閱讀更多

1頂
0踩

編程語言
數據可視化是數據科學家工作中的重要組成部分。在項目的早期階段,你通常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。創建可視化方法確實有助于使事情變得更加清晰易懂,特別是對于大型、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現最終結果是非常重要的,因為你的受眾往往是非技術型客戶,只有這樣他們才可以理解。

Matplotlib 是一個流行的 Python 庫,可以用來很簡單地創建數據可視化方案。但每次創建新項目時,設置數據、參數、圖形和排版都會變得非常繁瑣和麻煩。在這篇博文中,我們將著眼于 5 個數據可視化方法,并使用 Python Matplotlib 為他們編寫一些快速簡單的函數。與此同時,這里有一個很棒的圖表,可用于在工作中選擇正確的可視化方法!

散點圖

散點圖非常適合展示兩個變量之間的關系,因為你可以直接看到數據的原始分布。 如下面第一張圖所示的,你還可以通過對組進行簡單地顏色編碼來查看不同組數據的關系。想要可視化三個變量之間的關系? 沒問題! 僅需使用另一個參數(如點大小)就可以對第三個變量進行編碼,如下面的第二張圖所示。


現在開始討論代碼。我們首先用別名 “plt” 導入 Matplotlib 的 pyplot 。要創建一個新的點陣圖,我們可調用 plt.subplots() 。我們將 x 軸和 y 軸數據傳遞給該函數,然后將這些數據傳遞給 ax.scatter() 以繪制散點圖。我們還可以設置點的大小、點顏色和 alpha 透明度。你甚至可以設置 Y 軸為對數刻度。標題和坐標軸上的標簽可以專門為該圖設置。這是一個易于使用的函數,可用于從頭到尾創建散點圖!
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

當你可以看到一個變量隨著另一個變量明顯變化的時候,比如說它們有一個大的協方差,那最好使用折線圖。讓我們看一下下面這張圖。我們可以清晰地看到對于所有的主線隨著時間都有大量的變化。使用散點繪制這些將會極其混亂,難以真正明白和看到發生了什么。折線圖對于這種情況則非常好,因為它們基本上提供給我們兩個變量(百分比和時間)的協方差的快速總結。另外,我們也可以通過彩色編碼進行分組。

這里是折線圖的代碼。它和上面的散點圖很相似,只是在一些變量上有小的變化。
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

直方圖對于查看(或真正地探索)數據點的分布是很有用的。查看下面我們以頻率和 IQ 做的直方圖。我們可以清楚地看到朝中間聚集,并且能看到中位數是多少。我們也可以看到它呈正態分布。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別。組的使用(離散化)真正地幫助我們看到了“更加宏觀的圖形”,然而當我們使用所有沒有離散組的數據點時,將對可視化可能造成許多干擾,使得看清真正發生了什么變得困難。

下面是在 Matplotlib 中的直方圖代碼。有兩個參數需要注意一下:首先,參數 n_bins 控制我們想要在直方圖中有多少個離散的組。更多的組將給我們提供更加完善的信息,但是也許也會引進干擾,使得我們遠離全局;另一方面,較少的組給我們一種更多的是“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,允許我們選擇直方圖是否為累加的,基本上就是選擇是 PDF(Probability Density Function,概率密度函數)還是 CDF(Cumulative Density Function,累積密度函數)。
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)

想象一下我們想要比較數據中兩個變量的分布。有人可能會想你必須制作兩張直方圖,并且把它們并排放在一起進行比較。然而,實際上有一種更好的辦法:我們可以使用不同的透明度對直方圖進行疊加覆蓋。看下圖,均勻分布的透明度設置為 0.5 ,使得我們可以看到他背后的圖形。這樣我們就可以直接在同一張圖表里看到兩個分布。

對于重疊的直方圖,需要設置一些東西。首先,我們設置可同時容納不同分布的橫軸范圍。根據這個范圍和期望的組數,我們可以真正地計算出每個組的寬度。最后,我們在同一張圖上繪制兩個直方圖,其中有一個稍微更透明一些。
# 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

當你試圖將類別很少(可能小于10)的分類數據可視化的時候,柱狀圖是最有效的。如果我們有太多的分類,那么這些柱狀圖就會非常雜亂,很難理解。柱狀圖對分類數據很好,因為你可以很容易地看到基于柱的類別之間的區別(比如大小);分類也很容易劃分和用顏色進行編碼。我們將會看到三種不同類型的柱狀圖:常規的,分組的,堆疊的。在我們進行的過程中,請查看圖形下面的代碼。

常規的柱狀圖如下面的圖1。在 barplot() 函數中,xdata 表示 x 軸上的標記,ydata 表示 y 軸上的桿高度。誤差條是一條以每條柱為中心的額外的線,可以畫出標準偏差。

分組的柱狀圖讓我們可以比較多個分類變量。看看下面的圖2。我們比較的第一個變量是不同組的分數是如何變化的(組是G1,G2,……等等)。我們也在比較性別本身和顏色代碼。看一下代碼,y_data_list 變量實際上是一個 y 元素為列表的列表,其中每個子列表代表一個不同的組。然后我們對每個組進行循環,對于每一個組,我們在 x 軸上畫出每一個標記;每個組都用彩色進行編碼。

堆疊柱狀圖可以很好地觀察不同變量的分類。在圖3的堆疊柱狀圖中,我們比較了每天的服務器負載。通過顏色編碼后的堆棧圖,我們可以很容易地看到和理解哪些服務器每天工作最多,以及與其他服務器進行比較負載情況如何。此代碼的代碼與分組的條形圖相同。我們循環遍歷每一組,但這次我們把新柱放在舊柱上,而不是放在它們的旁邊。



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

我們之前看了直方圖,它很好地可視化了變量的分布。但是如果我們需要更多的信息呢?也許我們想要更清晰的看到標準偏差?也許中值與均值有很大不同,我們有很多離群值?如果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干的事情了。箱形圖給我們提供了上面所有的信息。實線框的底部和頂部總是第一個和第三個四分位(比如 25% 和 75% 的數據),箱體中的橫線總是第二個四分位(中位數)。像胡須一樣的線(虛線和結尾的條線)從這個箱體伸出,顯示數據的范圍。

由于每個組/變量的框圖都是分別繪制的,所以很容易設置。xdata 是一個組/變量的列表。Matplotlib 庫的 boxplot() 函數為 ydata 中的每一列或每一個向量繪制一個箱體。因此,xdata 中的每個值對應于 ydata 中的一個列/向量。我們所要設置的就是箱體的美觀。

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總是會使你的代碼更易于閱讀和使用!我希望你喜歡這篇文章,并且學到了一些新的有用的技巧。

英文原文:5 Quick and Easy Data Visualizations in Python with Code
  • 大小: 251.3 KB
  • 大小: 60.9 KB
  • 大小: 87.3 KB
  • 大小: 199.8 KB
  • 大小: 137.6 KB
  • 大小: 34.5 KB
  • 大小: 14.4 KB
  • 大小: 16.2 KB
  • 大小: 18.7 KB
  • 大小: 16.8 KB
來自: oschina
1
0
評論 共 0 條 請登錄后發表評論

發表評論

您還沒有登錄,請您登錄后再發表評論

相關推薦

  • PYTHON數據可視化編程實戰代碼及數據

    Python數據可視化編程實戰》是一本使用Python實現數據可視化編程的實戰指南,介紹了如何使用Python最流行的庫,通過60余種方法創建美觀的數據可視化效果。 全書共8章,分別介紹了準備工作環境、了解數據、繪制并定制化圖表、學習更多圖表和定制化、創建3D可視化圖表、用圖像和地圖繪制圖表、使用正確的圖表理解數據以及更多matplotlib知識。 《Python數據可視化編程實戰》適合那些對Python編程有一定基礎的開發人員,可以幫助讀者從頭開始了解數據、數據格式、數據可視化,并學會使用Python可視化數據。

  • <PYTHON數據可視化編程實戰>+代碼

    本資源是書籍《PYTHON數據可視化編程實戰》及其內內所設計到的所有代碼,書籍為中文版。如果資源無法下載可以進入該網站https://www.packtpub.com/books/content/support,注冊登錄搜索Python_Data__Visualization_Cookbook,點擊本書(或此鏈接https://www.packtpub.com/big-data-and-business-intelligence/python-data-visualization-cookbook),點擊CodeFile進行下載。

  • PYTHON數據可視化編程實戰書籍+代碼+數據

    全書共8章,分別介紹了準備工作環境、了解數據、繪制并定制化圖表、學習更多圖表和定制化、創建3D可視化圖表、用圖像和地圖繪制圖表、使用正確的圖表理解數據以及更多matplotlib知識。

  • Python實現數據可視化

    主要使用matplotlib, pandas, seaborn,實現一維到多維的數據可視化

  • PYTHON數據可視化編程實戰.pdf

    PYTHON數據可視化編程實戰,全文高清pdf版本 Python Data Visualization Cookbook.pdf 人民郵電出版社 掌握和使用正確的數據可視化方法

  • 數據可視化前后端完整代碼

    數據可視化前后端完整代碼,鏈接數據庫,將數據庫中的數據取出,通過數據處理,在前端web網頁中展示。

  • PYTHON數據可視化編程實戰(中文PDF+源碼打包)

    Python數據可視化編程實戰》是一本使用Python實現數據可視化編程的實戰指南,介紹了如何使用Python最流行的庫,通過60余種方法創建美觀的數據可視化效果。, 全書共8章,分別介紹了準備工作環境、了解數據、繪制并定制化圖表、學習更多圖表和定制化、創建3D可視化圖表、用圖像和地圖繪制圖表、使用正確的圖表理解數據以及更多matplotlib知識。, 《Python數據可視化編程實戰》適合那些對Python編程有一定基礎的開發人員,可以幫助讀者從頭開始了解數據、數據格式、數據可視化,并學會使用Python可視化數據

  • Python Data Visulation Cookbook

    Python 數據可視化教程, 使用matplotlib, NumPy, 和SciPy 等實現數據可視化,英文版,PDF格式,歡迎下載...

  • https://download.csdn.net/download/kuangkzh/9808816

  • Python數據可視化編程實戰》配套文件

    Python數據可視化編程實戰》配套的源碼、文件等

  • 【源碼下載】Python數據爬蟲及可視化分析

  • Python數據可視化編程實戰》示例代碼_code

    附件為《Python數據可視化編程實戰》 示例代碼,利用代碼方便實驗。 也可以從官網下載,方法如下: 1. 注冊并登錄網站 https://www.packtpub.com/support/ 2. 在文本框里搜索"Python Data Visualization Cookbook" 3. 點擊下載code即可

  • 數據可視化實戰:使用D3設計交互式圖表-隨書源碼.zip

    。。。。。。。數據可視化實戰:使用D3設計交互式圖表-隨書源碼.zip

  • Python數據可視化編程實戰 源代碼

  • python數據可視化(中文版)

    海量信息的不斷增長,不但刺激著人們對數據可視化的強烈需求。與此同時作為一種功能強大的開源語言python,擁有強大的數據分析包和繪圖包,從而幫助用戶完成數據分析、構建統計模型并展現研究對象。

  • PYTHON數據可視化編程實戰高清完整.pdf版下載

    應用 PYTHON 進行可視化的最佳圖書

  • 微軟建議的20種代碼優化方法

    微軟建議的20種代碼優化方法,輕松提高代碼性能

  • PYTHON數據可視化編程實戰 pdf

    PYTHON數據可視化編程實戰 PYTHON數據可視化編程實戰 PYTHON數據可視化編程實戰

  • Python數據可視化編程實戰

    Python數據可視化編程實戰,介紹使用Python當前最流行的庫,通過60多種方法實現數據的可視化效果 介紹的庫包含numpy,matplotlib,scipy,Pandas,pickle等

  • Python數據可視化編程實戰+中文pdf掃描版

    本文檔用于python可視化開發,大數據可視化是當前科技發展的前言,python可有效進行處理和開發

Global site tag (gtag.js) - Google Analytics 真人娱乐官方网站 郓城县| 金塔县| 扎赉特旗| 西盟| 无锡市| 龙口市| 德惠市| 信阳市| 武川县| 青海省| 龙门县| 栾城县| 株洲市| 靖宇县| 新安县| 通州市| 贵州省| 安多县| 会昌县| 清远市| 泉州市| 来安县| 株洲市| 游戏| 邯郸市| 砚山县| 饶阳县| 嘉鱼县| 岳普湖县| 科技| 九龙城区| 石台县| 南阳市| 东乌| 务川| 图木舒克市| 开鲁县| 松江区| 汉源县| 从江县| 福鼎市| 古浪县| 南开区| 南溪县| 高尔夫| 阿图什市| 山东| 新河县| 威信县| 涞源县| 杂多县| 西盟| 桃江县| 宁海县| 股票| 临桂县| 仙桃市| 伊宁市| 洱源县| 石家庄市| 霍林郭勒市| 泾源县| 广昌县| 新营市| 抚顺市| 永仁县| 金乡县| 涡阳县| 靖宇县| 轮台县| 常德市| 靖江市| 宁安市| 绿春县| 广平县| 渝北区| 南投县| 巩义市| 容城县| 于田县| 平遥县| 无极县| 黔江区| 德州市| 广水市| 姚安县| 苍南县| 独山县| 温宿县| 利辛县| 清水河县| 富民县| 南通市| 廊坊市| 黄浦区| 鹤岗市| 肥城市| 庆阳市| 婺源县| 北辰区| 朝阳区| 安塞县| 黎川县| 肥城市| 山东省| 盐山县| 东安县| 加查县| 游戏| 太白县| 诸城市| 紫金县| 渝北区| 淮北市| 齐河县| 肃南| 保德县| 宝鸡市| 荆州市| 海伦市| 潞西市| 昭觉县| 湟中县| 来安县| 西华县| 都江堰市| 通榆县| 定兴县| 西华县| 洛隆县| 富顺县| 沙雅县| 安顺市| 城口县| 准格尔旗| 无极县| 奉贤区|