點(diǎn)擊上方“小白學(xué)視覺”，選擇加"星標(biāo)"或“置頂”

重磅干貨，第一時(shí)間送達(dá)

作者丨Liana Mehrabyan

數(shù)據(jù)可以幫助我們描述這個(gè)世界、闡釋自己的想法和展示自己的成果，但如果只有單調(diào)乏味的文本和數(shù)字，我們卻往往能難抓住觀眾的眼球。而很多時(shí)候，一張漂亮的可視化圖表就足以勝過千言萬語。本文將介紹 5 種基于 Plotly 的可視化方法，你會(huì)發(fā)現(xiàn)，原來可視化不僅可用直方圖和箱形圖，還能做得如此動(dòng)態(tài)好看甚至可交互。

對(duì)數(shù)據(jù)科學(xué)家來說，講故事是一個(gè)至關(guān)重要的技能。為了表達(dá)我們的思想并且說服別人，我們需要有效的溝通。而漂漂亮亮的可視化是完成這一任務(wù)的絕佳工具。本文將介紹?5 種非傳統(tǒng)的可視化技術(shù)，可讓你的數(shù)據(jù)故事更漂亮和更有效。這里將使用 Python 的 Plotly 圖形庫（也可通過 R 使用），讓你可以毫不費(fèi)力地生成動(dòng)畫圖表和交互式圖表。

那么，Plotly 有哪些好處？Plotly 的整合能力很強(qiáng)：可與 Jupyter Notebook 一起使用，可嵌入網(wǎng)站，并且完整集成了 Dash——一種用于構(gòu)建儀表盤和分析應(yīng)用的出色工具。

啟動(dòng)

如果你還沒安裝 Plotly，只需在你的終端運(yùn)行以下命令即可完成安裝：

pip?install?plotly

安裝完成后，就開始使用吧！

動(dòng)畫

在研究這個(gè)或那個(gè)指標(biāo)的演變時(shí)，我們常涉及到時(shí)間數(shù)據(jù)。Plotly 動(dòng)畫工具僅需一行代碼就能讓人觀看數(shù)據(jù)隨時(shí)間的變化情況，如下圖所示：

代碼如下：

import?plotly.express?as?px
from?vega_datasets?import?data
df?=?data.disasters()
df?=?df[df.Year?>?1990]
fig?=?px.bar(df,
?????????????y="Entity",
?????????????x="Deaths",
?????????????animation_frame="Year",
?????????????orientation= h ,
?????????????range_x=[0,?df.Deaths.max()],
?????????????color="Entity")
#?improve?aesthetics?(size,?grids?etc.)
fig.update_layout(width=1000,
??????????????????height=800,
??????????????????xaxis_showgrid=False,
??????????????????yaxis_showgrid=False,
??????????????????paper_bgcolor= rgba(0,0,0,0) ,
??????????????????plot_bgcolor= rgba(0,0,0,0) ,
??????????????????title_text= Evolution?of?Natural?Disasters ,
??????????????????showlegend=False)
fig.update_xaxes(title_text= Number?of?Deaths )
fig.update_yaxes(title_text=)
fig.show()

只要你有一個(gè)時(shí)間變量來過濾，那么幾乎任何圖表都可以做成動(dòng)畫。下面是一個(gè)制作散點(diǎn)圖動(dòng)畫的例子：

import?plotly.express?as?px
df?=?px.data.gapminder()
fig?=?px.scatter(
????df,
????x="gdpPercap",
????y="lifeExp",
????animation_frame="year",
????size="pop",
????color="continent",
????hover_name="country",
????log_x=True,
????size_max=55,
????range_x=[100,?100000],
????range_y=[25,?90],

????#???color_continuous_scale=px.colors.sequential.Emrld
)
fig.update_layout(width=1000,
??????????????????height=800,
??????????????????xaxis_showgrid=False,
??????????????????yaxis_showgrid=False,
??????????????????paper_bgcolor= rgba(0,0,0,0) ,
??????????????????plot_bgcolor= rgba(0,0,0,0) )

?太陽圖

太陽圖（sunburst chart）是一種可視化 group by 語句的好方法。如果你想通過一個(gè)或多個(gè)類別變量來分解一個(gè)給定的量，那就用太陽圖吧。

假設(shè)我們想根據(jù)性別和每天的時(shí)間分解平均小費(fèi)數(shù)據(jù)，那么相較于表格，這種雙重 group by 語句可以通過可視化來更有效地展示。

這個(gè)圖表是交互式的，讓你可以自己點(diǎn)擊并探索各個(gè)類別。你只需要定義你的所有類別，并聲明它們之間的層次結(jié)構(gòu)（見以下代碼中的 parents 參數(shù)）并分配對(duì)應(yīng)的值即可，這在我們案例中即為 group by 語句的輸出。

import?plotly.graph_objects?as?go
import?plotly.express?as?px
import?numpy?as?np
import?pandas?as?pd
df?=?px.data.tips()
fig?=?go.Figure(go.Sunburst(
????labels=["Female",?"Male",?"Dinner",?"Lunch",? Dinner? ,? Lunch? ],
????parents=["",?"",?"Female",?"Female",? Male ,? Male ],
????values=np.append(
????????df.groupby( sex ).tip.mean().values,
????????df.groupby([ sex ,? time ]).tip.mean().values),
????marker=dict(colors=px.colors.sequential.Emrld)),
????????????????layout=go.Layout(paper_bgcolor= rgba(0,0,0,0) ,
?????????????????????????????????plot_bgcolor= rgba(0,0,0,0) ))

fig.update_layout(margin=dict(t=0,?l=0,?r=0,?b=0),
??????????????????title_text= Tipping?Habbits?Per?Gender,?Time?and?Day )
fig.show()

現(xiàn)在我們向這個(gè)層次結(jié)構(gòu)再添加一層：

為此，我們?cè)偬砑恿硪粋€(gè)涉及三個(gè)類別變量的 group by 語句的值。

import?plotly.graph_objects?as?go
import?plotly.express?as?px
import?pandas?as?pd
import?numpy?as?np
df?=?px.data.tips()
fig?=?go.Figure(go.Sunburst(labels=[
????"Female",?"Male",?"Dinner",?"Lunch",? Dinner? ,? Lunch? ,? Fri ,? Sat ,
???? Sun ,? Thu ,? Fri? ,? Thu? ,? Fri?? ,? Sat?? ,? Sun?? ,? Fri??? ,? Thu???
],
????????????????????????????parents=[
????????????????????????????????"",?"",?"Female",?"Female",? Male ,? Male ,
???????????????????????????????? Dinner ,? Dinner ,? Dinner ,? Dinner ,
???????????????????????????????? Lunch ,? Lunch ,? Dinner? ,? Dinner? ,
???????????????????????????????? Dinner? ,? Lunch? ,? Lunch?
????????????????????????????],
????????????????????????????values=np.append(
????????????????????????????????np.append(
????????????????????????????????????df.groupby( sex ).tip.mean().values,
????????????????????????????????????df.groupby([ sex ,
???????????????????????????????????????????????? time ]).tip.mean().values,
????????????????????????????????),
????????????????????????????????df.groupby([ sex ,? time ,
???????????????????????????????????????????? day ]).tip.mean().values),
????????????????????????????marker=dict(colors=px.colors.sequential.Emrld)),
????????????????layout=go.Layout(paper_bgcolor= rgba(0,0,0,0) ,
?????????????????????????????????plot_bgcolor= rgba(0,0,0,0) ))
fig.update_layout(margin=dict(t=0,?l=0,?r=0,?b=0),
??????????????????title_text= Tipping?Habbits?Per?Gender,?Time?and?Day )

fig.show()

平行類別

另一種探索類別變量之間關(guān)系的方法是以下這種流程圖。你可以隨時(shí)拖放、高亮和瀏覽值，非常適合演示時(shí)使用。

代碼如下：

import?plotly.express?as?px
from?vega_datasets?import?data
import?pandas?as?pd
df?=?data.movies()
df?=?df.dropna()
df[ Genre_id ]?=?df.Major_Genre.factorize()[0]
fig?=?px.parallel_categories(
????df,
????dimensions=[ MPAA_Rating ,? Creative_Type ,? Major_Genre ],
????color="Genre_id",
????color_continuous_scale=px.colors.sequential.Emrld,
)
fig.show()

平行坐標(biāo)圖

平行坐標(biāo)圖是上面的圖表的連續(xù)版本。這里，每一根弦都代表單個(gè)觀察。這是一種可用于識(shí)別離群值（遠(yuǎn)離其它數(shù)據(jù)的單條線）、聚類、趨勢(shì)和冗余變量（比如如果兩個(gè)變量在每個(gè)觀察上的值都相近，那么它們將位于同一水平線上，表示存在冗余）的好用工具。

代碼如下：

?import?plotly.express?as?px
from?vega_datasets?import?data
import?pandas?as?pd
df?=?data.movies()
df?=?df.dropna()
df[ Genre_id ]?=?df.Major_Genre.factorize()[0]
fig?=?px.parallel_coordinates(
????df,
????dimensions=[
???????? IMDB_Rating ,? IMDB_Votes ,? Production_Budget ,? Running_Time_min ,
???????? US_Gross ,? Worldwide_Gross ,? US_DVD_Sales
????],
????color= IMDB_Rating ,
????color_continuous_scale=px.colors.sequential.Emrld)
fig.show()

?量表圖和指示器

量表圖僅僅是為了好看。在報(bào)告 KPI 等成功指標(biāo)并展示其與你的目標(biāo)的距離時(shí)，可以使用這種圖表。

指示器在業(yè)務(wù)和咨詢中非常有用。它們可以通過文字記號(hào)來補(bǔ)充視覺效果，吸引觀眾的注意力并展現(xiàn)你的增長(zhǎng)指標(biāo)。

?import?plotly.graph_objects?as?go
fig?=?go.Figure(go.Indicator(
????domain?=?{ x :?[0,?1],? y :?[0,?1]},
????value?=?4.3,
????mode?=?"gauge+number+delta",
????title?=?{ text :?"Success?Metric"},
????delta?=?{ reference :?3.9},
????gauge?=?{ bar :?{ color :?"lightgreen"},
???????? axis :?{ range :?[None,?5]},
????????????? steps ?:?[
?????????????????{ range :?[0,?2.5],? color :?"lightgray"},
?????????????????{ range :?[2.5,?4],? color :?"gray"}],
??????????}))
fig.show()

下載1：OpenCV-Contrib擴(kuò)展模塊中文版教程

在「小白學(xué)視覺」公眾號(hào)后臺(tái)回復(fù)：擴(kuò)展模塊中文教程，即可下載全網(wǎng)第一份OpenCV擴(kuò)展模塊教程中文版，涵蓋擴(kuò)展模塊安裝、SFM算法、立體視覺、目標(biāo)跟蹤、生物視覺、超分辨率處理等二十多章內(nèi)容。

下載2：Python視覺實(shí)戰(zhàn)項(xiàng)目52講

在「小白學(xué)視覺」公眾號(hào)后臺(tái)回復(fù)：Python視覺實(shí)戰(zhàn)項(xiàng)目，即可下載包括圖像分割、口罩檢測(cè)、車道線檢測(cè)、車輛計(jì)數(shù)、添加眼線、車牌識(shí)別、字符識(shí)別、情緒檢測(cè)、文本內(nèi)容提取、面部識(shí)別等31個(gè)視覺實(shí)戰(zhàn)項(xiàng)目，助力快速學(xué)校計(jì)算機(jī)視覺。

下載3：OpenCV實(shí)戰(zhàn)項(xiàng)目20講

在「小白學(xué)視覺」公眾號(hào)后臺(tái)回復(fù)：OpenCV實(shí)戰(zhàn)項(xiàng)目20講，即可下載含有20個(gè)基于OpenCV實(shí)現(xiàn)20個(gè)實(shí)戰(zhàn)項(xiàng)目，實(shí)現(xiàn)OpenCV學(xué)習(xí)進(jìn)階。

交流群

歡迎加入公眾號(hào)讀者群一起和同行交流，目前有SLAM、三維視覺、傳感器、自動(dòng)駕駛、計(jì)算攝影、檢測(cè)、分割、識(shí)別、醫(yī)學(xué)影像、GAN、算法競(jìng)賽等微信群（以后會(huì)逐漸細(xì)分），請(qǐng)掃描下面微信號(hào)加群，備注：”昵稱+學(xué)校/公司+研究方向“，例如：”張三?+?上海交大?+?視覺SLAM“。請(qǐng)按照格式備注，否則不予通過。添加成功后會(huì)根據(jù)研究方向邀請(qǐng)進(jìn)入相關(guān)微信群。請(qǐng)勿在群內(nèi)發(fā)送廣告，否則會(huì)請(qǐng)出群，謝謝理解~