【數據科學】Python數據可視化概述

時間 2019-12-04

原文原文鏈接

注：很早以前就打算專門寫一篇與Python數據可視化相關的博客，對一些基本概念和經常使用技巧作一個小結。今天終於有時間來完成這個計劃了！html

0. Python中經常使用的可視化工具

Python在數據科學中的地位，不只僅是由於numpy, scipy, pandas, scikit-learn這些高效易用、接口統一的科學計算包，其強大的數據可視化工具也是重要組成部分。在Python中，使用的最多的數據可視化工具是matplotlib，除此以外還有不少其餘可選的可視化工具包，主要包括如下幾大類：git

matplotlib以及基於matplotlib開發的工具包：pandas中的封裝matplotlib API的畫圖功能，seaborn，networkx等；
基於JavaScript和d3.js開發的可視化工具：plotly等，這類工具能夠顯示動態圖且具備必定的交互性；
其餘提供了Python調用接口的可視化工具：OpenGL, GraphViz等，這一類工具各有特色且在特定領域應用普遍.

對於數據科學，用的比較多的是matplotlib和seaborn，對數據進行動態或交互式展現時會用到plotly.github

1. matplotlib與MATLAB

Matplotlib是創建在NumPy數組基礎上的多平臺數據可視化程序庫，John Hunter在2002年提出了matplotlib的初步構想——在Python中畫出相似MATLAB風格的交互式圖形。鑑於此種淵源，相似MATLAB風格的畫圖接口是matplotlib的兩種畫圖接口之一。這類接口直觀、便捷，許多語法與MATLAB相似，也是初學者經常使用的方式。編程

這種接口最重要的特性是有狀態的（stateful）：它會持續跟蹤"當前的"圖形和座標軸，全部plt命令均可以應用。能夠用plt.gcf()（獲取當前圖形）和plt.gca()（獲取當前座標軸）來查看具體信息。api

matplotlib畫圖的基本設置：數組

1 import matplotlib as mpl
2 import matplotlib.pyplot as plt
3 mpl.rcParams['axes.linewidth'] = 1.5 #set the value globally, 設置座標軸線寬
4 import seaborn as sns
5 sns.set()  # 使用seaborn設置繪圖風格

更多自定義設置能夠參考官方文檔：Customizing matplotlib
編程語言

下面使用MATLAB風格畫圖，對一組分類變量（categorical variables）進行可視化ide

 1 names = ['group_a', 'group_b', 'group_c']  # 不一樣分類的名稱
 2 values = [1, 10, 100]  # 不一樣分類對應的值
 3 
 4 plt.figure(1, figsize=(9, 3))  # 設置圖片大小
 5 
 6 plt.subplot(131)  # 1x3, 第一個子圖
 7 plt.bar(names, values)  # 柱狀圖
 8 plt.subplot(132)  # 1x3, 第二個子圖
 9 plt.scatter(names, values)  # 散點圖
10 plt.subplot(133)  # 1x3, 第三個子圖
11 plt.plot(names, values)  # 折線圖
12 plt.suptitle('Categorical Plotting')  # 圖片的標題
13 # w_pad設置子圖之間的間隔寬度;rect設置整個圖像部分（矩形）的左上點座標和右下點座標，默認值爲[0, 0, 1, 1]
14 plt.tight_layout(w_pad=0.1, rect=[0, 0.03, 1, 0.95]) 
15 plt.savefig('demo1.png', dpi=200)  # 保存圖片

圖片以下：函數

圖1：分類變量的可視化工具

這種方式畫圖很是直觀，每一步都對"plt"對象有一個特定的操做，畫圖的過程至上而下，畫好以後保存圖片。其餘命令說明以下：

subplot(131)表示設置子圖爲1行3列，且當前爲第1個子圖；
在保存圖片以前調用tight_layout()函數可使圖片更加緊湊，邊框更窄，更多關於該函數的用法可參考官方文檔；
保存圖片是可使用參數dpi設置圖片的分辨率.

在官方文檔中，這種風格的API被稱爲"pyplot API".

一個簡短的入門級教程：Pyplot tutorial
更多的介紹能夠參考文檔：The pyplot API
更多例子能夠參考官方的Gallery

2. matplotlib的第二種風格——面向對象的畫圖接口

在面向對象編程中有一句口號："一切皆對象"，Python既然是一種面向對象的編程語言，畫圖也天然可使用面向對象的方式。MATLAB風格的畫圖接口直觀易用，可是遇到一些精細操做時，就會比較麻煩。面向對象的畫圖接口能夠適應更復雜的場景，更精細的控制須要展現的圖形。

在面向對象接口中，畫圖函數再也不受到當前"活動"圖形或座標軸的限制，而變成了顯式的Figure和Axes的方法。在畫圖的過程當中，實際操做的是這兩個類的實例：figure和axes.

figure（plt.Figure類的一個實例）能夠被當作是一個可以容納各類座標軸、圖形、文字和標籤的容器。axes（plt.Axes類的一個實例）是一個帶有刻度和標籤的矩形，最終會包含全部可視化的圖形元素。一般使用變量fig表示一個圖形實例，用變量ax表示一個座標軸實例或一組座標軸實例。

下面是一個使用面向對象的API畫圖的例子：

 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 %matplotlib inline
 4 
 5 # example data
 6 x = np.arange(0.1, 4, 0.5)
 7 y = np.exp(-x)
 8 
 9 #設置error bar的(單側)長度
10 error = 0.1 + 0.2 * x
11 
12 # 使用subplots返回fig和ax實例
13 fig, (ax0, ax1) = plt.subplots(nrows=2, sharex=True, figsize=(8, 6))  # 兩個子圖，返回兩個Axes實例
14 
15 # 第一個子圖，對稱的error bar
16 ax0.errorbar(x, y, yerr=error, fmt='-o')
17 ax0.set_title('variable, symmetric error')
18 
19 # 分別設置error bar兩側的長度
20 lower_error = 0.4 * error
21 upper_error = error
22 asymmetric_error = [lower_error, upper_error]
23 
24 # 第二個子圖，不對稱的error
25 ax1.errorbar(x, y, xerr=asymmetric_error, fmt='o')
26 ax1.set_title('variable, asymmetric error')
27 ax1.set_yscale('log')
28 fig.tight_layout()
29 fig.savefig('demo2.png', dpi=200)  # 保存圖片

結果以下：

圖2：error bar的可視化

如上面的例子顯示的那樣，可使用函數plt.subplots()返回fig和ax實例，也能夠直接使用plt.Figure和plt.Axes這兩個類來返回各自的實例：

 1 import numpy as np
 2 import matplotlib.pyplot as plt
 3 plt.style.use('seaborn-whitegrid')
 4 %matplotlib inline
 5 
 6 fig = plt.figure(figsize=(8, 6))
 7 ax = plt.axes()
 8 x = np.linspace(0, 10, 100)
 9 ax.plot(x, np.sin(x))
10 ax.set_xlabel('x', size=14)
11 ax.set_ylabel('sin x', size=14)
12 ax.set_title('sin plot', size=16)
13 fig.tight_layout()
14 fig.savefig('demo3.png', dpi=200)

結果以下：

圖3：sin函數圖像

當咱們獲取fig和ax實例後，就能夠直接操做這兩個實例來完成想要可視化效果。操做這兩個實例的方法衆多，可參考下面的官方文檔：

關於該API的描述：The object-oriented API
全部元素的最高等級容器：Figure
座標軸ax類：The Axes class
一些使用ax實例的例子：Examples using matplotlib.pyplot.axes
建立fig和座標軸實例的subplots函數：subplots

3. 統計做圖以及圖片的風格

除了matplotlib以外，seaborn是專門爲統計製圖開發的可視化工具。除了直接用於數據的可視化以外，還可以完成一些常見的統計功能來輔助畫圖，例如偏差線的估計，密度估計，箱形圖分位數的計算等。此外，與matplotlib相比，seborn畫圖的風格更美觀。所以該可視化工具在數據分析中也用的比較多。

按照文檔中對API的介紹，seaborn主要將統計製圖分爲下面幾類：

關係圖
分類圖
分佈圖
迴歸圖
矩陣圖：heatmap或聚類圖

使用seaborn畫圖的例子能夠參考：Example gallery

上面例子中涉及到兩次對畫圖風格的設置，風格主要包括對圖的配色，背景色、座標軸、字體、透明度等的設置。在matplotlib中主要有如下風格可選：

> print(plt.style.available)

#---output---#
['dark_background', 'seaborn-notebook', 'seaborn-darkgrid', '_classic_test', 'ggplot', 'seaborn-bright', 'classic', 

'Solarize_Light2', 'fast', 'fivethirtyeight', 'seaborn-dark-palette', 'seaborn', 'tableau-colorblind10', 'seaborn-muted', 

'seaborn-whitegrid', 'seaborn-ticks', 'seaborn-dark', 'seaborn-white', 'grayscale', 'seaborn-deep', 'seaborn-poster', 

'seaborn-talk', 'seaborn-colorblind', 'bmh', 'seaborn-pastel', 'seaborn-paper']