用Python展示数据的实用姿势

你的眼界，不止局限于你的生活环境，还局限于你的视力范围。

数据可视化，是处理数据最后的关键一步，用图形方式从大量数据中压缩信息。

数据分析结果最终需要为人所用，每个人对数据的理解能力和角度各不相同，可视化有助于降低数据理解门槛。

相比直接看数据表格，图表可以包含更多信息量，也更能直接体现数据间的关系。

Python的可视化模块非常多，按实现方式可以分为2类：

• 原生Python：如matplotlib、seaborn。
• JavaScript封装：如pyecharts、plotly。

模块安装：pip install matplotlib seaborn plotly。

从实战角度看，原生类模块更适合应用在分析过程中，通过查看图表辅助分析；

JavaScript封装类的模块，视觉渲染效果更佳，更适合用于输出最终报告图表。

但不管采用何种模块或软件，可视化最关键的两步：理解数据、选对图例。

pandas内置了matplotlib模块基础功能，方便开箱使用。

Matplotlib

在上一节数据分析基础上，可以用柱状图、折线图、面积图、饼图这4个基本图表直观地理解数据：

在Notebook中，调用数据对象的plot方法后就可以看到数据的图表。

pandas自带图例种类不是很多，都是最基本如柱状图、饼图、折线图、箱线图等。

如果涉及到更复杂绘图，或需要配置格式、生成多图表集等，就需要用到matplotlib更多功能。

通用的绘制流程有3个步骤：

1. （可选）创建图表的图像容器：Figure对象；
2. （可选）设置x和y轴特征，比如单位、格式、标签等；
3. 调用DataFrame或Series对象的plot方法开始绘图。

比如上面案例中关于门店分析的图表集：

import numpy as np
import pandas as pd
import matplotlib
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
from pandas.plotting import table
# 设置中文显示
matplotlib.rcParams['font.sans-serif'] = ['Source Han Sans CN']
matplotlib.rcParams['font.family']='Source Han Sans CN'
matplotlib.rcParams['axes.unicode_minus'] = False
# 门店分析
df_shop = pd.read_excel('sample_SP0000.xlsx')
df_shop_ym = df_shop.resample('A').sum().to_period('A')['实付']
df_shops_ym = df_shops.reset_index().groupby([
    pd.Grouper(key='订单日期',freq='A'),
    pd.Grouper(key='门店ID')])['实付'].sum().unstack('门店ID').to_period('A')
# 开始绘图
fig = plt.figure(figsize=(12, 12))
plt.subplots_adjust(wspace=0.5,hspace=0.5)
ax1 = fig.add_subplot(311) # 从3x1矩阵的图集中返回第1个位置
ax2 = fig.add_subplot(312)# 从3x1矩阵的图集中返回第2个位置
ax3 = fig.add_subplot(313)# 从3x1矩阵的图集中返回第3个位置
# 图1
ax1.set_xlabel('年份')
ax1.set_ylabel('年营收（单位：万元）')
ax1.set_title('各门店历年营收对比')
# 用FixedFormatter定义轴刻度
ax1.yaxis.set_major_formatter(plt.FixedFormatter(np.arange(0,600,step=50)))
df_shops_ym.plot(ax=ax1, kind='bar', legend=False, yticks=(np.arange(6000000,step=500000)))
# 图2
ax2.set_xlabel('年份')
ax2.set_ylabel('年营收（单位：万元）')
ax2.set_title('各门店年营收增长')
# 用自定义函数定义轴刻度
ax2.yaxis.set_major_formatter(plt.FuncFormatter(lambda x,p: f'{x/10000}'))
df_shops_ym.plot(ax=ax2, kind='line', grid=True, legend=False, yticks=(np.arange(6000000,step=500000)))
# 图3
ax3.set_xlabel('年营收（单位：万元）')
ax3.set_ylabel('年份')
ax3.set_title('历年各门店营收')
ax3.xaxis.set_major_locator(plt.MultipleLocator(5000000))
ax3.xaxis.set_major_formatter(plt.FuncFormatter(lambda x,p: f'{x/10000}'))
df_shops_ym.plot(ax=ax3, kind='barh',stacked=True, alpha=0.7)
# 统一显示图例
ax3.legend( loc='upper center', bbox_to_anchor=(0.5, -0.3),
            fancybox=True, shadow=True, ncol=5)

matplotlib功能很强大，可以通过组合绘制出几乎任何图形。

但它提供的现成图例相对有限，更多图例需要通过自定义代码实现。

绘制一些较新图例，或者调整风格，都需要额外花不少时间。

对于数据分析工作而言，我们需要更“高级”的模块。

Seaborn增强

seaborn模块是matplotlib的高级API封装，可以用更少代码绘制更美观的图表。

两者常被一起使用，比如，用seaborn可以轻松设置绘图格式：

import matplotlib.pyplot as plt
import seaborn as sns
# 设置场景、主题、风格
sns.set(context='notebook', style='darkgrid', palette='coolwarm_r')
# 设置中文
plt.rcParams['font.sans-serif'] = ['Source Han Sans CN']
plt.rcParams['font.family']='Source Han Sans CN'
plt.rcParams['axes.unicode_minus'] = False
ax = df_shops_ym.plot(kind='bar', stacked=True, figsize=(12,12))
ax.set_xlabel('年营收（单位：百万元）')

生成的图表会更美观，可以省不少调样式时间。

此外，seaborn也提供了更多图例绘制API，共分5大类：关系型、分布型、分类型、回归型、矩阵型。

不同类别的API适用于不同分析场景，如观察数据维度间关系、数据分布、线性回归、聚集度等。

比如可以用热力图观察用户的产品喜爱度：

df_shopsa = df_shops.reset_index().merge(df_shopsx, on='订单ID', suffixes=['_总订单','_单项产品'])
df_user_prod_n = df_shopsa.pivot_table(index='用户ID',columns='产品',values='数量', aggfunc=np.sum).fillna(0)
f, ax = plt.subplots(figsize=(20,20))
sns.heatmap(df_user_prod_n)

热力图颜色越浅表示用户经常下单，更喜欢某个产品。

可以用聚集图方便观察各门店历年来各月订单量：

grp_orders = df_shops.reset_index().groupby([
    pd.Grouper(key='订单日期',freq='M'),
    pd.Grouper(key='门店ID')])
df_orders_year_shop = grp_orders['订单ID'].count().unstack('门店ID').to_period('M').fillna(0).astype('int')
sns.clustermap(df_orders_year_shop, figsize=(20,20))

黑色表示所在时间段还未开店，颜色越淡说明越“旺”。

通过查表就知道：每个月订单量较多/少的是哪些门店，以及各门店在哪些月份订单量较多/少。

seaborn还提供了PairGrid和FacetGrid、JointGrid等组图功能，帮助快速观察不同变量对数据影响。

matplotlib提供了底层强大的绘图能力，而seaborn则补充了更多分析类的绘图API。

通过综合应用matplotlib和seaborn，基本已能够满足日常数据分析需求。

但如果需要输出更丰富的图例，比如漏斗图、桑基图等，可以借助三方模块。

Plotly另一种选择

seaborn只是matplotlib的一种增强补充，plotly则是一种替换选择。

plotly底层基于plotly.js，一个基于d3js的JavaScript模块，由Python封装成API。

相比前两者，plotly包含更丰富图例和效果，如3D、可交互、动画等，其中plotly.express子模块更是提供了快速绘图的高级API。

支持Pandas

pandas从0.25版本开始支持指定内置绘图功能的引擎，装好plotly后，可以把pandas的绘图后端指定为plotly。

import pandas as pd
pd.options.plotting.backend = 'plotly'
# 之前统计的各门店年营收数据
df_shops_ym.to_timestamp().plot(kind='bar')

在Notebook中，相比matplotly绘制的静态图形，plotly还支持更多交互操作：

但是，在调用绘图API时，plotly会和matplotly使用不完全一样的参数，即之前绘制的图表如果需要转为plotly后端，需要做一定修改。

用户等级分类：饼图

比如目前还无法直接在pandas中生成饼图，需要使用plotly的API：

import plotly.express as px
fig = px.pie(title='用户等级',color=s_ucs.index,
             names=s_ucs.index, values=s_ucs.values,
             color_discrete_map={
     '钻石':'slategrey',
                                 '黄金':'goldenrod',
                                 '白银':'silver',
                                 '青铜':'peru'})
fig.update_traces(hole=.4)
# 导出绘图数据
fig.write_html('pie_plotly.html')
fig.write_image('pie_plotly.png') # 导出png
fig.write_image('pie_plotly.pdf') # 导出pdf
fig.to_dict() # 转dict数据格式
fig.to_json() # 转JSON数据格式
img = fig.to_image(format='png') # 转图像数据

不管是通过pandas内的plot，还是通过poltly.express的API，调用绘图后都会返回plotly的Figure对象，可以把它保存为网页或各种图片类型，或者转为其他数据格式。

分析过程中也可以借助plotly丰富的图例来理解数据。

门店级用户等级划分：多级饼图

比如除了观察全部门店的用户等级，也可以细粒度观察每个门店的用户等级分布：

# 用户ID、门店ID、等级、数量
df_users_RFM['等级'] = df_users_ym['等级']
# 各门店各用户等级数量统计
df_shop_ulvs = df_users_RFM.groupby([pd.Grouper(key='门店ID'),
                                     pd.Grouper(key='等级')])['R'].count().reset_index()
df_shop_ulvs.columns = ['门店ID', '等级', '数量']
fig_shop_ulvs = px.sunburst(df_shop_ulvs, path=['门店ID', '等级'], values='数量',
                            color='数量', hover_data=['数量'])

用户产品偏好：气泡图

分析用户对产品的偏爱度，除了用上面的热力图外，也可以用气泡图：

# 把之前的透视表数据转为3列：用户ID、产品、数量
df_user_prod_n_flat = df_user_prod_n.stack('产品').reset_index()
df_user_prod_n_flat.columns = ['用户ID', '产品', '数量']
# 筛选100名钻石用户
df_user_diamond_100 = df_user_prod_n_flat[df_user_prod_n_flat['用户ID'].isin(
    df_users_ym[df_users_ym['等级']=='钻石'].index[:100])]
fig = px.scatter(df_user_diamond_100, x='产品', y='用户ID',
                 size='数量',color='产品',
                 hover_name='用户ID',size_max=60)

交互式的操作可以更方便地观察数据，包括切换宏观和微观视角。

RFM模型分析：3D散点图

可以用3D散点图来呈现RFM模型：

# 最近一次消费时间
s_user_last = df_shops.sort_index().reset_index().groupby('用户ID')['订单日期'].last()
today = pd.to_datetime('2020-07-01') # 数据最后时间
time_delta_list = [pd.Timedelta(days=d*30) for d in [70,18,12,6,3,1,0]]
# 按最后消费时间分级映射: A:最近30天内消费、B:90天、C:180天、D:360天、E:540天、F:540天外
R = pd.cut(s_user_last,
           bins=[today-dt for dt in time_delta_list],
           labels=['F','E','D','C','B','A'])
# 用户ID、门店ID、R、F、M
df_users_RFM = pd.DataFrame({
     
    '门店ID':df_shops['2019'].groupby('用户ID')['门店ID'].first(),
    'R':R,
    'F':df_shops['2019'].groupby('用户ID')['订单ID'].count(),
    'M':df_shops['2019'].groupby('用户ID')['实付'].sum()
}).dropna() # 排除2019年后未消费过的，或2020后才进来的新用户
fig_RFM = px.scatter_3d(df_users_RFM, x='R', y='F', z='M',color='门店ID')

同样可以通过交互式操作，旋转各个维度或观察某个门店数据。

历年各门店经营统计：树图

TreeMap图例可以方便查看层次结构数据，比如我们可以把全国所有门店按年份和区域组织起来观察。

# 年份、门店ID、年营收、区域、年订单量、年消费用户数
# 给门店假设一些分类：如地理分区华中、华北、华南
shop_area = {
     
    'SP0000':'华南区', 'SP0001':'华南区','SP0002':'华南区',
    'SP0003':'华中区', 'SP0004':'华中区','SP0005':'华中区',
    'SP0006':'华北区', 'SP0007':'华北区','SP0008':'华北区','SP0009':'华北区'}
# 各门店年营收，转Series格式
s_shops_ym = df_shops_ym.stack('门店ID')
# 各门店年订单量
s_shops_yo = df_shops.reset_index().groupby([
    pd.Grouper(key='订单日期',freq='A'),
    pd.Grouper(key='门店ID')])['订单ID'].count().unstack('门店ID').to_period('A').stack('门店ID')
# 各门店年消费用户数
s_shops_yu = df_shops.reset_index().groupby([
    pd.Grouper(key='订单日期',freq='A'),
    pd.Grouper(key='门店ID')])['用户ID'].apply(
        lambda x: x.unique().size).unstack('门店ID').to_period('A').stack('门店ID')
df_shops_ysum = pd.DataFrame({
     
    '年营收':s_shops_ym,
    '年订单量':s_shops_yo,
    '年消费用户数':s_shops_yu
})
df_shops_tree = df_shops_ysum.reset_index()
df_shops_tree.columns = ['年份','门店ID','年营收','年订单量','年消费用户数']
df_shops_tree['区域'] = df_shops_tree['门店ID'].apply(lambda x: shop_area[x])
fig_shop_tree = px.treemap(df_shops_tree, path=[px.Constant('全国品牌'), '年份', '区域','门店ID'], values='年营收',
                           color='年营收', hover_data=['年订单量','年消费用户数'])

TreeMap是一个自顶向下快速观察数据的工具：

通过色彩深浅，可以快速判断各年份、各区域、各门店的业绩高低。

鼠标悬停在某个板块时，还可以观察板块总业绩，以及门店级用户量、订单量等相关细节数据。

其他实用图例

此外，plotly还有更多实用图例，比如：

• 漏斗图（funnel）：如观察用户从访问网站到下单购买的转化率；
• 桑基图（sankey）：观察流量流向趋势，识别其中主要路径；
• 雷达图（Scatterpolar）：如从客流量、成本、投资等多因素综合评估门店。

以上主要介绍了用plotly的express子模块快速绘图，其实plotly还有更多强大功能，比如：

• subplots多图绘制，可以合并多图表实现自定义dashboard或工作面板；
• 用graph_objects绘图时可加入自定义按钮，实现更灵活的数据交互功能。

总结

本文介绍了Python可视化的3个模块，其中matplotlib基本功能内置于pandas中，可以开箱使用；seaborn基于matplotlib补充了更多辅助分析的高级API；plotly则提供了更丰富的可交互式图例，也便于发布最终分析成果。

三个模块可以在不同场景下互补应用。

学习时，关键不是记住所有绘图命令，而是理解图例的适用场景。

• 绘图时，能想起哪个图例能更好表达数据；
• 分析时，知道用哪些个图例帮助理解数据。

这才是数据可视化的意义所在。

扫码加入学习群，前100名免费。