寫在前面

在這篇文章中， 云朵君想介紹一個很酷的python手繪樣式可視化包——可愛的圖表?cutecharts。Cutecharts?非常適合為圖表提供更個性化的觸感。

Cutecharts?與常規(guī)的?Matplotlib?和?Seaborn?庫完全不同，它可以查看手工制作的圖表，并在將鼠標懸停在圖表上時向我們顯示值。Matplotlib?圖表中沒有懸停效果，這是可愛圖表的一個優(yōu)勢。與?seaborn?相比，在可愛圖表中創(chuàng)建圖表的時間要長一些，但代碼數(shù)量仍然比標準?matplotlib?庫少。

該包可用于生成以下類型的圖表。目前，該庫支持五種不同的圖表——條形圖、餅圖、雷達圖、散點圖和折線圖。

繪圖準備

安裝cutecharts

這是個python第三方庫，要創(chuàng)建此圖表，你需要安裝cutecharts庫。具體安裝方法與其他庫一樣。

pip?install?cutecharts

導入庫

import?cutecharts.charts?as?ctc
import?pandas?as?pd

數(shù)據(jù)集

看看 TMBD 數(shù)據(jù)是什么樣子的？數(shù)據(jù)有 21 列。

df?=?pd.read_csv(r'tmdb-movies.csv')
df.head(2)

數(shù)據(jù)說明

TMBD 的數(shù)據(jù)取自?kaggle^[1]。

• Popularity流行度：?指定電影流行度的數(shù)字量
• Budget預算：?電影制作的預算。
• Revenue收入：?電影產(chǎn)生的全球收入。
• Original Title原片名：?翻譯或改編前電影的片名。
• Cast演員：?在電影中扮演角色的演員姓名
• Homepage主頁：?指向電影主頁的鏈接。
• Director導演：?導演電影的導演姓名
• Title片名：?電影名稱。
• Keywords關鍵字：?與電影相關的關鍵字或標簽。
• Overview概述：?對電影的簡要描述。
• Runtime運行時間：?以分鐘為單位的電影運行時間。
• Genres類型：?電影的類型，劇情、動作、喜劇、驚悚等。
• Production Company制作公司：?電影的制作公司。
• Vote Count投票數(shù)：?收到的票數(shù)。
• Vote Average投票平均：?電影收到的平均評分。

日期時間

• Release Date上映日期：?電影上映的日期。
• Release Year發(fā)行年份：?電影發(fā)行的年份。

數(shù)據(jù)清洗

我們先清理數(shù)據(jù)，然后我們會看到可愛的圖表。

將特征更改為正確的日期時間格式并將流行功能四舍五入到小數(shù)點后兩位，以獲得更多內(nèi)容。

df['release_date']?=?pd.to_datetime(df['release_date'])
df['popularity']?=?round(df['popularity'],?2)

刪除不必要的功能

df.drop(['imdb_id',?'homepage',?'budget_adj','revenue_adj'],
??????axis=1,?inplace=True)?

用missing替換特征nan值

df['tagline'].fillna('missing',inplace=True)
df['keywords'].fillna('missing',inplace=True)
df['production_companies'].fillna('missing',inplace=True)?
df['cast'].fillna('missing',inplace=True)
df['director'].fillna('missing',inplace=True)
df['genres'].fillna('missing',inplace=True)
df['overview'].fillna('missing',inplace=True)

從預算和收入中刪除等于 0 的值。

df.drop(df[(df['budget']==0)?&?(df['revenue']==0)].index,
????????inplace=True)

現(xiàn)在，數(shù)據(jù)是干凈的，我們現(xiàn)在可以進一步創(chuàng)建一些可愛的圖表。

cutecharts繪圖

cutecharts中使用的參數(shù)

分配你想要的圖表名稱，例如，你想要一個餅圖然后運行下面的代碼。

chart?=?ctc.Pie()

設置我們需要width, height在參數(shù)中添加的圖表的標題、寬度和高度。

chart?=?ctc.Pie('Title',?width='600px',?height='300px')

設置圖表選項，可以將使用set_options()函數(shù)。

chart.set_options()

設置x和y標簽的標題，我們將使用x_label,?y_label傳入set_options()函數(shù)示例如下。

chart.set_options(x_label='X?Labels',
??????????????????y_label='Y?Labels')

最后，我們將使用一個函數(shù)來顯示圖表render_notebook()，下面給出一個例子。

chart.render_notebook()

cutecharts繪圖

繪制餅圖

將要制作的圖表是甜甜圈圖表。我們將看到發(fā)行量最高的電影的前 5 年。

df_year?=?df['release_year'].value_counts(
).reset_index().sort_values(by='index',
????????????????????????????ascending=False)[:5].rename(columns={'index':'release_year',
?????????????????????????????????????????????????????????????????'release_year':'Count'})
chart?=?ctc.Pie('Top?5?years',?width='600px',?height='300px')
chart.set_options(labels=list(df_year['release_year']),?inner_radius=0)
chart.add_series(list(df_year['Count']))
chart.render_notebook()

繪制圓環(huán)圖

我們將要制作的圖表是甜甜圈圖表。我們將看到發(fā)行量最高的電影的前 5 年。

df_year?=?df['release_year'].value_counts(
).reset_index().sort_values(by='index',?
????????????????????????????ascending=False)[:5].rename(columns={'index':'release_year',
?????????????????????????????????????????????????????????????????'release_year':'Count'})
chart?=?ctc.Pie('Top?5?years',?width='600px',?height='300px')
chart.set_options(labels=list(df_year['release_year']),?inner_radius=0.8)
chart.add_series(list(df_year['Count']))
chart.render_notebook()

所有的特性都與我們在餅圖中使用的相同，只是inner_radius使用了一個額外的參數(shù)；我們可以為甜甜圈圖的內(nèi)部半徑給出0到1之間的任何值。如果你看到默認的圖例將在左上角，你可以指定圖例的值，如?upLeft、upRight、downLeft、downRight。

下圖顯示了?upRight?和?downLeft?上的圖例。

繪制條形圖

該函數(shù)將拆分字符串并返回每個類型的計數(shù)。

def?count_genre(x):
data_plot?=?df[x].str.cat(sep?=?'|')
????data?=?pd.Series(data_plot.split('|'))
????info?=?data.value_counts(ascending=False)
????return?info

調(diào)用函數(shù)來計算每個類型的電影。

df_genre_movies?=?count_genre('genres')
df_genre_movies?=?pd.DataFrame(df_genre_movies).reset_index().rename(columns={'index':'Drama',?0:'Count'})

條形圖代碼

這里我們通過導入 faker 庫為不同的條使用顏色。

from?cutecharts.faker?import?Faker

chart?=?ctc.Bar('Top?Movie?Geners',?width='600px',?height='200px')
chart.set_options(labels=list(df_genre_movies['Drama'][:7]),
x_label='Drama',
y_label='Count',
colors=Faker.colors
)

chart.add_series('Geners',list(df_genre_movies['Count'][:7]))
chart.render_notebook()

這里我們在可以明確為條形設置不同顏色的地方添加了另一個參數(shù)顏色set_options()?。

chart?=?ctc.Bar('Top?Movie?Geners',?width='600px',?height='200px')

chart.set_options(labels=list(df_genre_movies['Drama'][:7]),
x_label='Drama',
y_label='Count',

colors=['#FFF1C9',?'#F7B7A3',?'#EA5F89',?'#9B3192',?'#57167E',?'#47B39C','#00529B'])

chart.add_series('Geners',list(df_genre_movies['Count'][:7]))
chart.render_notebook()

繪制折線圖

我們將計算多年來發(fā)行的電影數(shù)量，并僅繪制 20 年代的電影。

data?=?df.groupby('release_year').count()['id'].reset_index().tail(16)

制作折線圖以找出 20 年代以來電影的影響。

chart?=?ctc.Line("Impact?of?Movie?over?the?years?of?20's",?width='700px',?height='200px')
chart.set_options(labels=list(data['release_year']),
??????????????????x_label='Years',
??????????????????y_label='Count',
?)
chart.add_series('Years',list(data['id']))
chart.render_notebook()

多年來，電影發(fā)行量呈指數(shù)增長。

繪制散點圖

我們看看受歡迎程度與預算的關系，并找出預算是否大于電影的受歡迎程度。

chart?=?ctc.Scatter("Helps?to?gain?insights?like?if?movies?with?higher?budget?have?high?popularity",?width='700px',?height='200px')
chart.set_options(x_label='Popularity',
??????????????????y_label='Budget',
??????????????????dot_size=1,
??????????????????colors=['#47B39C']
?)
chart.add_series('Popularity?vs?Budget',?[(z[0],?z[1])?for?z?in?list(zip(df['popularity'],df['budget']))])
chart.render_notebook()

繪制雷達圖

雷達圖也稱為蜘蛛圖，主要用于顯示多變量值。對于雷達圖，我們將獲取咖啡消費的虛擬數(shù)據(jù)，其中特征為天、本周和上周。

data?=?{'Day':?['Mon',?'Tue',?'Wed',?'Thu',?'Fri',?'Sat',?'Sun'],
????????'This?week':?[12,?10,?9,?9,?10,?3,?3],?
????????'Last?week':?[15,?12,?8,?9,?11,?4,?3]
???????}
df_coffee?=?pd.DataFrame(data,?columns?=?['Day',?'This?week',?'Last?week'])

我們看看本周和上周每天咖啡消費量的雷達圖。

chart?=?ctc.Radar('Cups?of?coffee?consumed?per?day')
chart.set_options(
????labels=list(df_coffee['Day']),?
????is_show_legend=True,
????legend_pos='upRight'?
????)
chart.add_series('This?Week',?list(df_coffee['This?week']))?
chart.add_series('Last?Week',?list(df_coffee['Last?week']))
chart.render_notebook()

寫在最后

看到這里的小伙伴，相信你基本掌握了該可愛圖庫的使用了。我們看到了用 python 制作的驚人的手寫可愛圖表。這個包的一個不足是它只提供 5 個圖表。但也是我們常用的一些圖標?？梢詣邮衷囋嚹?。

數(shù)據(jù)資料