作者——Gilbert Tanner

如何利用Matplotlib,、Pandas和Seborn制作圖形,？

數(shù)據(jù)可視化是一門(mén)通過(guò)將數(shù)據(jù)放在可視環(huán)境中來(lái)理解數(shù)據(jù)的學(xué)科,，這樣我們就會(huì)更加詳細(xì)的知道/了解那些隱藏在數(shù)據(jù)下的模式、趨勢(shì)和相關(guān)性,。

Python提供了多個(gè)很棒的圖形庫(kù),，其中包含許多不同的特性。無(wú)論你是想創(chuàng)建交互式的,、實(shí)時(shí)的還是高度定制的繪圖,，python都為你提供了一個(gè)優(yōu)秀的庫(kù)。

這里有一些流行的庫(kù),，以及對(duì)它們的相關(guān)概述：

Matplotlib:在眾多庫(kù)中相對(duì)基礎(chǔ),，'規(guī)矩'少（https:///）。

Pandas Visualization:易于使用的界面,，建立在Matplotlib上（https://pandas./pandas-docs/stable/visualization.html）,。

Seaborn:操作難度較高，有很棒的默認(rèn)樣式（https://seaborn./）,。

ggplot:基于R的ggplot2（http://ggplot./）,。

Plotly:互動(dòng)性好（https:///python/）。

在本文中,，我們將學(xué)習(xí)如何使用Matplotlib,、Pandas visualization和Seaborn創(chuàng)建基本的圖，以及如何使用每個(gè)庫(kù)的一些特定特性,。本文將側(cè)重于語(yǔ)法,，而不是解釋圖，我將在另一篇博客文章中介紹這些圖,。

在以后的文章中,，我將介紹交互式繪圖工具，如Plotly,，它是在D3上構(gòu)建的,，也可以與JavaScript一起使用,。

導(dǎo)入數(shù)據(jù)集

在本文中，我們將使用兩個(gè)免費(fèi)的數(shù)據(jù)集,。即,，Iris（https://archive.ics./ml/datasets/iris）和Wine Reviews（https://www./zynicide/wine-reviews）數(shù)據(jù)集，我們可以使用panda read_csv方法加載該數(shù)據(jù)集,。

Matplotlib

Matplotlib是最流行的python繪圖庫(kù),。它是一個(gè)底層庫(kù),，帶有類(lèi)似Matlab的接口，自由程度高,，可以編寫(xiě)更多代碼,。

安裝Matplotlib可以使用pip和conda。

Matplotlib特別適合創(chuàng)建基本的圖形，如折線圖,、條形圖、直方圖等,。輸入:

散點(diǎn)圖

要在Matplotlib中創(chuàng)建散點(diǎn)圖,，可以使用scatter方法,，并且使用plt創(chuàng)建一個(gè)圖形和一個(gè)軸。所以我們可以給我們的圖像進(jìn)行標(biāo)記,。

我們可以通過(guò)在每個(gè)數(shù)據(jù)點(diǎn)上按其類(lèi)著色來(lái)賦予圖形更多的意義。這可以通過(guò)創(chuàng)建一個(gè)從類(lèi)映射到顏色的字典來(lái)實(shí)現(xiàn),，然后使用for循環(huán)來(lái)分散到每個(gè)點(diǎn),，并傳遞各自的顏色。

折線圖

在Matplotlib中,，我們可以通過(guò)調(diào)用plot方法創(chuàng)建一個(gè)折線圖,。我們還可以在一個(gè)圖中繪制多個(gè)列，方法是遍歷我們想要的列,，并在相同的軸上繪制每個(gè)列,。

柱狀圖

在Matplotlib中,，我們可以使用hist方法創(chuàng)建直方圖,。如果我們向它傳遞分類(lèi)數(shù)據(jù)，比如wine-review數(shù)據(jù)集中的列,，它將自動(dòng)計(jì)算每類(lèi)發(fā)生的頻率,。

條形圖

可以使用bar方法創(chuàng)建條形圖,。條形圖不會(huì)自動(dòng)計(jì)算類(lèi)別的頻率,，因此我們將使用panda value_counts函數(shù)來(lái)完成這一操作。條形圖對(duì)于沒(méi)有很多不同類(lèi)別(少于30個(gè))的分類(lèi)數(shù)據(jù)非常有用,，因?yàn)槿绻麤](méi)有條形圖,，分類(lèi)數(shù)據(jù)會(huì)變得非常混亂,。

Pandas Visualization

Panda是一個(gè)開(kāi)源的、高性能,、易于使用的庫(kù),，提供數(shù)據(jù)結(jié)構(gòu)(如dataframes)和數(shù)據(jù)分析工具(如本文中使用的可視化工具)。

Pandas Visualization使得從dataframe等中創(chuàng)建圖像變得非常容易,。它還具有比Matplotlib更高級(jí)的API,。換句話說(shuō),，對(duì)于相同的結(jié)果，我們需要的代碼更少,。

可以使用pip或conda安裝Panda,。

散點(diǎn)圖

要在panda中創(chuàng)建散點(diǎn)圖,，我們可以調(diào)用<dataset>.plot.scatter()并將兩個(gè)參數(shù)傳遞給它，即x列的名稱(chēng)和y列的名稱(chēng),。我們也可以選擇給它傳遞一個(gè)標(biāo)題,。

正如你在圖像中看到的,，它會(huì)自動(dòng)將x和y標(biāo)簽設(shè)置為列名,。

折線圖

要在panda中創(chuàng)建一個(gè)線形圖，我們可以調(diào)用<dataframe>.plot.line(),。在Matplotlib中,，我們需要循環(huán)遍歷要繪制的每一列，而在panda中,，我們不需要這樣做,，因?yàn)樗鼤?huì)自動(dòng)繪制所有可用的數(shù)字列。

如果我們有一個(gè)以上的特征,，Panda會(huì)自動(dòng)為我們創(chuàng)建一個(gè)折線圖，正如上圖所示,。

柱狀圖

在Panda中，我們可以根據(jù)具體內(nèi)容創(chuàng)建直方圖,。沒(méi)有任何參數(shù)是必需的,，但是我們可以選擇性地傳遞一些參數(shù)，比如bin大小,。

創(chuàng)建多個(gè)直方圖也非常容易,。

subplot參數(shù)指定我們希望為每個(gè)特性使用單獨(dú)的plot,，布局指定每行和每列的plot數(shù)量。

條形圖

要繪制柱狀圖,，我們可以使用plot.bar()方法,，但是在調(diào)用它之前，我們需要獲取數(shù)據(jù),。為此,，我們將首先使用value_count()方法計(jì)算事件數(shù)，然后使用sort_index()方法從最小到最大排序,。

使用plot.barh()方法制作水平條形圖也非常簡(jiǎn)單。

我們還可以繪制其他數(shù)據(jù)，比如是出現(xiàn)的次數(shù),。

在上面的例子中,，我們將數(shù)據(jù)按國(guó)家進(jìn)行分組,，然后取葡萄酒價(jià)格的平均值，并對(duì)其進(jìn)行排序,，繪制出平均葡萄酒價(jià)格最高的5個(gè)國(guó)家,。

Seaborn

Seaborn是一個(gè)基于Matplotlib的Python數(shù)據(jù)可視化庫(kù)。它為創(chuàng)建有吸引力的圖形提供了高級(jí)接口,。

Seaborn有很多東西可以提供,。在Matplotlib中，你可以在一行中創(chuàng)建需要幾十行代碼的圖形,。它的標(biāo)準(zhǔn)設(shè)計(jì)非常棒,，而且它還有一個(gè)用于處理panda dataframes的界面。

輸入:

散點(diǎn)圖

我們可以使用.scatterplot方法創(chuàng)建一個(gè)散點(diǎn)圖,就像Panda，我們需要把它的列名x和y數(shù)據(jù),但現(xiàn)在我們還需要把數(shù)據(jù)作為一個(gè)額外的參數(shù),因?yàn)槲覀儾皇侵苯诱{(diào)用函數(shù)的數(shù)據(jù),。

我們還可以使用hue參數(shù)通過(guò)類(lèi)突出顯示這些點(diǎn)，這比Matplotlib中簡(jiǎn)單得多,。

折線圖

創(chuàng)建線形圖,，我們可以使用sns. lineplot方法,。需要的參數(shù)是數(shù)據(jù)，在我們的示例中是Iris數(shù)據(jù)集中的四列數(shù)字,。我們也可以用sns.kdeplot方法對(duì)曲線的邊緣進(jìn)行四舍五入處理,，因此如果你的數(shù)據(jù)集中有很多離群值，這種方法會(huì)更清晰,。

直方圖

要在Seaborn中創(chuàng)建直方圖，我們使用sns.distplot方法,。我們需要將它傳遞到我們想要繪制的列中,，它會(huì)自己計(jì)算發(fā)生的事件。

條形圖

在Seaborn中，可以使用sns.countplot創(chuàng)建條形圖,，并將數(shù)據(jù)傳遞給它,。

其他圖

現(xiàn)在,，你已經(jīng)對(duì)Matplotlib、Panda可視化和Seaborn語(yǔ)法有了基本的了解,，接下來(lái)我將向你展示一些用于提取內(nèi)部?jī)?nèi)容的其他圖形類(lèi)型,。

大多數(shù)Seaborn是go to庫(kù),，因?yàn)樗母呒?jí)接口允許在幾行代碼中創(chuàng)建漂亮的圖形。

箱形圖

箱形圖是顯示五位數(shù)摘要的圖形化方法,。我們可以使用seaborns sns.boxplot創(chuàng)建box plot,，并將數(shù)據(jù)以及x和y列名傳遞給它（https://en./wiki/Five-number_summary）。

箱形圖,，就像柱狀圖一樣，只對(duì)少數(shù)類(lèi)別的數(shù)據(jù)非常有用,。

Heatmap

Heatmap是數(shù)據(jù)的圖形化表示,，其中矩陣中包含的各個(gè)值用顏色表示。Heatmap對(duì)于探索數(shù)據(jù)集中特征之間的相關(guān)性是非常完美的（https://en./wiki/Matrix_%28mathematics%29）,。

要獲得數(shù)據(jù)集內(nèi)特征的相關(guān)性,，我們可以調(diào)用<dataset>.corr()，這是一個(gè)來(lái)自panda dataframe方法,，會(huì)用到相關(guān)矩陣（https://www./what-is-a-correlation-matrix/）,。

我們現(xiàn)在可以使用Matplotlib或Seaborn來(lái)創(chuàng)建Heatmap。

Matplotlib:

要在Heatmap中添加注釋?zhuān)覀冃枰砑觾蓚€(gè)for循環(huán):

Seaborn使得創(chuàng)建Heatmap和添加注釋更加容易:

Faceting

Faceting是將數(shù)據(jù)變量分解成多個(gè)子圖,，并將這些子圖組合成單個(gè)圖形的操作。

如果想快速瀏覽數(shù)據(jù)集,，F(xiàn)aceting非常有用,。

要在Seaborn中使用faceting，我們可以使用FacetGrid,。首先,，我們需要定義FacetGrid，并將數(shù)據(jù)以及用于拆分?jǐn)?shù)據(jù)的行或列傳遞給它。然后我們需要調(diào)用FacetGrid對(duì)象上的函數(shù),，并定義要使用的繪圖類(lèi)型以及要繪制的列,。

你可以讓圖比上面的例子更大更復(fù)雜,。你可以在這里找到一些例子（https://seaborn./generated/seaborn.FacetGrid.html）,。

Pairplot

最后，我將向你展示Seaborns pairplot和panda scatter_matrix,，它們使你能夠在數(shù)據(jù)集中繪制成對(duì)關(guān)系網(wǎng)格,。

正如你在上面的圖像中看到的。圖的對(duì)角線用直方圖填充,，其他的圖是散點(diǎn)圖,。

結(jié)論

數(shù)據(jù)可視化是一門(mén)通過(guò)將數(shù)據(jù)放在可視環(huán)境中來(lái)理解數(shù)據(jù)的學(xué)科，這樣可能無(wú)法檢測(cè)到的模式,、趨勢(shì)和相關(guān)性就可以暴露出來(lái),。

Python提供了多個(gè)很棒的圖形庫(kù)，其中包含許多不同的特性,。在本文中,，我們研究了Matplotlib、Pandas和Seborn,。

本文中涉及的代碼可以作為Github存儲(chǔ)庫(kù)使用：https://github.com/TannerGilbert/Articles/tree/master/Introduction%20to%20Data%20Visualization%20in%C2%A0Python