Python学习教程：Python可视化工具包

Python学习教程：Python可视化工具包

伙伴们，用python做项目的你们做图表的时候有没有因为不知道用哪种又好看又好用的可视化工具包特纠结过？反正天秤座的小强是有些纠结的。

在这里小强总结了八种在 Python 中实现的可视化工具包！看完保证你以后不纠结！（有些是可以用在其他语言的哦）

用 Python 创建图形的方法有很多，但是哪种方法是最好的呢？当我们做可视化之前，要先明确一些关于图像目标的问题：你是想初步了解数据的分布情况？想展示时给人们留下深刻印象？也许你想给某人展示一个内在的形象，一个中庸的形象？

这里小强将介绍一些常用的 Python 可视化包，包括这些包的优缺点以及分别适用于什么样的场景。这篇文章只扩展到 2D 图，为下一次讲 3D 图和商业报表（dashboard）留了一些空间，不过这次要讲的包中，许多都可以很好地支持 3D 图和商业报表。

Matplotlib、Seaborn 和 Pandas

把这三个包放在一起有几个原因：首先 Seaborn 和 pandas 是建立在 Matplotlib 之上的，当你在用 Seaborn 或 Pandas 中的 df.plot() 时，用的其实是别人用 Matplotlib 写的代码。因此，这些图在美化方面是相似的，自定义图时用的语法也都非常相似。

当提到这些可视化工具时，我想到三个词：探索（Exploratory）、数据（Data）、分析（Analysis）。这些包都很适合第一次探索数据，但要做演示时用这些包就不够了。

Matplotlib 是比较低级的库，但它所支持的自定义程度令人难以置信（所以不要简单地将其排除在演示所用的包之外！），但还有其它更适合做展示的工具。

Matplotlib 还可以选择样式（style selection），它模拟了像 ggplot2 和 xkcd 等很流行的美化工具。下面是我用 Matplotlib 及相关工具所做的示例图：

在处理篮球队薪资数据时，我想找出薪资中位数最高的团队。为了展示结果，我将每个球队的工资用颜色标成条形图，来说明球员加入哪一支球队才能获得更好的待遇。

import seaborn as sns
import matplotlib.pyplot as plt

color_order = ['xkcd:cerulean', 'xkcd:ocean',
                'xkcd:black','xkcd:royal purple',
                'xkcd:royal purple', 'xkcd:navy blue',
                'xkcd:powder blue', 'xkcd:light maroon', 
                'xkcd:lightish blue','xkcd:navy']

sns.barplot(x=top10.Team,
            y=top10.Salary,
            palette=color_order).set_title('Teams with Highest Median Salary')

plt.ticklabel_fORMat(style='sci', axis='y', scilimits=(,))

第二个图是回归实验残差的 Q-Q 图。这张图的主要目的是展示如何用尽量少的线条做出一张有用的图，当然也许它可能不那么美观。

import matplotlib.pyplot as plt
import scipy.stats as stats

#model2 is a regression model
log_resid = model2.predict(X_test)-y_test
stats.probplot(log_resid, dist="norm", plot=plt)
plt.title("Normal Q-Q plot")
plt.show()

最终证明，Matplotlib 及其相关工具的效率很高，但就演示而言它们并不是最好的工具。

ggplot(2)

你可能会问，「Aaron，ggplot 是 R 中最常用的可视化包，但你不是要写 Python 的包吗？」。人们已经在 Python 中实现了 ggplot2，复制了这个包从美化到语法的一切内容。

在我看过的所有材料中，它的一切都和 ggplot2 很像，但这个包的好处是它依赖于 Pandas Python 包。不过 Pandas Python 包最近弃用了一些方法，导致 Python 版本不兼容。

如果你想在 R 中用真正的 ggplot（除了依赖关系外，它们的外观、感觉以及语法都是一样的），我在另外一篇文章中对此进行过讨论。

也就是说，如果你一定要在 Python 中用 ggplot，那你就必须要安装 0.19.2 版的 Pandas，但我建议你最好不要为了使用较低级的绘图包而降低 Pandas 的版本。

ggplot2（我觉得也包括 Python 的 ggplot）举足轻重的原因是它们用「图形语法」来构建图片。基本前提是你可以实例化图，然后分别添加不同的特征；也就是说，你可以分别对标题、坐标轴、数据点以及趋势线等进行美化。

下面是 ggplot 代码的简单示例。我们先用 ggplot 实例化图，设置美化属性和数据，然后添加点、主题以及坐标轴和标题标签。

#All Salaries
ggplot(data=df, aes(x=season_start, y=salary, colour=team)) +
  geom_point() +
  theme(legend.position="none") +
  labs(title = 'Salary Over Time', x='Year', y='Salary ($)')

Bokeh

Bokeh 很美。从概念上讲，Bokeh 类似于 ggplot，它们都是用图形语法来构建图片，但 Bokeh 具备可以做出专业图形和商业报表且便于使用的界面。为了说明这一点，我根据 538 Masculinity Survey 数据集写了制作直方图的代码：

import pandas as pd
from bokeh.plotting import figure
from bokeh.io import show

# is_masc is a one-hot encoded dataframe of responses to the question:
# "Do you identify as masculine?"

#Dataframe Prep
counts = is_masc.sum()
resps = is_masc.columns

#Bokeh
p2 = figure(title='Do You View Yourself As Masculine?',
          x_axis_label='Response',
          y_axis_label='Count',
          x_range=list(resps))
p2.vbar(x=resps, top=counts, width=0.6, fill_color='red', line_color='black')
show(p2)

#Pandas
counts.plot(kind='bar')

用 Bokeh 表示调查结果

红色的条形图表示 538 个人关于「你认为自己有男子汉气概吗？」这一问题的答案。9~14 行的 Bokeh 代码构建了优雅且专业的响应计数直方图——字体大小、y 轴刻度和格式等都很合理。

我写的代码大部分都用于标记坐标轴和标题，以及为条形图添加颜色和边框。在制作美观且表现力强的图片时，我更倾向于使用 Bokeh——它已经帮我们完成了大量美化工作。

用 Pandas 表示相同的数据

蓝色的图是上面的第 17 行代码。这两个直方图的值是一样的，但目的不同。在探索性设置中，用 Pandas 写一行代码查看数据很方便，但 Bokeh 的美化功能非常强大。

Bokeh 提供的所有便利都要在 matplotlib 中自定义，包括 x 轴标签的角度、背景线、y 轴刻度以及字体（大小、斜体、粗体）等。下图展示了一些随机趋势，其自定义程度更高：使用了图例和不同的颜色和线条。

Bokeh 还是制作交互式商业报表的绝佳工具。

Plotly

Plotly 非常强大，但用它设置和创建图形都要花费大量时间，而且都不直观。在用 Plotly 忙活了大半个上午后，我几乎什么都没做出来，干脆直接去吃饭了。我只创建了不带坐标标签的条形图，以及无法删掉线条的「散点图」。Ploty 入门时有一些要注意的点：

• 安装时要有 api 秘钥，还要注册，不是只用 pip 安装就可以；

• Plotly 所绘制的数据和布局对象是独一无二的，但并不直观；

• 图片布局对我来说没有用（40 行代码毫无意义！）

但它也有优点，而且设置中的所有缺点都有相应的解决方法：

• 你可以在 Plotly 网站和 Python 环境中编辑图片；

• 支持交互式图片和商业报表；

• Plotly 与 Mapbox 合作，可以自定义地图；

• 很有潜力绘制优秀图形。

以下是我针对这个包编写的代码：

#plot 1 - barplot
# **note** - the layout lines do nothing and trip no errors
data = [Go.Bar(x=team_ave_df.team,
              y=team_ave_df.turnovers_per_mp)]

layout = go.Layout(

    title=go.layout.Title(
        text='Turnovers per Minute by Team',
        xref='paper',
        x=
    ),

    xaxis=go.layout.XAxis(
        title = go.layout.xaxis.Title(
            text='Team',
            font=dict(
                    family='Courier New, monospace',
                    size=18,
                    color='#7f7f7f'
                )
        )
    ),

    yaxis=go.layout.YAxis(
        title = go.layout.yaxis.Title(
            text='Average Turnovers/Minute',
            font=dict(
                    family='Courier New, monospace',
                    size=18,
                    color='#7f7f7f'
                )
        )
    ),

    autosize=True,
    hovermode='closest')

py.iplot(figure_or_data=data, layout=layout, filename='jupyter-plot', sharing='public', fileopt='overwrite')
#plot 2 - attempt at a scatterplot
data = [go.Scatter(x=player_year.minutes_played,
                  y=player_year.salary,
                  marker=go.scatter.Marker(color='red',
                                          size=3))]

layout = go.Layout(title="test",
                xaxis=dict(title='why'),
                yaxis=dict(title='plotly'))

py.iplot(figure_or_data=data, layout=layout, filename='jupyter-plot2', sharing='public')

[Image: image.png]

表示不同 NBA 球队每分钟平均失误数的条形图。

表示薪水和在 NBA 的打球时间之间关系的散点图

总体来说，开箱即用的美化工具看起来很好，但我多次尝试逐字复制文档和修改坐标轴标签时却失败了。但下面的图展示了 Plotly 的潜力，以及我为什么要在它身上花好几个小时：

Plotly 页面上的一些示例图

Pygal

Pygal 的名气就不那么大了，和其它常用的绘图包一样，它也是用图形框架语法来构建图像的。由于绘图目标比较简单，因此这是一个相对简单的绘图包。使用 Pygal 非常简单：

• 实例化图片；

• 用图片目标属性格式化；

• 用 figure.add() 将数据添加到图片中。

我在使用 Pygal 的过程中遇到的主要问题在于图片渲染。必须要用 render_to_file 选项，然后在 WEB 浏览器中打开文件，才能看见我刚刚构建的东西。

最终看来这是值得的，因为图片是交互式的，有令人满意而且便于自定义的美化功能。总而言之，这个包看起来不错，但在文件的创建和渲染部分比较麻烦。

Networkx

虽然 Networkx 是基于 matplotlib 的，但它仍是图形分析和可视化的绝佳解决方案。图形和网络不是我的专业领域，但 Networkx 可以快速简便地用图形表示网络之间的连接。以下是我针对一个简单图形构建的不同的表示，以及一些从斯坦福 SNAP 下载的代码（关于绘制小型 Facebook 网络）。

我按编号（1~10）用颜色编码了每个节点，代码如下：

options = {
    'node_color' : range(len(G)),
    'node_size' : 300,
    'width' : 1,
    'with_labels' : False,
    'cmap' : plt.cm.coolwarm
}
nx.draw(G, **options)

用于可视化上面提到的稀疏 Facebook 图形的代码如下：

import itertools
import networkx as nx
import matplotlib.pyplot as plt

f = open('data/facebook/1684.circles', 'r')
circles = [line.split() for line in f]
f.close()

network = []
for circ in circles:
    cleaned = [int(val) for val in circ[1:]]
    network.append(cleaned)

G = nx.Graph()
for v in network:
    G.add_nodes_from(v)

edges = [itertools.combinations(net,2) for net in network]

for edge_group in edges:
    G.add_edges_from(edge_group)

options = {
    'node_color' : 'lime',
    'node_size' : 3,
    'width' : 1,
    'with_labels' : False,
}
nx.draw(G, **options)

这个图形非常稀疏，Networkx 通过最大化每个集群的间隔展现了这种稀疏化。

有很多数据可视化的包，但没法说哪个是最好的。希望阅读本文后，你可以了解到在不同的情境下，该如何使用不同的美化工具和代码。