Python 數據分析中常用的可視化工具

1 Matplotlib

用於創建出版質量圖表的繪圖工具庫，目的是為 Python 構建一個 Matlab 式的繪圖接口。

1.1 安裝

• Anaconada 自帶。
• pip 安裝

  pip install matplotlib

1.2 引用

import matplotlib.pyplot as plt

1.3 常用方法

figure

Matplotlib 的圖像均位於 figure 對象中

• 創建 figure

fig = plt.figure()

subplot

fig.add_subplot(a,b,c)

• a，b 表示講 fig 分割成 axb 的區域
• c 表示當前選中要操作的區域，
  注意 ·：從 1 開始編號
• 返回的是 AxesSubplot 對象
• plot 繪圖的區域是最后一次指定 subplot 的位置（jupyter 里不能正確顯
  示）
• 同時返回新創建的 figure 和 subplot 對象數組
  • fig，subplot arr=plt.subplots（2，2）
  • 在 jupyter 里可以正常顯示，推薦使用這種方式創建多個圖表

plt.plot()

作圖方法。

# 在指定 subplot 作圖

import scipy as sp
from scipy import stats

x = np.linspace(-5, 15, 50)
#print x.shape

# 繪制高斯分布
plt.plot(x, sp.stats.norm.pdf(x=x, loc=5, scale=2))

# 疊加直方圖
plt.hist(sp.stats.norm.rvs(loc=5, scale=2, size=200), bins=50, normed=True, color='red', alpha=0.5)
plt.show()

繪制直方圖
plt.hist(np.random.randn(100), bins=10, color='b', alpha=0.3)

繪制散點圖

x = np.arange(50)
y = x + 5 * np.random.rand(50)
plt.scatter(x, y)

柱狀圖

x = np.arange(5)
y1, y2 = np.random.randint(1, 25, size=(2, 5))
width = 0.25
ax = plt.subplot(1,1,1)
ax.bar(x, y1, width, color='r')
ax.bar(x+width, y2, width, color='g')
ax.set_xticks(x+width)
ax.set_xticklabels(['a', 'b', 'c', 'd', 'e'])
plt.show()

矩陣繪圖

m = np.random.rand(10,10)
print(m)
plt.imshow(m, interpolation='nearest', cmap=plt.cm.ocean)
plt.colorbar()
plt.show()

顏色 標記 線型

ax.plot（x，y，'r--'） == ax.plotx，y，linestyle=--'，color=r'）

刻度、標簽、圖例

• 設置刻度范圍
  • plt.xlim()，plt.ylim(）
  • ax.set_xlim()，ax.set_ylim()
• 設置顯示的刻度
  • plt.xticks()，plt.yticks(）
  • ax.set_xticks（），ax.set yticks）
• 設置刻度標簽
  • ax.set_xticklabels(），ax.set yticklabels()
• 設置坐標軸標簽
  • `ax.set_xlabel()，ax.set ylabel0()
• 設置標題
  • ax.set title(）
• 圖例
  • ax.plot（label=legend'）
  • ax.legend），plt.legend()
    • loc=‘best' 自動選擇放置圖例最佳位置

matplotlib 設置

plt.rc()

Customizing matplotlib

1.4 3D 繪圖

matplotlib 支持 3D 繪圖

下面代碼給出了不同年份中，不同國家的平均壽命。

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D
import pandas as pd
import numpy as np
import matplotlib; matplotlib.style.use('ggplot')

%matplotlib inline

# 讀取 csv 數據集
lexp = pd.read_csv('lexpectancy.csv')
lexp.dropna(inplace=True)
lexp.reset_index(inplace=True)
plot_data = lexp[['Country', '1960', '1970', '1980', '1990', '2000']][:3]
print(plot_data)

fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')

country_list = plot_data['Country'].values.tolist()
year_list = ['1960', '1970', '1980', '1990', '2000']

for i, (color, z) in enumerate(zip(['r', 'g', 'b'], [0, 10, 20])):
    age_list = plot_data.iloc[i][1:].values.tolist()
    xs = np.arange(len(age_list))
    ys = age_list
    cs = [color] * len(age_list)
    ax.bar(xs, ys, zs=z, zdir='y', color=cs, alpha=0.8)


ax.set_xticklabels(year_list)
ax.set_yticks([0, 10, 20])
ax.set_yticklabels(country_list)

ax.set_xlabel('Year')
ax.set_ylabel('Country')
ax.set_zlabel('Age')

更多參考 mplot3d tutorial

2 Seaborn

什么是 Seaborn

• Python 中的一個制圖工具庫，可以制作出吸引人的、信息量大的統計圖
• 在 Matplotlib 上構建，支持 numpy 和 pandas 的數據結構可視化，甚至是 scipy 和 statsmodels 的統計模型可視化

特點

• 多個 內置主題 及顏色主題
• 可視化 單一變量、二維變量 用於 比較 數據集中各變量的分布情況
• 可視化 線性回歸模型 中的 獨立變量 及不獨立變量
• 可視化矩陣數據，通過聚類算法探究矩陣間的結構
• 可視化 時間序列數據 及不確定性的展示
• 可在 分割區域制圖，用於復雜 的可視化

2.2 安裝

conda 安裝：conda install seaborn
pip 安裝：pip install seaborn

2.3 引用

import seaborn as sns

2.4 數據集分布可視化

• 單變量分布 sns.distplot）
  • 直方圖 sns.distplot（kde=False）
  • 核密度估計 sns.distplot（hist=False）或 sns.kdeplot）
  • 擬合參數分布 sns.distplot（kde=False，fit=）
• 雙變量分布
  • 散布圖 sns.jointplot0
  • 二維直方圖 Hexbin sns.jointplot（kind=‘hex）
  • 核密度估計 sns.jointplot（kind=‘kde'）
• 數據集中變量間關系可視化 sns.pairplot(）

2.5 類別數據可視化

• 類別散布圖
  • sns.stripplot() 數據點會重疊
  • sns.swarmplot() 數據點避免重疊
  • hue 指定子類別
• 類別內數據分布
  • 盒子圖 sns.boxplot()，hue 指定子類別
  • 小提琴圖 sns.violinplot()，hue 指定子類別
• 類別內統計圖
  • 柱狀圖 sns.barplot()
  • 點圖 sns.pointplot()

3 Bokeh

什么是 Bokeh

• 專門針對 Web 瀏覽器的交互式、可視化 Python 繪圖庫
• 可以做出像 D3.，js 簡潔漂亮的交互可視化效果

特點

• 獨立的 HTML 文檔或服務端程序
• 可以處理大量、動態或數據流
• 支持 Python（或 Scala，R，Julia.）
• 不需要使用 Javascript

Bokeh 接口

• Charts：高層接口，以簡單的方式繪制復雜的統計圖
• Plotting：中層接口，用於組裝圖形元素
• Models：底層接口，為開發者提供了最大的靈活性

3.1 安裝

conda 安裝：conda install bokeh
pip 安裝：pip install bokeh

3.2 引用

• 生成. html 文檔
  from bokeh.io import output file
• 在 jupyter 中使用
  from boken.io import output_notebook

3.3 bokeh.charts

引用和導入數據

# 引用
from bokeh.io import output_notebook, output_file, show
from bokeh.charts import Scatter, Bar, BoxPlot, Chord
from bokeh.layouts import row

import seaborn as sns

# 導入數據
exercise = sns.load_dataset('exercise')
# 在使用 Jupyter notebook 時設置
output_notebook()

散點圖

p = Scatter(data=exercise, x='id', y='pulse', title='exercise dataset')
show(p)

柱狀圖

p = Bar(data=exercise, values='pulse', label='diet', stack='kind', title='exercise dataset')
show(p)

盒子圖

box1 = BoxPlot(data=exercise, values='pulse', label='diet', color='diet', title='exercise dataset')
box2 = BoxPlot(data=exercise, values='pulse', label='diet', stack='kind', color='kind', title='exercise dataset')
show(row(box1, box2)) # 顯示兩張圖

弦圖 Chord

• 展示多個節點之間的聯系
• 連線的粗細代表權重

chord1 = Chord(data=exercise, source="id", target="kind")
# value 設置以什么為粗細
chord2 = Chord(data=exercise, source="id", target="kind", value="pulse")

show(row(chord1, chord2))

更多參考：Bokeh 官網

3.4 bokeh.plotting

from bokeh.plotting import figure
import numpy as np

p = figure(plot_width=400, plot_height=400)
# 方框
p.square(np.random.randint(1,10,5), np.random.randint(1,10,5), size=20, color="navy")

# 圓形
p.circle(np.random.randint(1,10,5), np.random.randint(1,10,5), size=10, color="green")
show(p)

更多圖形元素參考：Bokeh 官網