超硬核的 Python 數據可視化教程

時間  2020-10-03 標籤 超 硬核 python 數據 可視化 教程

做者：開運張python

https://zhuanlan.zhihu.com/p/5564204數據庫

Python實現可視化的三個步驟：編程

  • 肯定問題，選擇圖形瀏覽器

  • 轉換數據，應用函數dom

  • 參數設置，一目瞭然機器學習

1svg

首先，要知道咱們用哪些庫來畫圖?函數

matplotlib工具

python中最基本的做圖庫就是matplotlib，是一個最基礎的Python可視化庫，通常都是從matplotlib上手Python數據可視化，而後開始作縱向與橫向拓展。學習

Seaborn

是一個基於matplotlib的高級可視化效果庫，針對的點主要是數據挖掘和機器學習中的變量特徵選取，seaborn能夠用短小的代碼去繪製描述更多維度數據的可視化效果圖

其餘庫還包括

Bokeh（是一個用於作瀏覽器端交互可視化的庫，實現分析師與數據的交互）；Mapbox（處理地理數據引擎更強的可視化工具庫）等等

本篇文章主要使用matplotlib進行案例分析

第一步：肯定問題，選擇圖形

業務可能很複雜，可是通過拆分，咱們要找到咱們想經過圖形表達什麼具體問題。分析思惟的訓練能夠學習《麥肯錫方法》和《金字塔原理》中的方法。

這是網上的一張關於圖表類型選擇的總結。

在python中，咱們能夠總結爲如下四種基本視覺元素來展示圖形：

  • 點：scatter plot 二維數據，適用於簡單二維關係；

  • 線：line plot 二維數據，適用於時間序列；

  • 柱狀：bar plot 二維數據，適用於類別統計；

  • 顏色：heatmap 適用於展現第三維度；

數據間存在分佈，構成，比較，聯繫以及變化趨勢等關系。對應不同的關係，選擇相應的圖形進行展現。

第二步：轉換數據，應用函數

數據分析和建模方面的大量編程工做都是用在數據準備的基礎上的：加載、清理、轉換以及重塑。咱們可視化步驟也須要對數據進行整理，轉換成咱們須要的格式再套用可視化方法完成做圖。

下面是一些經常使用的數據轉換方法：

  • 合併：merge，concat，combine_frist(相似於數據庫中的全外鏈接)

  • 重塑：reshape；軸向旋轉：pivot（相似excel數據透視表）

  • 去重：drop_duplicates

  • 映射：map

  • 填充替換：fillna,replace

  • 重命名軸索引：rename

將分類變量轉換‘啞變量矩陣’的get_dummies函數以及在df中對某列數據取限定值等等。

函數則根據第一步中選擇好的圖形，去找python中對應的函數。

第三步：參數設置，一目瞭然

原始圖形畫完後，咱們能夠根據需求修改顏色（color），線型（linestyle），標記（maker）或者其餘圖表裝飾項標題（Title），軸標籤（xlabel，ylabel），軸刻度（set_xticks），還有圖例（legend）等，讓圖形更加直觀。

第三步是在第二步的基礎上,爲了使圖形更加清晰明瞭，作的修飾工做。具體參數均可以在製圖函數中找到。

2

可視化做圖基礎

Matplotlib做圖基礎

#導入包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

Figure和Subplot

matplotlib的圖形都位於Figure（畫布）中，Subplot建立圖像空間。不能經過figure繪圖，必須用add_subplot建立一個或多個subplot。

figsize能夠指定圖像尺寸。

#建立畫布
fig = plt.figure()
<Figure size 432x288 with 0 Axes>
#建立subplot，221表示這是2行2列表格中的第1個圖像。
ax1 = fig.add_subplot(221)
#但如今更習慣使用如下方法建立畫布和圖像，2,2表示這是一個2*2的畫布，能夠放置4個圖像
fig , axes = plt.subplots(2,2,sharex=True,sharey=True)
#plt.subplot的sharex和sharey參數能夠指定全部的subplot使用相同的x，y軸刻度。

利用Figure的subplots_adjust方法能夠調整間距。

subplots_adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None)

顏色color，標記marker，和線型linestyle

matplotlib的plot函數接受一組X和Y座標，還能夠接受一個表示顏色和線型的字符串縮寫：'g--'，表示顏色是綠色green，線型是'--'虛線。也可使用參數明確的指定。

線型圖還能夠加上一些標記（marker），來突出顯示數據點的位置。標記也能夠放在格式字符串中，但標記類型和線型必須放在顏色後面。

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
[<matplotlib.lines.Line2D at 0x8c919b0>]

刻度，標籤和圖例

plt的xlim、xticks和xtickslabels方法分別控制圖表的範圍和刻度位置和刻度標籤。

調用方法時不帶參數，則返回當前的參數值；調用時帶參數，則設置參數值。

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
plt.xlim() #不帶參數調用，顯示當前參數；
#可將xlim替換爲另外兩個方法試試
(-1.4500000000000002, 30.45)

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
plt.xlim([0,15]) #橫軸刻度變成0-15
(0, 15)

設置標題，軸標籤，刻度以及刻度標籤

fig = plt.figure();ax = fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum())
ticks = ax.set_xticks([0,250,500,750,1000]) #設置刻度值
labels = ax.set_xticklabels(['one','two','three','four','five']) #設置刻度標籤
ax.set_title('My first Plot') #設置標題
ax.set_xlabel('Stage') #設置軸標籤
Text(0.5,0,'Stage')

添加圖例

圖例legend是另外一種用於標識圖標元素的重要工具。能夠在添加subplot的時候傳入label參數。

fig = plt.figure(figsize=(12,5));ax = fig.add_subplot(111)
ax.plot(np.random.randn(1000).cumsum(),'k',label='one') #傳入label參數，定義label名稱
ax.plot(np.random.randn(1000).cumsum(),'k--',label='two')
ax.plot(np.random.randn(1000).cumsum(),'k.',label='three')
#圖形建立完後，只須要調用legend參數將label調出來便可。
ax.legend(loc='best') #要求不是很嚴格的話，建議使用loc=‘best’參數來讓它本身選擇最佳位置
<matplotlib.legend.Legend at 0xa8f5a20>

註解

除標準的圖表對象以外，咱們還能夠自定義添加一些文字註解或者箭頭。

註解能夠經過text，arrow和annotate等函數進行添加。text函數能夠將文本繪製在指定的x，y座標位置，還能夠進行自定義格式

plt.plot(np.random.randn(1000).cumsum())
plt.text(600,10,'test ',family='monospace',fontsize=10)
#中文註釋在默認環境下並不能正常顯示，須要修改配置文件，使其支持中文字體。具體步驟請自行搜索。

保存圖表到文件

利用plt.savefig能夠將當前圖表保存到文件。例如，要將圖表保存爲png文件，能夠執行

文件類型是根據拓展名而定的。其餘參數還有：

  • fname：含有文件路徑的字符串，拓展名指定文件類型

  • dpi：分辨率，默認100 facecolor,edgcolor 圖像的背景色，默認‘w’白色

  • format：顯示設置文件格式（'png','pdf','svg','ps','jpg'等）

  • bbox_inches：圖表須要保留的部分。若是設置爲「tight」，則將嘗試剪除圖像周圍的空白部分

plt.savefig('./plot.jpg') #保存圖像爲plot名稱的jpg格式圖像
<Figure size 432x288 with 0 Axes>

3

Pandas中的繪圖函數

Matplotlib做圖

matplotlib是最基礎的繪圖函數，也是相對較低級的工具。組裝一張圖表須要單獨調用各個基礎組件才行。Pandas中有許多基於matplotlib的高級繪圖方法，本來須要多行代碼才能搞定的圖表，使用pandas只須要短短几行。

咱們使用的就調用了pandas中的繪圖包。

import matplotlib.pyplot as plt

線型圖

Series和DataFrame都有一個用於生成各種圖表的plot方法。默認狀況下，他們生成的是線型圖。

s = pd.Series(np.random.randn(10).cumsum(),index=np.arange(0,100,10))
s.plot() #Series對象的索引index會傳給matplotlib用做繪製x軸。
<matplotlib.axes._subplots.AxesSubplot at 0xf553128>

df = pd.DataFrame(np.random.randn(10,4).cumsum(0),columns=['A','B','C','D'])
df.plot() #plot會自動爲不一樣變量改變顏色，並添加圖例
<matplotlib.axes._subplots.AxesSubplot at 0xf4f9eb8>

Series.plot方法的參數

  • label：用於圖表的標籤

  • style：風格字符串，'g--'

  • alpha：圖像的填充不透明度（0-1）

  • kind：圖表類型（bar，line，hist，kde等）

  • xticks：設定x軸刻度值

  • yticks：設定y軸刻度值

  • xlim，ylim：設定軸界限，[0,10]

  • grid：顯示軸網格線，默認關閉

  • rot：旋轉刻度標籤

  • use_index：將對象的索引用做刻度標籤

  • logy：在Y軸上使用對數標尺

DataFrame.plot方法的參數

DataFrame除了Series中的參數外，還有一些獨有的選項。

  • subplots：將各個DataFrame列繪製到單獨的subplot中

  • sharex，sharey：共享x，y軸

  • figsize：控制圖像大小

  • title：圖像標題

  • legend：添加圖例，默認顯示

  • sort_columns：以字母順序繪製各列，默認使用當前順序

柱狀圖

在生成線型圖的代碼中加上kind=‘bar’或者kind=‘barh’，能夠生成柱狀圖或水平柱狀圖。

fig,axes = plt.subplots(2,1)
data = pd.Series(np.random.rand(10),index=list('abcdefghij'))
data.plot(kind='bar',ax=axes[0],rot=0,alpha=0.3)
data.plot(kind='barh',ax=axes[1],grid=True)
<matplotlib.axes._subplots.AxesSubplot at 0xfe39898>

柱狀圖有一個很是實用的方法：

利用value_counts圖形化顯示Series或者DF中各值的出現頻率。

好比df.value_counts().plot(kind='bar')

Python可視化的基礎語法就到這裏，其餘圖形的繪製方法大同小異。

重點是遵循三個步驟的思路來進行思考、選擇、應用。多多練習能夠更加熟練。

< END >

分享或在看是對我最大的支持

联系我们 沪ICP备2021010478号-7