4000字，一篇 Python 數(shù)據(jù)可視化 "保姆級" 攻略！

1. 前言

今天讓我們看一下使用Python進(jìn)行數(shù)據(jù)可視化的主要庫，以及可以使用它們完成的所有類型的圖表。我們還將看到建議在每種情況下，使用哪個庫以及每個庫的獨(dú)特功能。

我們將從最基本的可視化開始，直接查看數(shù)據(jù)，然后繼續(xù)繪制圖表，最后制作交互式圖表。

我們將使用兩個數(shù)據(jù)集來適應(yīng)本文中顯示的可視化效果，數(shù)據(jù)集可通過下方鏈接進(jìn)行下載。

數(shù)據(jù)集：github.com/albertsl/datasets

這些數(shù)據(jù)集都是與人工智能相關(guān)的三個術(shù)語（數(shù)據(jù)科學(xué)，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)）在互聯(lián)網(wǎng)上搜索流行度的數(shù)據(jù)，從搜索引擎中提取而來。

該數(shù)據(jù)集包含了兩個文件temporal.csv和mapa.csv。

在這個教程中，我們將更多使用的第一個包括隨時間推移（從2004年到2020年）的三個術(shù)語的受歡迎程度數(shù)據(jù)。另外，我添加了一個分類變量（1和0）來演示帶有分類變量的圖表的功能。

mapa.csv文件包含按國家/地區(qū)分隔的受歡迎程度數(shù)據(jù)。在最后的可視化地圖時，我們會用到它。

2. pandas

在介紹更復(fù)雜的方法之前，讓我們從可視化數(shù)據(jù)的最基本方法開始。我們將只使用熊貓來查看數(shù)據(jù)并了解其分布方式。

我們要做的第一件事是可視化一些示例，查看這些示例包含了哪些列、哪些信息以及如何對值進(jìn)行編碼等等。

import pandas as pd
df = pd.read_csv('temporal.csv')
df.head(10) #View first 10 data rows

結(jié)果如下：

使用命令描述，我們將看到數(shù)據(jù)如何分布，最大值，最小值，均值……

df.describe（）

結(jié)果如下：

使用info命令，我們將看到每列包含的數(shù)據(jù)類型。我們可以發(fā)現(xiàn)一列的情況，當(dāng)使用head命令查看時，該列似乎是數(shù)字的，但是如果我們查看后續(xù)數(shù)據(jù)，則字符串格式的值將被編碼為字符串。

df.info（）

結(jié)果如下：

通常情況下，pandas都會限制其顯示的行數(shù)和列數(shù)。這可能讓很多程序員感到困擾，因?yàn)榇蠹叶枷Ｍ軌蚩梢暬袛?shù)據(jù)。

使用這些命令，我們可以增加限制，并且可以可視化整個數(shù)據(jù)。對于大型數(shù)據(jù)集，請謹(jǐn)慎使用此選項(xiàng)，否則可能無法顯示它們。

pd.set_option（'display.max_rows'，500）
pd.set_option（'display.max_columns'，500）
pd.set_option（'display.width'，1000）

使用Pandas樣式，我們可以在查看表格時獲得更多信息。首先，我們定義一個格式字典，以便以清晰的方式顯示數(shù)字（以一定格式顯示一定數(shù)量的小數(shù)、日期和小時，并使用百分比、貨幣等）。不要驚慌，這是僅顯示而不會更改數(shù)據(jù)，以后再處理也不會有任何問題。

為了給出每種類型的示例，我添加了貨幣和百分比符號，即使它們對于此數(shù)據(jù)沒有任何意義。

format_dict = {'data science':'${0:,.2f}', 'Mes':'{:%m-%Y}', 'machine learning':'{:.2%}'}
#We make sure that the Month column has datetime format
df['Mes'] = pd.to_datetime(df['Mes'])
#We apply the style to the visualization
df.head().style.format(format_dict)

我們可以用顏色突出顯示最大值和最小值。

format_dict = {'Mes':'{:%m-%Y}'} #Simplified format dictionary with values that do make sense for our data
df.head().style.format(format_dict).highlight_max(color='darkgreen').highlight_min(color='#ff0000')

結(jié)果如下：

我們使用顏色漸變來顯示數(shù)據(jù)值。

df.head(10).style.format(format_dict).background_gradient(subset=['data science', 'machine learning'], cmap='BuGn')

結(jié)果如下：

我們也可以用條形顯示數(shù)據(jù)值。

df.head().style.format(format_dict).bar(color='red', subset=['data science', 'deep learning'])

結(jié)果如下：

此外，我們還可以結(jié)合以上功能并生成更復(fù)雜的可視化效果。

df.head（10）.style.format（format_dict）.background_gradient（subset = ['data science'，'machine learning']，cmap ='BuGn'）。highlight_max（color ='yellow'）

結(jié)果如下：

Pandas分析是一個庫，可使用我們的數(shù)據(jù)生成交互式報告，我們可以看到數(shù)據(jù)的分布，數(shù)據(jù)的類型以及可能出現(xiàn)的問題。它非常易于使用，只需三行，我們就可以生成一個報告，該報告可以發(fā)送給任何人，即使您不了解編程也可以使用。

from pandas_profiling import ProfileReport
prof = ProfileReport(df)
prof.to_file(output_file='report.html')

結(jié)果如下：

3. matplotlib

Matplotlib是用于以圖形方式可視化數(shù)據(jù)的最基本的庫。它包含許多我們可以想到的圖形。僅僅因?yàn)樗腔镜牟⒉灰馕吨⒉粡?qiáng)大，我們將要討論的許多其他數(shù)據(jù)可視化庫都基于它。

Matplotlib的圖表由兩個主要部分組成，即軸（界定圖表區(qū)域的線）和圖形（我們在其中繪制軸，標(biāo)題和來自軸區(qū)域的東西），現(xiàn)在讓我們創(chuàng)建最簡單的圖：

import matplotlib.pyplot as plt
plt.plot(df['Mes'], df['data science'], label='data science') 
# The parameter label is to indicate the legend. This doesn't mean that it will be shown, we'll have to use another command that I'll explain later.

結(jié)果如下：

我們可以在同一張圖中制作多個變量的圖，然后進(jìn)行比較。

plt.plot（df ['Mes']，df ['data science']，label ='data science'）
plt.plot（df ['Mes']，df ['machine learning']，label ='machine learning '）
plt.plot（df ['Mes']，df ['deep learning']，label ='deep learning'）

結(jié)果如下：

每種顏色代表哪個變量還不是很清楚。我們將通過添加圖例和標(biāo)題來改進(jìn)圖表。

plt.plot(df['Mes'], df['data science'], label='data science')
plt.plot(df['Mes'], df['machine learning'], label='machine learning')
plt.plot(df['Mes'], df['deep learning'], label='deep learning')
plt.xlabel('Date')
plt.ylabel('Popularity')
plt.title('Popularity of AI terms by date')
plt.grid(True)
plt.legend()

結(jié)果如下：

如果您是從終端或腳本中使用Python，則在使用我們上面編寫的函數(shù)定義圖后，請使用plt.show（）。如果您使用的是Jupyter Notebook，則在制作圖表之前，將％matplotlib內(nèi)聯(lián)添加到文件的開頭并運(yùn)行它。

我們可以在一個圖形中制作多個圖形。這對于比較圖表或通過單個圖像輕松共享幾種圖表類型的數(shù)據(jù)非常有用。

fig, axes = plt.subplots(2,2)
axes[0, 0].hist(df['data science'])
axes[0, 1].scatter(df['Mes'], df['data science'])
axes[1, 0].plot(df['Mes'], df['machine learning'])
axes[1, 1].plot(df['Mes'], df['deep learning'])

結(jié)果如下：

我們可以為每個變量的點(diǎn)繪制具有不同樣式的圖形：

plt.plot（df ['Mes']，df ['data science']，'r-'）
plt.plot（df ['Mes']，df ['data science'] * 2，'bs'）
plt .plot（df ['Mes']，df ['data science'] * 3，'g ^'）

結(jié)果如下：

現(xiàn)在讓我們看一些使用Matplotlib可以做的不同圖形的例子。我們從散點(diǎn)圖開始：

plt.scatter(df['data science'], df['machine learning'])

結(jié)果如下：

條形圖示例：

plt.bar（df ['Mes']，df ['machine learning']，width = 20）

結(jié)果如下：

直方圖示例：

plt.hist（df ['deep learning']，bins = 15）

結(jié)果如下：

我們可以在圖形中添加文本，并以與圖形中看到的相同的單位指示文本的位置。在文本中，我們甚至可以按照TeX語言添加特殊字符。

我們還可以添加指向圖形上特定點(diǎn)的標(biāo)記。

plt.plot(df['Mes'], df['data science'], label='data science')
plt.plot(df['Mes'], df['machine learning'], label='machine learning')
plt.plot(df['Mes'], df['deep learning'], label='deep learning')
plt.xlabel('Date')
plt.ylabel('Popularity')
plt.title('Popularity of AI terms by date')
plt.grid(True)
plt.text(x='2010-01-01', y=80, s=r'$\lambda=1, r^2=0.8$') #Coordinates use the same units as the graph
plt.annotate('Notice something?', xy=('2014-01-01', 30), xytext=('2006-01-01', 50), arrowprops={'facecolor':'red', 'shrink':0.05}

結(jié)果如下：

4. seaborn

Seaborn是基于Matplotlib的庫?；旧?，它提供給我們的是更好的圖形和功能，只需一行代碼即可制作復(fù)雜類型的圖形。

我們導(dǎo)入庫并使用sns.set（）初始化圖形樣式，如果沒有此命令，圖形將仍然具有與Matplotlib相同的樣式。我們顯示了最簡單的圖形之一，散點(diǎn)圖：

import seaborn as sns
sns.set()
sns.scatterplot(df['Mes'], df['data science'])

結(jié)果如下：

我們可以在同一張圖中添加兩個以上變量的信息。為此，我們使用顏色和大小。我們還根據(jù)類別列的值制作了一個不同的圖：

sns.relplot(x='Mes', y='deep learning', hue='data science', size='machine learning', col='categorical', data=df)

結(jié)果如下：

Seaborn提供的最受歡迎的圖形之一是熱圖。通常使用它來顯示數(shù)據(jù)集中變量之間的所有相關(guān)性：

sns.heatmap（df.corr（），annot = True，fmt ='。2f'）

結(jié)果如下：

另一個最受歡迎的是配對圖，它向我們顯示了所有變量之間的關(guān)系。如果您有一個大數(shù)據(jù)集，請謹(jǐn)慎使用此功能，因?yàn)樗仨氾@示所有數(shù)據(jù)點(diǎn)的次數(shù)與有列的次數(shù)相同，這意味著通過增加數(shù)據(jù)的維數(shù)，處理時間將成倍增加。

sns.pairplot（df）

結(jié)果如下：

現(xiàn)在讓我們做一個成對圖，顯示根據(jù)分類變量的值細(xì)分的圖表。

sns.pairplot（df，hue ='categorical'）

結(jié)果如下：

聯(lián)合圖是一個非常有用的圖，它使我們可以查看散點(diǎn)圖以及兩個變量的直方圖，并查看它們的分布方式：

sns.jointplot(x='data science', y='machine learning', data=df)

結(jié)果如下：

另一個有趣的圖形是ViolinPlot：

sns.catplot(x='categorical', y='data science', kind='violin', data=df)

結(jié)果如下：

我們可以像使用Matplotlib一樣在一個圖像中創(chuàng)建多個圖形：

fig, axes = plt.subplots(1, 2, sharey=True, figsize=(8, 4))
sns.scatterplot(x="Mes", y="deep learning", hue="categorical", data=df, ax=axes[0])
axes[0].set_title('Deep Learning')
sns.scatterplot(x="Mes", y="machine learning", hue="categorical", data=df, ax=axes[1])
axes[1].set_title('Machine Learning')

結(jié)果如下：

5. Bokeh

Bokeh是一個庫，可用于生成交互式圖形。我們可以將它們導(dǎo)出到HTML文檔中，并與具有Web瀏覽器的任何人共享。

當(dāng)我們有興趣在圖形中查找事物并且希望能夠放大并在圖形中移動時，它是一個非常有用的庫。或者，當(dāng)我們想共享它們并給其他人探索數(shù)據(jù)的可能性時。

我們首先導(dǎo)入庫并定義將要保存圖形的文件：

from bokeh.plotting import figure, output_file, save
output_file('data_science_popularity.html')

我們繪制所需內(nèi)容并將其保存在文件中：

p = figure(title='data science', x_axis_label='Mes', y_axis_label='data science')
p.line(df['Mes'], df['data science'], legend='popularity', line_width=2)
save(p)

結(jié)果如下：

將多個圖形添加到單個文件：

output_file('multiple_graphs.html')
s1 = figure(width=250, plot_height=250, title='data science')
s1.circle(df['Mes'], df['data science'], size=10, color='navy', alpha=0.5)
s2 = figure(width=250, height=250, x_range=s1.x_range, y_range=s1.y_range, title='machine learning') #share both axis range
s2.triangle(df['Mes'], df['machine learning'], size=10, color='red', alpha=0.5)
s3 = figure(width=250, height=250, x_range=s1.x_range, title='deep learning') #share only one axis range
s3.square(df['Mes'], df['deep learning'], size=5, color='green', alpha=0.5)
p = gridplot([[s1, s2, s3]])
save(p)

結(jié)果如下：

6. altair

我認(rèn)為Altair不會給我們已經(jīng)與其他圖書館討論的內(nèi)容帶來任何新的東西，因此，我將不對其進(jìn)行深入討論。我想提到這個庫，因?yàn)橐苍S在他們的示例畫廊中，我們可以找到一些可以幫助我們的特定圖形。

7. folium

Folium是一項(xiàng)研究，可以讓我們繪制地圖，標(biāo)記，也可以在上面繪制數(shù)據(jù)。Folium讓我們選擇地圖的提供者，這決定了地圖的樣式和質(zhì)量。在本文中，為簡單起見，我們僅將OpenStreetMap視為地圖提供者。

使用地圖非常復(fù)雜，值得一讀。在這里，我們只是看一下基礎(chǔ)知識，并用我們擁有的數(shù)據(jù)繪制幾張地圖。

讓我們從基礎(chǔ)開始，我們將繪制一個簡單的地圖，上面沒有任何內(nèi)容。

import folium
m1 = folium.Map(location=[41.38, 2.17], tiles='openstreetmap', zoom_start=18)
m1.save('map1.html')

結(jié)果如下：

我們?yōu)榈貓D生成一個交互式文件，您可以在其中隨意移動和縮放。

我們可以在地圖上添加標(biāo)記：

m2 = folium.Map(location=[41.38, 2.17], tiles='openstreetmap', zoom_start=16)
folium.Marker([41.38, 2.176], popup='<i>You can use whatever HTML code you want</i>', tooltip='click here').add_to(m2)
folium.Marker([41.38, 2.174], popup='<b>You can use whatever HTML code you want</b>', tooltip='dont click here').add_to(m2)
m2.save('map2.html')

結(jié)果如下：

你可以看到交互式地圖文件，可以在其中單擊標(biāo)記。

在開頭提供的數(shù)據(jù)集中，我們有國家名稱和人工智能術(shù)語的流行度?？焖倏梢暬?，您會發(fā)現(xiàn)有些國家缺少這些值之一。我們將消除這些國家，以使其變得更加容易。然后，我們將使用Geopandas將國家/地區(qū)名稱轉(zhuǎn)換為可在地圖上繪制的坐標(biāo)。

from geopandas.tools import geocode
df2 = pd.read_csv('mapa.csv')
df2.dropna(axis=0, inplace=True)
df2['geometry'] = geocode(df2['País'], provider='nominatim')['geometry'] #It may take a while because it downloads a lot of data.
df2['Latitude'] = df2['geometry'].apply(lambda l: l.y)
df2['Longitude'] = df2['geometry'].apply(lambda l: l.x)

結(jié)果如下：

現(xiàn)在，我們已經(jīng)按照緯度和經(jīng)度對數(shù)據(jù)進(jìn)行了編碼，現(xiàn)在讓我們在地圖上進(jìn)行表示。我們將從BubbleMap開始，在其中繪制各個國家的圓圈。它們的大小將取決于該術(shù)語的受歡迎程度，而顏色將是紅色或綠色，具體取決于它們的受歡迎程度是否超過某個值。

m3 = folium.Map(location=[39.326234,-4.838065], tiles='openstreetmap', zoom_start=3)
def color_producer(val):
 if val <= 50:
  return 'red'
 else:
  return 'green'
for i in range(0,len(df2)):
 folium.Circle(location=[df2.iloc[i]['Latitud'], df2.iloc[i]['Longitud']], radius=5000*df2.iloc[i]['data science'], color=color_producer(df2.iloc[i]['data science'])).add_to(m3)
m3.save('map3.html')

結(jié)果如下：

在何時使用哪個庫？

有了各種各樣的庫，怎么做選擇？快速的答案是讓你可以輕松制作所需圖形的庫。

對于項(xiàng)目的初始階段，使用Pandas和Pandas分析，我們將進(jìn)行快速可視化以了解數(shù)據(jù)。如果需要可視化更多信息，可以使用在matplotlib中可以找到的簡單圖形作為散點(diǎn)圖或直方圖。

對于項(xiàng)目的高級階段，我們可以在主庫（Matplotlib，Seaborn，Bokeh，Altair）的圖庫中搜索我們喜歡并適合該項(xiàng)目的圖形。這些圖形可用于在報告中提供信息，制作交互式報告，搜索特定值等。

如有文章對你有幫助，
“在看”和轉(zhuǎn)發(fā)是對我最大的支持！


關(guān)注Python人工智能編程