Python 資料視覺化的三大步驟

1、首先，要知道我們用哪些函式庫來畫圖?

matplotlib

Python中最基本的作圖庫就是matplotlib，是一個最基礎的Python視覺化函式庫，一般都是從matplotlib手Python資料視覺化，然後開始做縱向與橫向拓展。

Seaborn

是一個基於matplotlib的高階視覺化效果庫，針對的點主要是資料探勘和機器學習中的變數特徵選取，seaborn可以用短小的程式碼去繪製描述更多維度資料的可視化效果圖。

其他函式庫還包括

Bokeh（是一個用於做瀏覽器端互動視覺化的函式庫，實現分析師與資料的互動）；Mapbox（處理地理資料引擎更強的視覺化工具庫）等等。

本篇文章主要使用matplotlib進行案例分析

第一步：確定問題，選擇圖形

業務可能很複雜，但經過拆分，我們要找到我們想透過圖形表達什麼具體問題。分析思維的訓練可以學習《麥肯錫方法》和《金字塔原理》中的方法。

這是網路上的一張關於圖表類型選擇的總結。

在Python中，我們可以總結為以下四種基本視覺元素來展現圖形：

• 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 適用於展示第三個維度；

資料間存在分佈，構成，比較，聯繫以及變化趨勢等關係。對應不一樣的關係，選擇對應的圖形來展示。

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作都是用在數據準備的基礎上的：加載、清理、轉換以及重塑。 我們視覺化步驟也需要將資料整理，轉換成我們需要的格式再套用視覺化方法完成作圖。

以下是一些常用的資料轉換方法：

• #合併：merge，concat，combine_frist(類似資料庫中的全外連接)
• 重塑： reshape；軸向旋轉：pivot（類似excel資料透視表）
• 去重：drop_duplicates
• 映射：map
• #填充替換：fillna,replace
• 重新命名軸索引：rename

將分類變數轉換'啞變數矩陣'的get_dummies函數以及在df中對某一列資料取限定值等等。

函數則根據第一步驟選擇好的圖形，去找Python中對應的函數。

第三步：參數設置，一目了然

原始圖形畫完後，我們可以根據需求修改顏色（color），線型（linestyle），標記（maker）或其他圖表裝飾項標題（Title），軸標籤（xlabel，ylabel），軸刻度（set_xticks），還有圖例（legend）等，讓圖形更直觀。

第三步是在第二步的基礎上,為了使圖形更加清晰明了，做的修飾工作。具體參數都可以在製圖函數中找到。

2、視覺化作圖基礎

Matplotlib作圖基礎

#导入包
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建立影像空間。不能透過figure繪圖，必須用add_subplot建立一個或多個subplot。

figsize可以指定圖像尺寸。

#创建画布
fig = plt.figure()
<Figure size 432x288 with 0 Axes>
#创建subplot，221表示这是2行2列表格中的第1个图像。
ax1 = fig.add_subplot(221)
#但现在更习惯使用以下方法创建画布和图像，2,2表示这是一个2*2的画布，可以放置4个图像
fig , axes = plt.subplots(2,2,sharex=True,sharey=True)
#plt.subplot的sharex和sharey参数可以指定所有的subplot使用相同的x，y轴刻度。

利用Figure的subplots_adjust方法可以調整間距。

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，還可以接受一個表示顏色和線型的字串縮寫：**'g--'，表示顏色是綠色green，線型是'--'虛線。 **也可以使用參數明確的指定。

線型圖也可以加上一些標記（marker），來突顯資料點的位置。標記也可以放在格式字串中，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。

呼叫方法時不帶參數，則傳回目前的參數值；呼叫時帶參數，則設定參數值。

plt.plot(np.random.randn(30),color='g',
 linestyle='--',marker='o')
plt.xlim() #不带参数调用，显示当前参数；
#可将xlim替换为另外两个方法试试

(-1.4500000000000002, 30.45)

img

plt.plot(np.random.randn(30),color='g',
 linestyle='--',marker='o')
plt.xlim([0,15]) #横轴刻度变成0-15

(0, 15)

设置标题，轴标签，刻度以及刻度标签

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]) #设置刻度值
labels = ax.set_xticklabels(['one','two','three','four','five']) #设置刻度标签
ax.set_title('My first Plot') #设置标题
ax.set_xlabel('Stage') #设置轴标签
Text(0.5,0,'Stage')

添加图例

图例legend是另一种用于标识图标元素的重要工具。 可以在添加subplot的时候传入label参数。

fig = plt.figure(figsize=(12,5));ax = fig.add_subplot(111)
ax.plot(np.random.randn(1000).cumsum(),'k',label='one') #传入label参数，定义label名称
ax.plot(np.random.randn(1000).cumsum(),'k--',label='two')
ax.plot(np.random.randn(1000).cumsum(),'k.',label='three')
#图形创建完后，只需要调用legend参数将label调出来即可。
ax.legend(loc='best') 
#要求不是很严格的话，建议使用loc=‘best’参数来让它自己选择最佳位置

注解

除标准的图表对象之外，我们还可以自定义添加一些文字注解或者箭头。

注解可以通过text，arrow和annotate等函数进行添加。text函数可以将文本绘制在指定的x，y坐标位置，还可以进行自定义格式

plt.plot(np.random.randn(1000).cumsum())
plt.text(600,10,'test ',family='monospace',fontsize=10)
#中文注释在默认环境下并不能正常显示，需要修改配置文件，
# 使其支持中文字体。具体步骤请自行搜索。

保存图表到文件

利用plt.savefig可以将当前图表保存到文件。例如，要将图表保存为png文件，可以执行

文件类型是根据拓展名而定的。其他参数还有：

• fname：含有文件路径的字符串，拓展名指定文件类型
• dpi：分辨率，默认100 facecolor,edgcolor 图像的背景色，默认‘w’白色
• format：显示设置文件格式（'png','pdf','svg','ps','jpg'等）
• bbox_inches：图表需要保留的部分。如果设置为“tight”，则将尝试剪除图像周围的空白部分

plt.savefig('./plot.jpg') #保存图像为plot名称的jpg格式图像
<Figure size 432x288 with 0 Axes>

3、Pandas中的绘图函数

Matplotlib作图

matplotlib是最基础的绘图函数，也是相对较低级的工具。 组装一张图表需要单独调用各个基础组件才行。Pandas中有许多基于matplotlib的高级绘图方法，原本需要多行代码才能搞定的图表，使用pandas只需要短短几行。

我们使用的就调用了pandas中的绘图包。

import matplotlib.pyplot as plt

线型图

Series和DataFrame都有一个用于生成各类图表的plot方法。 默认情况下，他们生成的是线型图。

s = pd.Series(np.random.randn(10).cumsum(),index=np.arange(0,100,10))
s.plot() #Series对象的索引index会传给matplotlib用作绘制x轴。

<matplotlib.axes._subplots.AxesSubplot at 0xf553128>

df = pd.DataFrame(np.random.randn(10,4).cumsum(0),
columns=['A','B','C','D'])
df.plot() #plot会自动为不同变量改变颜色，并添加图例

<matplotlib.axes._subplots.AxesSubplot at 0xf4f9eb8>

Series.plot方法的参数

• label：用于图表的标签
• style：风格字符串，'g--'
• alpha：图像的填充不透明度（0-1）
• kind：图表类型（bar，line，hist，kde等）
• xticks：设定x轴刻度值
• yticks：设定y轴刻度值
• xlim，ylim：设定轴界限，[0,10]
• grid：显示轴网格线，默认关闭
• rot：旋转刻度标签
• use_index：将对象的索引用作刻度标签
• logy：在Y轴上使用对数标尺

DataFrame.plot方法的参数

DataFrame除了Series中的参数外，还有一些独有的选项。

• subplots：将各个DataFrame列绘制到单独的subplot中
• sharex，sharey：共享x，y轴
• figsize：控制图像大小
• title：图像标题
• legend：添加图例，默认显示
• sort_columns：以字母顺序绘制各列，默认使用当前顺序

柱状图

在生成线型图的代码中加上kind=‘bar’或者kind=‘barh’，可以生成柱状图或水平柱状图。

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>

柱状图有一个非常实用的方法：

利用value_counts图形化显示Series或者DF中各值的出现频率。

比如df.value_counts().plot(kind='bar')

Python可视化的基础语法就到这里，其他图形的绘制方法大同小异。

重点是遵循三个步骤的思路来进行思考、选择、应用。多多练习可以更加熟练。

以上是Python 資料視覺化的三大步驟的詳細內容。更多資訊請關注PHP中文網其他相關文章！