學好數據可視化，讓你在眾多應聘者中脫穎而出！

作者——Gilbert Tanner

如何利用Matplotlib、Pandas和Seborn制作圖形？

數據可視化是一門通過將數據放在可視環境中來理解數據的學科，這樣我們就會更加詳細的知道/了解那些隱藏在數據下的模式、趨勢和相關性。

Python提供了多個很棒的圖形庫，其中包含許多不同的特性。無論你是想創建交互式的、實時的還是高度定制的繪圖，python都為你提供了一個優秀的庫。

這里有一些流行的庫，以及對它們的相關概述：

Matplotlib:在眾多庫中相對基礎，'規矩'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，有很棒的默認樣式（https://seaborn./）。

ggplot:基于R的ggplot2（http://ggplot./）。

Plotly:互動性好（https:///python/）。

在本文中，我們將學習如何使用Matplotlib、Pandas visualization和Seaborn創建基本的圖，以及如何使用每個庫的一些特定特性。本文將側重于語法，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上構建的，也可以與JavaScript一起使用。

導入數據集

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

Matplotlib

Matplotlib是最流行的python繪圖庫。它是一個底層庫，帶有類似Matlab的接口，自由程度高，可以編寫更多代碼。

安裝Matplotlib可以使用pip和conda。

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

散點圖

要在Matplotlib中創建散點圖，可以使用scatter方法，并且使用plt創建一個圖形和一個軸。所以我們可以給我們的圖像進行標記。

我們可以通過在每個數據點上按其類著色來賦予圖形更多的意義。這可以通過創建一個從類映射到顏色的字典來實現，然后使用for循環來分散到每個點，并傳遞各自的顏色。

折線圖

在Matplotlib中，我們可以通過調用plot方法創建一個折線圖。我們還可以在一個圖中繪制多個列，方法是遍歷我們想要的列，并在相同的軸上繪制每個列。

柱狀圖

在Matplotlib中，我們可以使用hist方法創建直方圖。如果我們向它傳遞分類數據，比如wine-review數據集中的列，它將自動計算每類發生的頻率。

條形圖

可以使用bar方法創建條形圖。條形圖不會自動計算類別的頻率，因此我們將使用panda value_counts函數來完成這一操作。條形圖對于沒有很多不同類別(少于30個)的分類數據非常有用，因為如果沒有條形圖，分類數據會變得非常混亂。

Pandas Visualization

Panda是一個開源的、高性能、易于使用的庫，提供數據結構(如dataframes)和數據分析工具(如本文中使用的可視化工具)。

Pandas Visualization使得從dataframe等中創建圖像變得非常容易。它還具有比Matplotlib更高級的API。換句話說，對于相同的結果，我們需要的代碼更少。

可以使用pip或conda安裝Panda。

散點圖

要在panda中創建散點圖，我們可以調用<dataset>.plot.scatter()并將兩個參數傳遞給它，即x列的名稱和y列的名稱。我們也可以選擇給它傳遞一個標題。

正如你在圖像中看到的，它會自動將x和y標簽設置為列名。

折線圖

要在panda中創建一個線形圖，我們可以調用<dataframe>.plot.line()。在Matplotlib中，我們需要循環遍歷要繪制的每一列，而在panda中，我們不需要這樣做，因為它會自動繪制所有可用的數字列。

如果我們有一個以上的特征，Panda會自動為我們創建一個折線圖，正如上圖所示。

柱狀圖

在Panda中，我們可以根據具體內容創建直方圖。沒有任何參數是必需的，但是我們可以選擇性地傳遞一些參數，比如bin大小。

創建多個直方圖也非常容易。

subplot參數指定我們希望為每個特性使用單獨的plot，布局指定每行和每列的plot數量。

條形圖

要繪制柱狀圖，我們可以使用plot.bar()方法，但是在調用它之前，我們需要獲取數據。為此，我們將首先使用value_count()方法計算事件數，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單。

我們還可以繪制其他數據，比如是出現的次數。

在上面的例子中，我們將數據按國家進行分組，然后取葡萄酒價格的平均值，并對其進行排序，繪制出平均葡萄酒價格最高的5個國家。

Seaborn

Seaborn是一個基于Matplotlib的Python數據可視化庫。它為創建有吸引力的圖形提供了高級接口。

Seaborn有很多東西可以提供。在Matplotlib中，你可以在一行中創建需要幾十行代碼的圖形。它的標準設計非常棒，而且它還有一個用于處理panda dataframes的界面。

輸入:

散點圖

我們可以使用.scatterplot方法創建一個散點圖,就像Panda，我們需要把它的列名x和y數據,但現在我們還需要把數據作為一個額外的參數,因為我們不是直接調用函數的數據。

我們還可以使用hue參數通過類突出顯示這些點，這比Matplotlib中簡單得多。

折線圖

創建線形圖，我們可以使用sns. lineplot方法。需要的參數是數據，在我們的示例中是Iris數據集中的四列數字。我們也可以用sns.kdeplot方法對曲線的邊緣進行四舍五入處理，因此如果你的數據集中有很多離群值，這種方法會更清晰。

直方圖

要在Seaborn中創建直方圖，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，它會自己計算發生的事件。

條形圖

在Seaborn中，可以使用sns.countplot創建條形圖，并將數據傳遞給它。

其他圖

現在，你已經對Matplotlib、Panda可視化和Seaborn語法有了基本的了解，接下來我將向你展示一些用于提取內部內容的其他圖形類型。

大多數Seaborn是go to庫，因為它的高級接口允許在幾行代碼中創建漂亮的圖形。

箱形圖

箱形圖是顯示五位數摘要的圖形化方法。我們可以使用seaborns sns.boxplot創建box plot，并將數據以及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，只對少數類別的數據非常有用。

Heatmap

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

要獲得數據集內特征的相關性，我們可以調用<dataset>.corr()，這是一個來自panda dataframe方法，會用到相關矩陣（https://www./what-is-a-correlation-matrix/）。

我們現在可以使用Matplotlib或Seaborn來創建Heatmap。

Matplotlib:

要在Heatmap中添加注釋，我們需要添加兩個for循環:

Seaborn使得創建Heatmap和添加注釋更加容易:

Faceting

Faceting是將數據變量分解成多個子圖，并將這些子圖組合成單個圖形的操作。

如果想快速瀏覽數據集，Faceting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，并將數據以及用于拆分數據的行或列傳遞給它。然后我們需要調用FacetGrid對象上的函數，并定義要使用的繪圖類型以及要繪制的列。

你可以讓圖比上面的例子更大更復雜。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，它們使你能夠在數據集中繪制成對關系網格。

正如你在上面的圖像中看到的。圖的對角線用直方圖填充，其他的圖是散點圖。

結論

數據可視化是一門通過將數據放在可視環境中來理解數據的學科，這樣可能無法檢測到的模式、趨勢和相關性就可以暴露出來。

Python提供了多個很棒的圖形庫，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存儲庫使用：https://github.com/TannerGilbert/Articles/tree/master/Introduction%20to%20Data%20Visualization%20in%C2%A0Python