喜欢用 python 做项目的小伙伴不免会遇到这种情况:做图表时,用哪种好看又实用的可视化工具包呢?之前文章里出现过漂亮的图表时,也总有读者在后台留言问该图表时用什么工具做的。下面,作者介绍了八种在 python 中实现的可视化工具包,其中有些包还能用在其它语言中。快来试试你喜欢哪个?
用 python 创建图形的方法有很多,但是哪种方法是最好的呢?当我们做可视化之前,要先明确一些关于图像目标的问题:你是想初步了解数据的分布情况?想展示时给人们留下深刻印象?也许你想给某人展示一个内在的形象,一个中庸的形象?
本文将介绍一些常用的 python 可视化包,包括这些包的优缺点以及分别适用于什么样的场景。这篇文章只扩展到 2d 图,为下一次讲 3d 图和商业报表(dashboard)留了一些空间,不过这次要讲的包中,许多都可以很好地支持 3d 图和商业报表。
matplotlib、seaborn 和 pandas
把这三个包放在一起有几个原因:首先 seaborn 和 pandas 是建立在 matplotlib 之上的,当你在用 seaborn 或 pandas 中的 df.plot() 时,用的其实是别人用 matplotlib 写的代码。因此,这些图在美化方面是相似的,自定义图时用的语法也都非常相似。
当提到这些可视化工具时,我想到三个词:探索(exploratory)、数据(data)、分析(analysis)。这些包都很适合第一次探索数据,但要做演示时用这些包就不够了。
matplotlib 是比较低级的库,但它所支持的自定义程度令人难以置信(所以不要简单地将其排除在演示所用的包之外!),但还有其它更适合做展示的工具。
matplotlib 还可以选择样式(style selection),它模拟了像 ggplot2 和 xkcd 等很流行的美化工具。下面是我用 matplotlib 及相关工具所做的示例图:
在处理篮球队薪资数据时,我想找出薪资中位数最高的团队。为了展示结果,我将每个球队的工资用颜色标成条形图,来说明球员加入哪一支球队才能获得更好的待遇。
1
2
3
4
5
6
7
8
9
10
11
|
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 = ( 0 , 0 ))
|
第二个图是回归实验残差的 q-q 图。这张图的主要目的是展示如何用尽量少的线条做出一张有用的图,当然也许它可能不那么美观。
1
2
3
4
5
6
7
|
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()
|
最终证明,matplotlib 及其相关工具的效率很高,但就演示而言它们并不是最好的工具。
ggplot(2)
你可能会问,「aaron,ggplot 是 r 中最常用的可视化包,但你不是要写 python 的包吗?」。人们已经在 python 中实现了 ggplot2,复制了这个包从美化到语法的一切内容。
在我看过的所有材料中,它的一切都和 ggplot2 很像,但这个包的好处是它依赖于 pandas python 包。不过 pandas python 包最近弃用了一些方法,导致 python 版本不兼容。
如果你想在 r 中用真正的 ggplot(除了依赖关系外,它们的外观、感觉以及语法都是一样的),我在另外一篇文章中对此进行过讨论。
也就是说,如果你一定要在 python 中用 ggplot,那你就必须要安装 0.19.2 版的 pandas,但我建议你最好不要为了使用较低级的绘图包而降低 pandas 的版本。
ggplot2(我觉得也包括 python 的 ggplot)举足轻重的原因是它们用「图形语法」来构建图片。基本前提是你可以实例化图,然后分别添加不同的特征;也就是说,你可以分别对标题、坐标轴、数据点以及趋势线等进行美化。
下面是 ggplot 代码的简单示例。我们先用 ggplot 实例化图,设置美化属性和数据,然后添加点、主题以及坐标轴和标题标签。
1
2
3
4
5
|
#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。从概念上讲,bokeh 类似于 ggplot,它们都是用图形语法来构建图片,但 bokeh 具备可以做出专业图形和商业报表且便于使用的界面。为了说明这一点,我根据 538 masculinity survey 数据集写了制作直方图的代码:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
|
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 表示调查结果
红色的条形图表示 538 个人关于「你认为自己有男子汉气概吗?」这一问题的答案。9~14 行的 bokeh 代码构建了优雅且专业的响应计数直方图——字体大小、y 轴刻度和格式等都很合理。
我写的代码大部分都用于标记坐标轴和标题,以及为条形图添加颜色和边框。在制作美观且表现力强的图片时,我更倾向于使用 bokeh——它已经帮我们完成了大量美化工作。
用 pandas 表示相同的数据
蓝色的图是上面的第 17 行代码。这两个直方图的值是一样的,但目的不同。在探索性设置中,用 pandas 写一行代码查看数据很方便,但 bokeh 的美化功能非常强大。
bokeh 提供的所有便利都要在 matplotlib 中自定义,包括 x 轴标签的角度、背景线、y 轴刻度以及字体(大小、斜体、粗体)等。下图展示了一些随机趋势,其自定义程度更高:使用了图例和不同的颜色和线条。
bokeh 还是制作交互式商业报表的绝佳工具。
plotly
plotly 非常强大,但用它设置和创建图形都要花费大量时间,而且都不直观。在用 plotly 忙活了大半个上午后,我几乎什么都没做出来,干脆直接去吃饭了。我只创建了不带坐标标签的条形图,以及无法删掉线条的「散点图」。ploty 入门时有一些要注意的点:
- 安装时要有 api 秘钥,还要注册,不是只用 pip 安装就可以;
- plotly 所绘制的数据和布局对象是独一无二的,但并不直观;
- 图片布局对我来说没有用(40 行代码毫无意义!)
- 但它也有优点,而且设置中的所有缺点都有相应的解决方法:
- 你可以在 plotly 网站和 python 环境中编辑图片;
- 支持交互式图片和商业报表;
- plotly 与 mapbox 合作,可以自定义地图;
- 很有潜力绘制优秀图形。
以下是我针对这个包编写的代码:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
|
#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 = 0
),
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 球队每分钟平均失误数的条形图。
表示薪水和在 nba 的打球时间之间关系的散点图
总体来说,开箱即用的美化工具看起来很好,但我多次尝试逐字复制文档和修改坐标轴标签时却失败了。但下面的图展示了 plotly 的潜力,以及我为什么要在它身上花好几个小时:
plotly 页面上的一些示例图
pygal
pygal 的名气就不那么大了,和其它常用的绘图包一样,它也是用图形框架语法来构建图像的。由于绘图目标比较简单,因此这是一个相对简单的绘图包。使用 pygal 非常简单:
- 实例化图片;
- 用图片目标属性格式化;
- 用 figure.add() 将数据添加到图片中。
我在使用 pygal 的过程中遇到的主要问题在于图片渲染。必须要用 render_to_file 选项,然后在 web 浏览器中打开文件,才能看见我刚刚构建的东西。
最终看来这是值得的,因为图片是交互式的,有令人满意而且便于自定义的美化功能。总而言之,这个包看起来不错,但在文件的创建和渲染部分比较麻烦。
networkx
虽然 networkx 是基于 matplotlib 的,但它仍是图形分析和可视化的绝佳解决方案。图形和网络不是我的专业领域,但 networkx 可以快速简便地用图形表示网络之间的连接。以下是我针对一个简单图形构建的不同的表示,以及一些从斯坦福 snap 下载的代码(关于绘制小型 facebook 网络)。
我按编号(1~10)用颜色编码了每个节点,代码如下:
1
2
3
4
5
6
7
8
|
options = {
'node_color' : range ( len (g)),
'node_size' : 300 ,
'width' : 1 ,
'with_labels' : false,
'cmap' : plt.cm.coolwarm
}
nx.draw(g, * * options)
|
用于可视化上面提到的稀疏 facebook 图形的代码如下:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
|
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)
|
这个图形非常稀疏,networkx 通过最大化每个集群的间隔展现了这种稀疏化。
有很多数据可视化的包,但没法说哪个是最好的。希望阅读本文后,你可以了解到在不同的情境下,该如何使用不同的美化工具和代码。
总结
以上所述是小编给大家介绍的8个非常流行的 python 可视化工具包,希望对大家有所帮助,如果大家有任何疑问请给我留言,小编会及时回复大家的。在此也非常感谢大家对服务器之家网站的支持!
如果你觉得本文对你有帮助,欢迎转载,烦请注明出处,谢谢!原文链接:https://mp.weixin.qq.com/s