|
今天我來給你講講Python的可視化技術(shù)。 如果你想要用Python進行數(shù)據(jù)分析，就需要在項目初期開始進行探索性的數(shù)據(jù)分析，這樣方便你對數(shù)據(jù)有一定的了解。其中最直觀的就是采用數(shù)據(jù)可視化技術(shù)，這樣，數(shù)據(jù)不僅一目了然，而且更容易被解讀。同樣在數(shù)據(jù)分析得到結(jié)果之后，我們還需要用到可視化技術(shù)，把最終的結(jié)果呈現(xiàn)出來。 可視化視圖都有哪些？ 按照數(shù)據(jù)之間的關(guān)系，我們可以把可視化視圖劃分為4類，它們分別是比較、聯(lián)系、構(gòu)成和分布。我來簡單介紹下這四種關(guān)系的特點： 比較：比較數(shù)據(jù)間各類別的關(guān)系，或者是它們隨著時間的變化趨勢，比如折線圖； 聯(lián)系：查看兩個或兩個以上變量之間的關(guān)系，比如散點圖； 構(gòu)成：每個部分占整體的百分比，或者是隨著時間的百分比變化，比如餅圖； 分布：關(guān)注單個變量，或者多個變量的分布情況，比如直方圖。 同樣，按照變量的個數(shù)，我們可以把可視化視圖劃分為單變量分析和多變量分析。
可視化的視圖可以說是分門別類，多種多樣，今天我主要介紹常用的10種視圖，包括了散點圖、折線圖、直方圖、條形圖、箱線圖、餅圖、熱力圖、蜘蛛圖、二元變量分布、成對關(guān)系。 散點圖 散點圖的英文叫做scatter plot，它將兩個變量的值顯示在二維坐標中，非常適合展示兩個變量之間的關(guān)系。當然，除了二維的散點圖，我們還有三維的散點圖。 我在上一講中給你簡單介紹了下Matplotlib這個工具，在Matplotlib中，我們經(jīng)常會用到pyplot這個工具包，它包括了很多繪圖函數(shù)，類似Matlab的繪圖框架。在使用前你需要進行引用： import matplotlib.pyplot as plt 在工具包引用后，畫散點圖，需要使用plt.scatter(x, y, marker=None)函數(shù)。x、y 是坐標，marker代表了標記的符號。比如“x”、“>”或者“o”。選擇不同的marker，呈現(xiàn)出來的符號樣式也會不同，你可以自己試一下。 下面三張圖分別對應(yīng)“x”“>”和“o”。   除了Matplotlib外，你也可以使用Seaborn進行散點圖的繪制。在使用Seaborn前，也需要進行包引用： import seaborn as sns 在引用seaborn工具包之后，就可以使用seaborn工具包的函數(shù)了。如果想要做散點圖，可以直接使用sns.jointplot(x, y, data=None, kind='scatter')函數(shù)。其中x、y是data中的下標。data就是我們要傳入的數(shù)據(jù)，一般是DataFrame類型。kind這類我們?nèi)catter，代表散點的意思。當然kind還可以取其他值，這個我在后面的視圖中會講到，不同的kind代表不同的視圖繪制方式。 好了，讓我們來模擬下，假設(shè)我們的數(shù)據(jù)是隨機的1000個點。  我們運行一下這個代碼，就可以看到下面的視圖（第一張圖為Matplotlib繪制的，第二張圖為Seaborn繪制的）。其實你能看到Matplotlib和Seaborn的視圖呈現(xiàn)還是有差別的。Matplotlib默認情況下呈現(xiàn)出來的是個長方形。而Seaborn呈現(xiàn)的是個正方形，而且不僅顯示出了散點圖，還給了這兩個變量的分布情況。 Matplotlib繪制：  Seaborn繪制：  擴展閱讀： 數(shù)據(jù)可視化：掌握數(shù)據(jù)領(lǐng)域的萬金油技能 折線圖 折線圖可以用來表示數(shù)據(jù)隨著時間變化的趨勢。 在Matplotlib中，我們可以直接使用plt.plot函數(shù)，當然需要提前把數(shù)據(jù)按照X軸的大小進行排序，要不畫出來的折線圖就無法按照X軸遞增的順序展示。 在Seaborn中，我們使用sns.lineplot (x, y, data=None)函數(shù)。其中x、y是data中的下標。data就是我們要傳入的數(shù)據(jù)，一般是DataFrame類型。 這里我們設(shè)置了x、y的數(shù)組。x數(shù)組代表時間（年），y數(shù)組我們隨便設(shè)置幾個取值。下面是詳細的代碼。  然后我們分別用Matplotlib和Seaborn進行畫圖，可以得到下面的圖示。你可以看出這兩個圖示的結(jié)果是完全一樣的，只是在seaborn中標記了x和y軸的含義。   直方圖 直方圖是比較常見的視圖，它是把橫坐標等分成了一定數(shù)量的小區(qū)間，這個小區(qū)間也叫作“箱子”，然后在每個“箱子”內(nèi)用矩形條（bars）展示該箱子的箱子數(shù)（也就是y值），這樣就完成了對數(shù)據(jù)集的直方圖分布的可視化。 在Matplotlib中，我們使用plt.hist(x, bins=10)函數(shù)，其中參數(shù)x是一維數(shù)組，bins代表直方圖中的箱子數(shù)量，默認是10。 在Seaborn中，我們使用sns.distplot(x, bins=10, kde=True)函數(shù)。其中參數(shù)x是一維數(shù)組，bins代表直方圖中的箱子數(shù)量，kde代表顯示核密度估計，默認是True，我們也可以把kde設(shè)置為False，不進行顯示。核密度估計是通過核函數(shù)幫我們來估計概率密度的方法。 這是一段繪制直方圖的代碼。  我們創(chuàng)建一個隨機的一維數(shù)組，然后分別用Matplotlib和Seaborn進行直方圖的顯示，結(jié)果如下，你可以看出，沒有任何差別，其中最后一張圖就是kde默認為Ture時的顯示情況。   熱力圖 熱力圖，英文叫heat map，是一種矩陣表示方法，其中矩陣中的元素值用顏色來代表，不同的顏色代表不同大小的值。通過顏色就能直觀地知道某個位置上數(shù)值的大小。另外你也可以將這個位置上的顏色，與數(shù)據(jù)集中的其他位置顏色進行比較。 熱力圖是一種非常直觀的多元變量分析方法。 我們一般使用Seaborn中的sns.heatmap(data)函數(shù)，其中data代表需要繪制的熱力圖數(shù)據(jù)。 這里我們使用Seaborn中自帶的數(shù)據(jù)集flights，該數(shù)據(jù)集記錄了1949年到1960年期間，每個月的航班乘客的數(shù)量。 通過seaborn的heatmap函數(shù)，我們可以觀察到不同年份，不同月份的乘客數(shù)量變化情況，其中顏色越淺的代表乘客數(shù)量越多，如下圖所示： 成對關(guān)系 如果想要探索數(shù)據(jù)集中的多個成對雙變量的分布，可以直接采用sns.pairplot函數(shù)。它會同時展示出DataFrame中每對變量的關(guān)系，另外在對角線上，你能看到每個變量自身作為單變量的分布情況。它可以說是探索性分析中的常用函數(shù)，可以很快幫我們理解變量對之間的關(guān)系。 pairplot函數(shù)的使用，就好像我們對DataFrame使用describe函數(shù)一樣方便，是數(shù)據(jù)探索中的常用函數(shù)。 這里我們使用Seaborn中自帶的iris數(shù)據(jù)集，這個數(shù)據(jù)集也叫鳶尾花數(shù)據(jù)集。鳶尾花可以分成Setosa、Versicolour和Virginica三個品種，在這個數(shù)據(jù)集中，針對每一個品種，都有50個數(shù)據(jù)，每個數(shù)據(jù)中包括了4個屬性，分別是花萼長度、花萼寬度、花瓣長度和花瓣寬度。通過這些數(shù)據(jù)，需要你來預(yù)測鳶尾花卉屬于三個品種中的哪一種。 這里我們用seaborn中的pairplot函數(shù)來對數(shù)據(jù)集中的多個雙變量的關(guān)系進行探索，如下圖所示。從圖上你能看出，一共有sepal_length、sepal_width、petal_length和petal_width4個變量，它們分別是花萼長度、花萼寬度、花瓣長度和花瓣寬度。 下面這張圖相當于這4個變量兩兩之間的關(guān)系。比如矩陣中的第一張圖代表的就是花萼長度自身的分布圖，它右側(cè)的這張圖代表的是花萼長度與花萼寬度這兩個變量之間的關(guān)系。 關(guān)于本次Python可視化的學習，我希望你能掌握： 視圖的分類，以及可以從哪些維度對它們進行分類； 十種常見視圖的概念，以及如何在Python中進行使用，都需要用到哪些函數(shù)； 需要自己動手跑一遍案例中的代碼，體驗下Python數(shù)據(jù)可視化的過程。 |
|
|
