5 種使用 Python 代碼輕鬆實現數據可視化的方法

數據可視化是數據科學家工做中的重要組成部分。在項目的早期階段，你一般會進行探索性數據分析（Exploratory Data Analysis，EDA）以獲取對數據的一些理解。建立可視化方法確實有助於使事情變得更加清晰易懂，特別是對於大型、高維數據集。在項目結束時，以清晰、簡潔和引人注目的方式展示最終結果是很是重要的，由於你的受衆每每是非技術型客戶，只有這樣他們才能夠理解。

Matplotlib 是一個流行的 Python 庫，能夠用來很簡單地建立數據可視化方案。但每次建立新項目時，設置數據、參數、圖形和排版都會變得很是繁瑣和麻煩。在這篇博文中，咱們將着眼於 5 個數據可視化方法，並使用 Python Matplotlib 爲他們編寫一些快速簡單的函數。與此同時，這裏有一個很棒的圖表，可用於在工做中選擇正確的可視化方法！廈工叉車

散點圖

散點圖很是適合展現兩個變量之間的關係，由於你能夠直接看到數據的原始分佈。 以下面第一張圖所示的，你還能夠經過對組進行簡單地顏色編碼來查看不一樣組數據的關係。想要可視化三個變量之間的關係？ 沒問題！ 僅需使用另外一個參數（如點大小）就能夠對第三個變量進行編碼，以下面的第二張圖所示。

如今開始討論代碼。咱們首先用別名 「plt」 導入 Matplotlib 的 pyplot 。要建立一個新的點陣圖，咱們可調用 plt.subplots() 。咱們將 x 軸和 y 軸數據傳遞給該函數，而後將這些數據傳遞給 ax.scatter() 以繪製散點圖。咱們還能夠設置點的大小、點顏色和 alpha 透明度。你甚至能夠設置 Y 軸爲對數刻度。標題和座標軸上的標籤能夠專門爲該圖設置。這是一個易於使用的函數，可用於從頭至尾建立散點圖！

 

 

 

 

 

 

Python

 

1 2 3 4 5 6 7 8 9 10

import matplotlib.pyplot as pltimport numpy as npdef scatterplot(x_data, y_data, x_label="", y_label="", title="", color = "r", yscale_log=False):       # Create the plot object     _, ax = plt.subplots()    # Plot the data, set the size (s), color and transparency (alpha)     # of the points     ax.scatter(x_data, y_data, s = 10, color = color, alpha = 0.75)    if yscale_log == True:         ax.set_yscale('log')    # Label the axes and provide a title     ax.set_title(title)     ax.set_xlabel(x_label)     ax.set_ylabel(y_label)

 

折線圖

當你能夠看到一個變量隨着另外一個變量明顯變化的時候，好比說它們有一個大的協方差，那最好使用折線圖。讓咱們看一下下面這張圖。咱們能夠清晰地看到對於全部的主線隨着時間都有大量的變化。使用散點繪製這些將會極其混亂，難以真正明白和看到發生了什麼。折線圖對於這種狀況則很是好，由於它們基本上提供給咱們兩個變量（百分比和時間）的協方差的快速總結。另外，咱們也能夠經過彩色編碼進行分組

這裏是折線圖的代碼。它和上面的散點圖很類似，只是在一些變量上有小的變化。

 

 

 

 

 

 

Python

 

1 2 3 4 5 6 7 8

def lineplot(x_data, y_data, x_label="", y_label="", title=""):     # Create the plot object     _, ax = plt.subplots()    # Plot the best fit line, set the linewidth (lw), color and     # transparency (alpha) of the line     ax.plot(x_data, y_data, lw = 2, color = '#539caf', alpha = 1)    # Label the axes and provide a title     ax.set_title(title)     ax.set_xlabel(x_label)     ax.set_ylabel(y_label)

 

直方圖

直方圖對於查看（或真正地探索）數據點的分佈是頗有用的。查看下面咱們以頻率和 IQ 作的直方圖。咱們能夠清楚地看到朝中間彙集，而且能看到中位數是多少。咱們也能夠看到它呈正態分佈。使用直方圖真得能清晰地呈現出各個組的頻率之間的相對差異。組的使用（離散化）真正地幫助咱們看到了「更加宏觀的圖形」,然而當咱們使用全部沒有離散組的數據點時，將對可視化可能形成許多幹擾，使得看清真正發生了什麼變得困難。

下面是在 Matplotlib 中的直方圖代碼。有兩個參數須要注意一下：首先，參數 n_bins 控制咱們想要在直方圖中有多少個離散的組。更多的組將給咱們提供更加完善的信息，可是也許也會引進干擾，使得咱們遠離全局；另外一方面，較少的組給咱們一種更多的是「鳥瞰圖」和沒有更多細節的全局圖。其次，參數 cumulative 是一個布爾值，容許咱們選擇直方圖是否爲累加的，基本上就是選擇是 PDF（Probability Density Function，機率密度函數）仍是 CDF（Cumulative Density Function，累積密度函數）。

 

 

 

 

 

 

Python

 

1 2 3 4 5 6

def histogram(data, n_bins, cumulative=False, x_label = "", y_label = "", title = ""):     _, ax = plt.subplots()     ax.hist(data, n_bins = n_bins, cumulative = cumulative, color = '#539caf')     ax.set_ylabel(y_label)     ax.set_xlabel(x_label)     ax.set_title(title)

想象一下咱們想要比較數據中兩個變量的分佈。有人可能會想你必須製做兩張直方圖，而且把它們並排放在一塊兒進行比較。然而，實際上有一種更好的辦法：咱們可使用不一樣的透明度對直方圖進行疊加覆蓋。看下圖，均勻分佈的透明度設置爲 0.5 ，使得咱們能夠看到他背後的圖形。這樣咱們就能夠直接在同一張圖表裏看到兩個分佈。

對於重疊的直方圖，須要設置一些東西。首先，咱們設置可同時容納不一樣分佈的橫軸範圍。根據這個範圍和指望的組數，咱們能夠真正地計算出每一個組的寬度。最後，咱們在同一張圖上繪製兩個直方圖，其中有一個稍微更透明一些。

 

 

 

 

 

 

Python

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14

# Overlay 2 histograms to compare themdef overlaid_histogram(data1, data2, n_bins = 0, data1_name="", data1_color="#539caf", data2_name="", data2_color="#7663b0", x_label="", y_label="", title=""):     # Set the bounds for the bins so that the two distributions are fairly compared     max_nbins = 10     data_range = [min(min(data1), min(data2)), max(max(data1), max(data2))]     binwidth = (data_range[1] - data_range[0]) / max_nbins    if n_bins == 0      bins = np.arange(data_range[0], data_range[1] + binwidth, binwidth)    else:      bins = n_bins    # Create the plot     _, ax = plt.subplots()     ax.hist(data1, bins = bins, color = data1_color, alpha = 1, label = data1_name)     ax.hist(data2, bins = bins, color = data2_color, alpha = 0.75, label = data2_name)     ax.set_ylabel(y_label)     ax.set_xlabel(x_label)     ax.set_title(title)     ax.legend(loc = 'best')

 

柱狀圖

當你試圖將類別不多（可能小於10）的分類數據可視化的時候，柱狀圖是最有效的。若是咱們有太多的分類，那麼這些柱狀圖就會很是雜亂，很難理解。柱狀圖對分類數據很好，由於你能夠很容易地看到基於柱的類別之間的區別（好比大小)；分類也很容易劃分和用顏色進行編碼。咱們將會看到三種不一樣類型的柱狀圖：常規的，分組的，堆疊的。在咱們進行的過程當中，請查看圖形下面的代碼。

常規的柱狀圖以下面的圖1。在 barplot() 函數中，xdata 表示 x 軸上的標記，ydata 表示 y 軸上的杆高度。偏差條是一條以每條柱爲中心的額外的線，能夠畫出標準誤差。

分組的柱狀圖讓咱們能夠比較多個分類變量。看看下面的圖2。咱們比較的第一個變量是不一樣組的分數是如何變化的（組是G1，G2，……等等)。咱們也在比較性別自己和顏色代碼。看一下代碼，y_data_list 變量其實是一個 y 元素爲列表的列表，其中每一個子列表表明一個不一樣的組。而後咱們對每一個組進行循環，對於每個組，咱們在 x 軸上畫出每個標記；每一個組都用彩色進行編碼。

堆疊柱狀圖能夠很好地觀察不一樣變量的分類。在圖3的堆疊柱狀圖中，咱們比較了天天的服務器負載。經過顏色編碼後的堆棧圖，咱們能夠很容易地看到和理解哪些服務器天天工做最多，以及與其餘服務器進行比較負載狀況如何。此代碼的代碼與分組的條形圖相同。咱們循環遍歷每一組，但此次咱們把新柱放在舊柱上，而不是放在它們的旁邊。

 

 

 

 

 

 

 

Python

 

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 44 45 46 47 48

def barplot(x_data, y_data, error_data, x_label="", y_label="", title=""):     _, ax = plt.subplots()     # Draw bars, position them in the center of the tick mark on the x-axis     ax.bar(x_data, y_data, color = '#539caf', align = 'center')     # Draw error bars to show standard deviation, set ls to 'none'     # to remove line between points     ax.errorbar(x_data, y_data, yerr = error_data, color = '#297083', ls = 'none', lw = 2, capthick = 2)     ax.set_ylabel(y_label)     ax.set_xlabel(x_label)     ax.set_title(title)       def stackedbarplot(x_data, y_data_list, colors, y_data_names="", x_label="", y_label="", title=""):     _, ax = plt.subplots()     # Draw bars, one category at a time     for i in range(0, len(y_data_list)):         if i == 0:             ax.bar(x_data, y_data_list[i], color = colors[i], align = 'center', label = y_data_names[i])         else:             # For each category after the first, the bottom of the             # bar will be the top of the last category             ax.bar(x_data, y_data_list[i], color = colors[i], bottom = y_data_list[i - 1], align = 'center', label = y_data_names[i])     ax.set_ylabel(y_label)     ax.set_xlabel(x_label)     ax.set_title(title)     ax.legend(loc = 'upper right')       def groupedbarplot(x_data, y_data_list, colors, y_data_names="", x_label="", y_label="", title=""):     _, ax = plt.subplots()     # Total width for all bars at one x location     total_width = 0.8     # Width of each individual bar     ind_width = total_width / len(y_data_list)     # This centers each cluster of bars about the x tick mark     alteration = np.arange(-(total_width/2), total_width/2, ind_width)       # Draw bars, one category at a time     for i in range(0, len(y_data_list)):         # Move the bar to the right on the x-axis so it doesn't         # overlap with previously drawn ones         ax.bar(x_data + alteration[i], y_data_list[i], color = colors[i], label = y_data_names[i], width = ind_width)     ax.set_ylabel(y_label)     ax.set_xlabel(x_label)     ax.set_title(title)     ax.legend(loc = 'upper right')

 

箱形圖

咱們以前看了直方圖，它很好地可視化了變量的分佈。可是若是咱們須要更多的信息呢？也許咱們想要更清晰的看到標準誤差？也許中值與均值有很大不一樣，咱們有不少離羣值？若是有這樣的偏移和許多值都集中在一邊呢？

這就是箱形圖所適合乾的事情了。箱形圖給咱們提供了上面全部的信息。實線框的底部和頂部老是第一個和第三個四分位（好比 25% 和 75% 的數據），箱體中的橫線老是第二個四分位（中位數）。像鬍鬚同樣的線(虛線和結尾的條線）從這個箱體伸出，顯示數據的範圍。

因爲每一個組/變量的框圖都是分別繪製的，因此很容易設置。xdata 是一個組/變量的列表。Matplotlib 庫的 boxplot() 函數爲 ydata 中的每一列或每個向量繪製一個箱體。所以，xdata 中的每一個值對應於 ydata 中的一個列/向量。咱們所要設置的就是箱體的美觀。

 

 

 

 

 

 

Python

 

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22

def boxplot(x_data, y_data, base_color="#539caf", median_color="#297083", x_label="", y_label="", title=""):     _, ax = plt.subplots()       # Draw boxplots, specifying desired style     ax.boxplot(y_data                # patch_artist must be True to control box fill                , patch_artist = True                # Properties of median line                , medianprops = {'color': median_color}                # Properties of box                , boxprops = {'color': base_color, 'facecolor': base_color}                # Properties of whiskers                , whiskerprops = {'color': base_color}                # Properties of whisker caps                , capprops = {'color': base_color})       # By default, the tick label starts at 1 and increments by 1 for     # each box drawn. This sets the labels to the ones we want     ax.set_xticklabels(x_data)     ax.set_ylabel(y_label)     ax.set_xlabel(x_label)     ax.set_title(title)

 

結語

使用 Matplotlib 有 5 個快速簡單的數據可視化方法。將相關事務抽象成函數老是會使你的代碼更易於閱讀和使用！我但願你喜歡這篇文章，而且學到了一些新的有用的技巧。若是你確實如此，請隨時給它點贊。