(gè)關(guān)于文章點(diǎn)贊次數(shù)的交互式直方圖(df 是一個(gè)標(biāo)準(zhǔn)的 Pandas 數(shù)據(jù)結(jié)構(gòu))。

df['claps'].iplot(kind='hist',?xTitle='claps',?yTitle='count',?title='Claps?Distribution')

如果你已經(jīng)習(xí)慣使用**matplotlib**，你所需要做的只是在你原有代碼的基礎(chǔ)上添加一個(gè)字母，即把 plot 改為 iplot，就可以得到一個(gè)更加好看的交互式圖標(biāo)！我們可以通過(guò)鼠標(biāo)的滑動(dòng)獲得更多的數(shù)據(jù)幾節(jié)，還可以放大圖的各個(gè)部分。

如果我們想要繪制重疊的直方圖，這很簡(jiǎn)單：

df[['time_started',?'time_published']].iplot(????kind='hist',????histnorm='percent',????barmode='overlay',????xTitle='Time?of?Day',????yTitle='(%)?of?Articles',????title='Time?Started?and?Time?Published')

通過(guò)一點(diǎn) pandas 處理，我們還可以制作一個(gè)條形圖：

#重采樣獲得每月的均值?e?Views?and?Reads')
df2?=?df[['view','reads','published_date']].set_index('published_date').resample('M').mean()
df2.iplot(kind='bar',?xTitle='Date',?yTitle='Average',????title='Monthly?Average?Views?and?Reads')

就像我們前面看到的那樣，pandas+plotly+cufflinks 這一組合的功能非常強(qiáng)大。如果我們要繪制一個(gè)關(guān)于每篇文章粉絲數(shù)量在不同發(fā)表渠道的分布情況的箱線圖，我們可以先使用 pandas 中DataFrame 的 pivot(透視表) 功能，然后再繪制圖表，如下：

df.pivot(columns='publication',?values='fans').iplot(??kind='box',?yTitle='fans',title='Fans?Distribution?by?Publication')

交互式圖表的好處就在于，我們可以盡情地探索圖表中的數(shù)據(jù)。特別是在箱線圖中，包含的信息很多，如果不能局部放大查看，我們可能會(huì)錯(cuò)過(guò)這些信息。

散點(diǎn)圖

散點(diǎn)圖是大多數(shù)分析的核心，它可以使我們看到變量隨著時(shí)間的演變情況，也可以看到兩種變量之間的關(guān)系。

時(shí)間序列

現(xiàn)實(shí)世界中的大部分?jǐn)?shù)據(jù)都與時(shí)間相關(guān)。幸運(yùn)的是，plotly + cufflinks 在設(shè)計(jì)之初就考慮到了時(shí)間序列的可視化。讓我們來(lái)創(chuàng)建一個(gè)關(guān)于我寫(xiě)過(guò)文章情況的 dataframe，看看它的各項(xiàng)指標(biāo)是怎么隨著時(shí)間變化的。

#創(chuàng)建一個(gè)數(shù)據(jù)集，只包括發(fā)布在Towards?Data?Science渠道的文章
tds?=?df[df['publication']?==?'Towards?Data?Science'].?set_index('published_date')
#將閱讀時(shí)間作為時(shí)間序列
tds[['claps',?'fans',?'title']].iplot(????y='claps',?mode='lines+markers',?secondary_y?=?'fans',????secondary_y_title='Fans',?xTitle='Date',?yTitle='Claps',????text='title',?title='Fans?and?Claps?over?Time')

我們?cè)谝恍写a里完成了很多不同的事情:

- 自動(dòng)獲得了格式友好的時(shí)間序列作為x軸

- 添加一個(gè)次坐標(biāo)軸(第二y軸)，因?yàn)樯蠄D中的兩個(gè)變量的值范圍不同。

- 添加文章的標(biāo)題到每個(gè)數(shù)據(jù)點(diǎn)中(鼠標(biāo)放上去可以顯示文章名和變量值)

如果要從圖表上了解更多的信息，我們還可以很容易地添加文本注釋：

tds_monthly_totals.iplot(mode='lines+markers+text',?text=text,?y='word_count',?opacity=0.8,???xTitle='Date',?yTitle='Word?Count',title='Total?Word?Count?by?Month')

對(duì)于由第三個(gè)分類變量著色的雙變量散點(diǎn)圖，我們使用：

#read_time代表文章所需閱讀時(shí)長(zhǎng)，read_ratio代表閱讀比例，即閱讀文章的人數(shù)/點(diǎn)擊查看的人數(shù)df.iplot(?x='read_time',?y='read_ratio',#?定義類別變量categories='publication',x,y,?)

如果要在圖表中體現(xiàn)三個(gè)數(shù)值變量，我們還可以使用氣泡圖，如下圖:橫坐標(biāo)、縱坐標(biāo)、氣泡的大小分別代表三個(gè)不同的變量——文章字?jǐn)?shù)的對(duì)數(shù)、閱讀數(shù)量、閱讀比例。

tds.iplot(x='word_count',y='reads',?size='read_ratio',text=text,?mode='markers',
#?Log?xaxis
layout=dict(xaxis=dict(type='log',?title='Word?Count'),?yaxis=dict(title='Reads'),????????title='Reads?vs?Log?Word?Count?Sized?by?Read?Ratio'))

再做一點(diǎn)工作，我們甚至可以在一個(gè)圖表中體現(xiàn)四個(gè)變量！

結(jié)合 pandas 對(duì)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)處理，我們可以得到很多非常有價(jià)值的圖，比如下面這張關(guān)于不同文章發(fā)表渠道的讀者點(diǎn)擊查看數(shù)量的變化趨勢(shì)圖，顯然名為T(mén)oward Data Science的發(fā)表渠道能給文章帶來(lái)更多的點(diǎn)擊量。

更高級(jí)的圖表

接下來(lái)所講述的圖表大家可能不會(huì)經(jīng)常用到，但是非常酷炫，值得了解一下。同樣，我們?nèi)匀恢皇褂靡恍写a就可以完成這些超級(jí)圖表。

散點(diǎn)圖矩陣

當(dāng)我們想要探索許多變量之間的關(guān)系時(shí)，散點(diǎn)圖矩陣是非常好的選擇。

import?plotly.figure_factory?as?ff
figure?=?ff.create_scatterplotmatrix(df[['claps',?'publication','views','read_ratio','word_count']],diag='histogram',?index='publication')

以上的散點(diǎn)矩陣圖仍然是可以交互的，可以自由放大縮小，查看各個(gè)數(shù)據(jù)點(diǎn)的詳細(xì)信息。

相關(guān)系數(shù)熱力圖

為了將數(shù)值型變量的相關(guān)性可視化，我們可以先計(jì)算相關(guān)系數(shù)，接著就可以創(chuàng)建一個(gè)帶注釋的熱力圖:

corrs?=?df.corr()
figure?=?ff.create_annotated_heatmap(z=corrs.values,x=list(corrs.columns),y=list(corrs.index),?annotation_text=corrs.round(2).values,?showscale=True)

我們還可以繪制非常酷炫的3D表面圖和3D氣泡圖：

云制圖——Plotly Chart Studio

當(dāng)你使用 plotly 在 notebook 中繪制圖表時(shí)，你可能注意到了每幅圖的右下角都有一個(gè)鏈接 “Export to plot.ly” 。如果你點(diǎn)擊該鏈接，就會(huì)跳轉(zhuǎn)到名為chart studio的云制圖平臺(tái)，然后你就可以對(duì)自己的圖標(biāo)進(jìn)行潤(rùn)色，添加注釋、改改顏色、清理一些不必要的內(nèi)容等等。

你還可以在線發(fā)布該圖表，任何人可以直接通過(guò)鏈接訪問(wèn)到你的圖表。(比如我的這個(gè)3D圖，在瀏覽器中輸入后方鏈接可直接抵達(dá):https://plot.ly/~Allencxl/3/)

前面所述的內(nèi)容還不算是這個(gè)庫(kù)的所有功能，非常鼓勵(lì)各位小伙伴們?nèi)ゲ榭?plotly 和 cufflinks 的文檔，肯定會(huì)有更多不可思議的神級(jí)可視化在等著你！

美國(guó)風(fēng)力發(fā)電廠的分布情況

總結(jié)

我已經(jīng)因?yàn)楣虉?zhí)地使用matploblib而浪費(fèi)了太多時(shí)間，所以希望大家能通過(guò)這篇文章學(xué)習(xí)到一種新的方式提升自己的繪圖效率。另外，當(dāng)我們?cè)谶x擇繪圖庫(kù)的時(shí)候，有幾點(diǎn)是永遠(yuǎn)需要考慮的：

- 用少量的代碼進(jìn)行數(shù)據(jù)探索

- 可以實(shí)時(shí)與數(shù)據(jù)交互，查看數(shù)據(jù)子集情況

- 根據(jù)自己的需要，選擇性挖掘數(shù)據(jù)中的細(xì)節(jié)

- 非常便利地潤(rùn)色最終演示的圖表

而到目前為止，能夠在 Python 中實(shí)現(xiàn)上述需求的不二選擇便是 plotly。plotly 使我們能夠快速地進(jìn)行可視化，讓我們通過(guò)與圖表的交互更好地了解我們的數(shù)據(jù)。日常工作中，在使用其他繪圖庫(kù)的時(shí)候，我感覺(jué)繪圖是一項(xiàng)單調(diào)乏味的任務(wù)，但是使用 plotly 時(shí)，我覺(jué)得繪圖是數(shù)據(jù)科學(xué)中相當(dāng)有趣的工作之一！

推薦閱讀：

《最受歡迎的女友職業(yè)排行榜Top10》20個(gè)極簡(jiǎn)Python代碼，拿走即用

總結(jié)

以上是生活随笔為你收集整理的matplotlib 横坐标少了一个点_比 matplotlib 效率高十倍的数据可视化神器的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。