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

  • 有這5小段代碼在手,輕松實現數據可視化Python+Matplotlib)

    本文要講的是Matplotlib,一個強大的Python可視化庫。一共5小段代碼輕松實現散點圖、折線圖、直方圖、柱狀圖、箱線圖,每段代碼只有10行,也是再簡單不過了吧!...

  • Python代碼實現5種最好的、簡單的數據可視化

    數據可視化數據科學家工作的重要組成部分。在項目的早期階段,您通常會進行探索性數據分析(EDA)以獲得對數據的一些見解。創建可視化確實有助于使事情更清晰、更容易理解,尤其是對于更大、更高維度的數據集。在項目即將結束時,能夠以...

  • 案例上手 Python 數據可視化

    課程亮點 6 個常用的數據可視化工具使用方法 20 個案例貫穿各個工具的學習過程 基于 GUI / HTML / Web 網站多種繪圖風格 中、美、日三國不同思想的制圖工具 從靜態到交互,滿足不同需要的圖示 課程背景 數據可視化數據分析和機器學習的重要環節,比如數據清洗、特征工程、機器學習、數據分析(特別是報告)、評估等環節都會用到“數據可視化”技術。 數據可視化同時還廣泛存在于各...

  • Python數據可視化

    數據可視化指的是通過可視化表示來探索數據,它與數據挖掘緊緊相關,而數據挖掘指的是使用代碼來探索數據集的規律和關聯。數據集可以是用一行代碼就能表示的小型數字列表,也可以是數以吉字節的數據。 漂亮地呈現數據關乎的并非僅僅是漂亮的圖片。以引人注目的簡潔方式呈現數據,讓人能夠明白其含義,發現數據集中原本未意識到的規律和意義。 在Python中,用于可視化和分析數據的工具有:matplotlib和Pygal...

  • python數據分析(數據可視化

    數據分析初始階段,通常都要進行可視化處理。數據可視化旨在直觀展示信息的分析結果和構思,令某些抽象數據具象化,這些抽象數據包括數據測量單位的性質或數量。本章用的程序庫matplotlib是建立在Numpy之上的一個Python圖庫,它提供了一個面向對象的API和一個過程式類的MATLAB API,他們可以并行使用

  • 5Python繪圖庫,為你輕松實現數據可視化

    讀圖時代,圖片不夠精美絢麗,怎能夠吸引住越來越挑剔的眼睛。而擁有“盛世美顏”的圖片是怎樣煉造而成的呢?大圣眾包小編介紹5款交互式圖表Python繪圖庫為你輕松實現數據可視化! Bokeh   作為一個專門針對Web瀏覽器的呈現功能的交互式可視化Python庫,Bokeh可以以各種可能途徑實現數據可視化,這是將Bokeh稱為每位數據科學家的必備“神器”的原因。  

  • Python編程-數據可視化項目實踐

    Python數據可視化項目實踐 1.數據可視化 數據可視化指的是通過可視化表示來探索數據,它與數據挖掘緊密相關。而數據挖掘指的是使用代碼來探索數據集的規律和關聯。 前面,我們練習使用Python最流行的工具之一matplotlib,它是一個數學繪圖庫,我們已經使用它來繪制簡單的圖表,如折線圖和散點圖。然后,我們基于隨機漫步概念生成了一個更有趣的數據集–根據一系列隨機決策生成的圖表。 我們還使用了...

  • Excel太煩、python太難,我用它就能輕松搞定數據可視化

    小李在一家連鎖超市企業的IT部門,經常要幫業務部分做數據分析,公司信息化建設發展比較落后,IT部門也只有兩個人,各種各樣的數據表經常讓小李加班加到頭疼,每次辛辛苦苦做好的分析報告,老板還總嫌丑。 眾所周知,超市的數據量十分的大,而且是實時變動的,小李平時做數據分析都是用的Excel,處理一些小數據量的數據很方便,但一碰到大數據量就會卡死,更別說實時更新數據了,而且用excel做一些復雜...

  • Python繪圖介紹

    現如今大數據已人盡皆知,但在這個信息大爆炸的時代里,空有海量數據是無實際使用價值,更不要說幫助管理者進行業務決策。那么數據有什么價值呢?用什么樣的手段才能把數據的價值直觀而清晰的表達出來? 答案是要提供像人眼一樣的直覺的、交互的和反應靈敏的可視化環境。數據可視化將技術與藝術完美結合,借助圖形化的手段,清晰有效地傳達與溝通信息,直觀、形象地顯示海量的數據和信息,并進行交互處理。 數據可視

  • 6 種 Python 數據可視化工具

    (點擊上方公眾號,可快速關注)英文:Chris Moffitt?,編譯:伯樂在線/李加慶簡介在 Python 中,將數據可視化有多種選擇,正是因為這種多樣性,何時選用何種方案才變得極具挑戰性。本文包含了一些較為流行的工具以及如何使用它們來創建簡單的條形圖,我將使用下面幾種工具來完成繪圖示例:PandasSeabornggplotBokehpygalPlotly在示例中,我將使用 pandas 處理

  • 數據挖掘(二)用python實現數據探索:匯總統計和可視化

    數據挖掘的第一步數據探索,包括匯總統計和可視化,介紹了相關概念,并結合鳶尾花數據展示了如何用Python進行匯總統計量的計算以及常用的可視化來幫助我們分析數據的性質。

  • 70種方法輕松入門Python可視化編程

    圖形可視化是展示數據的一個非常好的手段,好的圖表自己會說話。毋庸多言,在Python的世界里,matplotlib是最著名的繪圖庫,它支持幾乎所有的2D繪圖和部分3D繪圖,被廣泛地應用在科學計算和數據可視化領域。但是介紹matplotlib的中文書籍很少,大部分書籍只是在部分章節中提到了matplotlib的基本用法,因此在內容和深度上都力有不逮。《Py...

  • Python拉勾網數據采集與可視化

    全文簡介本文是先采集拉勾網上面的數據,采集的是Python崗位的數據,然后用Python進行可視化。主要涉及的是爬蟲&數據可視化的知識。爬蟲部分先用Python來抓取拉勾網上面的數據,采用的是簡單好用的requests模塊。主要注意的地方是,拉勾網屬于動態網頁,所以會用到瀏覽器的F12開發者工具進行抓包。抓包以后會發現,其實網頁是一個POST的形式,所以要提交數據,提交的數據如下圖:真實網...

  • 數據可視化-Python之Matplotlib

    數據可視化可以說是數據挖掘與結果展示很有力的工具。 程序繪圖可以得到比較個性化的圖像,而且易于大量生產大量的圖像。但是對于繪圖來書,最為重要的是之前額數據預處理。個人比較喜歡的繪圖工具平臺有R語言的ggplot2以及Python的matplotlib,R語言比python還要簡潔,產生圖像也鞥各位方便,繪圖庫很多,很多地圖可視化也是輕而易舉的實現。然而R語言針對大數據的處理效率不足,python

  • 10個對所有學科都有用的Python數據可視化

    轉自: 1、10 Useful Python Data Visualization Libraries for Any Discipline 2、10 Useful Python Data Visualization Libraries for Any Discipline 3、10個對所有學科都有用的Python數據可視化庫A great overview of 10 useful Pyth

  • Python 數據可視化

    Seaborn 庫 手冊翻譯導語: 原文翻譯+一點總結

  • Python后到底能干什么?網友:我太難了

    感覺全世界營銷文都在推Python,但是找不到工作的話,又有哪個機構會站出來給我推薦工作? 筆者冷靜分析多方數據,想跟大家說:關于超越老牌霸主Java,過去幾年間Python一直都被寄予厚望。但是事實是雖然上升趨勢,但是國內環境下,一時間是無法馬上就超越Java的,也可以換句話說:超越Java只是時間問題罷。 太囂張了會Python的人!找工作拿高薪這么簡單? https://edu....

  • 在中國程序員是青春飯嗎?

    今年,我也32了 ,為了不給大家誤導,咨詢了獵頭、圈內好友,以及年過35歲的幾位老程序員……舍了老臉去揭人家傷疤……希望能給大家以幫助,記得幫我點贊哦。 目錄: 你以為的人生 一次又一次的傷害 獵頭界的真相 如何應對互聯網行業的「中年危機」 一、你以為的人生 剛入行時,拿著傲人的工資,想著好好干,以為我們的人生是這樣的: 等真到了那一天,你會發現,你的人生很可能是這樣的: ...

  • Auto.JS實現抖音,刷寶等刷視頻app,自動點贊,自動滑屏,自動切換視頻

    Auto.JS實現抖音,刷寶等刷視頻app,自動點贊,自動滑屏,自動切換視頻 代碼如下 auto(); var appName=rawInput("","刷寶短視頻"); launchApp(appName); sleep("5000"); setScreenMetrics(1080,1920); toast("1023732997"); sleep("3000"); var num = 200...

  • 畢業5年,我問遍了身邊的大佬,總結了他們的學習方法

    我問了身邊10個大佬,總結了他們的學習方法,原來成功都是有跡可循的。

Global site tag (gtag.js) - Google Analytics 开心农场种蔬菜赚钱 出肖固定公式规律 湖南闲来麻将 网赚日赚100元平台 股票上证指数 网上炒股平台 英超赛程表新浪爱彩 股票短线分析 赚钱手机网游 詹姆斯篮球鞋 蜀山四川麻将安卓 国外网赚项目 股票融资条件 遇乐棋牌大厅 20选5开奖结果今天最新试机号 股票直播平台排名 金海岸棋牌送28