【数据科学】Python数据可视化概述

注：很早之前就打算专门写一篇与Python数据可视化相关的博客，对一些基本概念和常用技巧做一个小结。今天终于有时间来完成这个计划了！

 

0. Python中常用的可视化工具

---

Python在数据科学中的地位，不仅仅是因为numpy, scipy, pandas, scikit-learn这些高效易用、接口统一的科学计算包，其强大的数据可视化工具也是重要组成部分。在Python中，使用的最多的数据可视化工具是matplotlib，除此之外还有很多其他可选的可视化工具包，主要包括以下几大类：

• matplotlib以及基于matplotlib开发的工具包：pandas中的封装matplotlib API的画图功能，seaborn，networkx等；
• 基于JavaScript和d3.js开发的可视化工具：plotly等，这类工具可以显示动态图且具有一定的交互性；
• 其他提供了Python调用接口的可视化工具：OpenGL, GraphViz等，这一类工具各有特点且在特定领域应用广泛.

对于数据科学，用的比较多的是matplotlib和seaborn，对数据进行动态或交互式展示时会用到plotly.

 

1. matplotlib与MATLAB

---

Matplotlib是建立在NumPy数组基础上的多平台数据可视化程序库，John Hunter在2002年提出了matplotlib的初步构想——在Python中画出类似MATLAB风格的交互式图形。鉴于此种渊源，类似MATLAB风格的画图接口是matplotlib的两种画图接口之一。这类接口直观、便捷，许多语法与MATLAB类似，也是初学者常用的方式。

这种接口最重要的特性是有状态的（stateful）：它会持续跟踪"当前的"图形和坐标轴，所有plt命令都可以应用。可以用plt.gcf()（获取当前图形）和plt.gca()（获取当前坐标轴）来查看具体信息。

matplotlib画图的基本设置：

1 import matplotlib as mpl
2 import matplotlib.pyplot as plt
3 mpl.rcParams['axes.linewidth'] = 1.5 #set the value globally, 设置坐标轴线宽
4 import seaborn as sns
5 sns.set()  # 使用seaborn设置绘图风格

更多自定义设置可以参考官方文档：Customizing matplotlib

下面使用MATLAB风格画图，对一组分类变量（categorical variables）进行可视化

 1 names = ['group_a', 'group_b', 'group_c']  # 不同分类的名称
 2 values = [1, 10, 100]  # 不同分类对应的值
 3 
 4 plt.figure(1, figsize=(9, 3))  # 设置图片大小
 5 
 6 plt.subplot(131)  # 1x3, 第一个子图
 7 plt.bar(names, values)  # 柱状图
 8 plt.subplot(132)  # 1x3, 第二个子图
 9 plt.scatter(names, values)  # 散点图
10 plt.subplot(133)  # 1x3, 第三个子图
11 plt.plot(names, values)  # 折线图
12 plt.suptitle('Categorical Plotting')  # 图片的标题
13 # w_pad设置子图之间的间隔宽度;rect设置整个图像部分（矩形）的左上点坐标和右下点坐标，默认值为[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)  # 保存图片

图片如下：

 图1：分类变量的可视化

 这种方式画图非常直观，每一步都对"plt"对象有一个特定的操作，画图的过程至上而下，画好之后保存图片。其他命令说明如下：

• subplot(131)表示设置子图为1行3列，且当前为第1个子图；
• 在保存图片之前调用tight_layout()函数可以使图片更加紧凑，边框更窄，更多关于该函数的用法可参考官方文档；
• 保存图片是可以使用参数dpi设置图片的分辨率.

在官方文档中，这种风格的API被称为"pyplot API".

• 一个简短的入门级教程：Pyplot tutorial
• 更多的介绍可以参考文档：The pyplot API
• 更多例子可以参考官方的Gallery

 

2. matplotlib的第二种风格——面向对象的画图接口

---

在面向对象编程中有一句口号："一切皆对象"，Python既然是一种面向对象的编程语言，画图也自然可以使用面向对象的方式。MATLAB风格的画图接口直观易用，但是遇到一些精细操作时，就会比较麻烦。面向对象的画图接口可以适应更复杂的场景，更精细的控制需要展示的图形。

在面向对象接口中，画图函数不再受到当前"活动"图形或坐标轴的限制，而变成了显式的Figure和Axes的方法。在画图的过程中，实际操作的是这两个类的实例：figure和axes.

figure（plt.Figure类的一个实例）可以被看成是一个能够容纳各种坐标轴、图形、文字和标签的容器。axes（plt.Axes类的一个实例）是一个带有刻度和标签的矩形，最终会包含所有可视化的图形元素。通常使用变量fig表示一个图形实例，用变量ax表示一个坐标轴实例或一组坐标轴实例。

下面是一个使用面向对象的API画图的例子：

 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 #设置error bar的(单侧)长度
10 error = 0.1 + 0.2 * x
11 
12 # 使用subplots返回fig和ax实例
13 fig, (ax0, ax1) = plt.subplots(nrows=2, sharex=True, figsize=(8, 6))  # 两个子图，返回两个Axes实例
14 
15 # 第一个子图，对称的error bar
16 ax0.errorbar(x, y, yerr=error, fmt='-o')
17 ax0.set_title('variable, symmetric error')
18 
19 # 分别设置error bar两侧的长度
20 lower_error = 0.4 * error
21 upper_error = error
22 asymmetric_error = [lower_error, upper_error]
23 
24 # 第二个子图，不对称的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)  # 保存图片

结果如下：

图2：error bar的可视化 

如上面的例子显示的那样，可以使用函数plt.subplots()返回fig和ax实例，也可以直接使用plt.Figure和plt.Axes这两个类来返回各自的实例：

 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)

结果如下：

图3：sin函数图像

当我们获取fig和ax实例后，就可以直接操作这两个实例来完成想要可视化效果。操作这两个实例的方法众多，可参考下面的官方文档：

• 关于该API的描述：The object-oriented API
• 所有元素的最高等级容器：Figure
• 坐标轴ax类：The Axes class
• 一些使用ax实例的例子：Examples using matplotlib.pyplot.axes
• 创建fig和坐标轴实例的subplots函数：subplots

 

3. 统计作图以及图片的风格

---

除了matplotlib之外，seaborn是专门为统计制图开发的可视化工具。除了直接用于数据的可视化之外，还能够完成一些常见的统计功能来辅助画图，例如误差线的估计，密度估计，箱形图分位数的计算等。此外，与matplotlib相比，seborn画图的风格更美观。因此该可视化工具在数据分析中也用的比较多。

按照文档中对API的介绍，seaborn主要将统计制图分为下面几类：

• 关系图
• 分类图
• 分布图
• 回归图
• 矩阵图：heatmap或聚类图

使用seaborn画图的例子可以参考：Example gallery

上面例子中涉及到两次对画图风格的设置，风格主要包括对图的配色，背景色、坐标轴、字体、透明度等的设置。在matplotlib中主要有以下风格可选：

> 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']

参考上面的Customizing matplotlib链接，各种不同样式的比较可以参考：Matplotlib Style Gallery

 

4. 常见的作图类型及功能

---

matplotlib可以画大部分常见的图，例如柱状图、折线图、饼图、直方图等。

更多详情可以参考：Plotting-basic

 

 

Reference

---

https://tonysyu.github.io/raw_content/matplotlib-style-gallery/gallery.html

https://jakevdp.github.io/PythonDataScienceHandbook/

https://seaborn.pydata.org/index.html

https://matplotlib.org/index.html

https://stackoverflow.com/questions/8248467/matplotlib-tight-layout-doesnt-take-into-account-figure-suptitle

 

转载于:https://www.cnblogs.com/Belter/p/9650433.html