比 matplotlib 效率高十倍的數(shù)據(jù)可視化神器

https://mp.weixin.qq.com/s/DdME3Py88uujFNcoFIhLgg

原文鏈接：

https:///the-next-level-of-data-visualization-in-python-dd6e99039d5

當(dāng)我明知存在更高效、更具交互性和外觀更好的替代方案時，我卻仍然繼續(xù)使用一個過時的繪圖庫——matplotlib，只是因?yàn)槲以?jīng)花了數(shù)百個小時來學(xué)習(xí) matplotlib 復(fù)雜的語法。

幸運(yùn)的是，現(xiàn)在有許多的開源繪圖庫可供選擇，經(jīng)過仔細(xì)研究，我發(fā)現(xiàn) plotly 包無論從易用性、交互性還是功能性來看，都有絕對的優(yōu)勢。接下來，我將帶領(lǐng)大家學(xué)會如何用更少的時間繪制更美觀的可視化圖表——通常只需要一行代碼。

本文所有代碼都可以在 GitHub 上找到。讀者朋友們也可以直接在瀏覽器里打開 NBViewer 鏈接查看效果。地址獲取方式見文末。

plotly Python 包是一個構(gòu)建在 plotly.js 上的開源庫，而后者又是構(gòu)建在 d3.js 上的。我們將使用一個 plotly 的“包裝器”——cufflinks，它可以 plotly 的使用變得更加簡單。整個堆疊順序是cufflinks>plotly>plotly.js>d3.js，意味著我們同時獲得了 Python 的編程高效性和d3強(qiáng)大的圖形交互能力。（畢竟d3.js是全世界公認(rèn)的第一可視化框架！）

本文中所有工作都是使用 plotly+cufflinks 在 Jupyter Notebook 中完成的。在開始前，我們需要使用 pip install cufflinks plotly 在 Python 環(huán)境中安裝這兩個包，然后在 jupyter notebook 中導(dǎo)入這兩個包：

單變量-單變量制圖是開始一個數(shù)據(jù)分析的標(biāo)準(zhǔn)方法。直方圖是繪制單變量分布的首選方式。在這里，我使用的數(shù)據(jù)來源是我個人在 medium 網(wǎng)站上所寫過文章的統(tǒng)計信息，讓我們先來制作一個關(guān)于文章點(diǎn)贊次數(shù)的交互式直方圖（df 是一個標(biāo)準(zhǔn)的 Pandas 數(shù)據(jù)結(jié)構(gòu)）。

df['claps'].iplot(kind='hist', xTitle='claps', yTitle='count', title='Claps Distribution')

如果你已經(jīng)習(xí)慣使用matplotlib，你所需要做的只是在你原有代碼的基礎(chǔ)上添加一個字母，即把 plot 改為 iplot，就可以得到一個更加好看的交互式圖標(biāo)！我們可以通過鼠標(biāo)的滑動獲得更多的數(shù)據(jù)幾節(jié)，還可以放大圖的各個部分。

如果我們想要繪制重疊的直方圖，這很簡單：

通過一點(diǎn) pandas 處理，我們還可以制作一個條形圖：

#重采樣獲得每月的均值 e Views and Reads')

df2 = df[['view','reads','published_date']].set_index('published_date').resample('M').mean()
df2.iplot(kind='bar', xTitle='Date', yTitle='Average',    title='Monthly Average Views and Reads')

就像我們前面看到的那樣，pandas+plotly+cufflinks 這一組合的功能非常強(qiáng)大。如果我們要繪制一個關(guān)于每篇文章粉絲數(shù)量在不同發(fā)表渠道的分布情況的箱線圖，我們可以先使用 pandas 中DataFrame 的 pivot(透視表) 功能，然后再繪制圖表，如下：

交互式圖表的好處就在于，我們可以盡情地探索圖表中的數(shù)據(jù)。特別是在箱線圖中，包含的信息很多，如果不能局部放大查看，我們可能會錯過這些信息。

散點(diǎn)圖是大多數(shù)分析的核心，它可以使我們看到變量隨著時間的演變情況，也可以看到兩種變量之間的關(guān)系。

現(xiàn)實(shí)世界中的大部分?jǐn)?shù)據(jù)都與時間相關(guān)。幸運(yùn)的是，plotly + cufflinks 在設(shè)計之初就考慮到了時間序列的可視化。讓我們來創(chuàng)建一個關(guān)于我寫過文章情況的 dataframe，看看它的各項(xiàng)指標(biāo)是怎么隨著時間變化的。

#創(chuàng)建一個數(shù)據(jù)集，只包括發(fā)布在Towards Data Science渠道的文章
tds = df[df['publication'] == 'Towards Data Science']. set_index('published_date')

#將閱讀時間作為時間序列
tds[['claps', 'fans', 'title']].iplot(    y='claps', mode='lines+markers', secondary_y = 'fans',    secondary_y_title='Fans', xTitle='Date', yTitle='Claps',    text='title', title='Fans and Claps over Time')

我們在一行代碼里完成了很多不同的事情:

- 自動獲得了格式友好的時間序列作為x軸

- 添加一個次坐標(biāo)軸（第二y軸），因?yàn)樯蠄D中的兩個變量的值范圍不同。

- 添加文章的標(biāo)題到每個數(shù)據(jù)點(diǎn)中（鼠標(biāo)放上去可以顯示文章名和變量值）

如果要從圖表上了解更多的信息，我們還可以很容易地添加文本注釋：

對于由第三個分類變量著色的雙變量散點(diǎn)圖，我們使用：

#read_time代表文章所需閱讀時長，read_ratio代表閱讀比例，即閱讀文章的人數(shù)/點(diǎn)擊查看的人數(shù)
df.iplot( x='read_time', y='read_ratio',

# 定義類別變量
categories='publication',xTitle='Read
Time',yTitle='Reading Percent', title='Reading Percent vs Read Ratio by Publication')

如果要在圖表中體現(xiàn)三個數(shù)值變量，我們還可以使用氣泡圖，如下圖:橫坐標(biāo)、縱坐標(biāo)、氣泡的大小分別代表三個不同的變量——文章字?jǐn)?shù)的對數(shù)、閱讀數(shù)量、閱讀比例。

再做一點(diǎn)工作，我們甚至可以在一個圖表中體現(xiàn)四個變量！

結(jié)合 pandas 對數(shù)據(jù)進(jìn)行統(tǒng)計處理，我們可以得到很多非常有價值的圖，比如下面這張關(guān)于不同文章發(fā)表渠道的讀者點(diǎn)擊查看數(shù)量的變化趨勢圖，顯然名為Toward Data Science的發(fā)表渠道能給文章帶來更多的點(diǎn)擊量。

接下來所講述的圖表大家可能不會經(jīng)常用到，但是非常酷炫，值得了解一下。同樣，我們?nèi)匀恢皇褂靡恍写a就可以完成這些超級圖表。

當(dāng)我們想要探索許多變量之間的關(guān)系時，散點(diǎn)圖矩陣是非常好的選擇。

import plotly.figure_factory as ff
figure = ff.create_scatterplotmatrix(df[['claps', 'publication','views','read_ratio','word_count']],diag='histogram', index='publication')

以上的散點(diǎn)矩陣圖仍然是可以交互的，可以自由放大縮小，查看各個數(shù)據(jù)點(diǎn)的詳細(xì)信息。

為了將數(shù)值型變量的相關(guān)性可視化，我們可以先計算相關(guān)系數(shù)，接著就可以創(chuàng)建一個帶注釋的熱力圖:

我們還可以繪制非常酷炫的3D表面圖和3D氣泡圖：

當(dāng)你使用 plotly 在 notebook 中繪制圖表時，你可能注意到了每幅圖的右下角都有一個鏈接 “Export to ” 。如果你點(diǎn)擊該鏈接，就會跳轉(zhuǎn)到名為chart studio的云制圖平臺，然后你就可以對自己的圖標(biāo)進(jìn)行潤色，添加注釋、改改顏色、清理一些不必要的內(nèi)容等等。

你還可以在線發(fā)布該圖表，任何人可以直接通過鏈接訪問到你的圖表。
（比如我的這個3D圖，在瀏覽器中輸入后方鏈接可直接抵達(dá):https:///~Allencxl/3/）

前面所述的內(nèi)容還不算是這個庫的所有功能，非常鼓勵各位小伙伴們?nèi)ゲ榭?plotly 和 cufflinks 的文檔，肯定會有更多不可思議的神級可視化在等著你！

美國風(fēng)力發(fā)電廠的分布情況

我已經(jīng)因?yàn)楣虉?zhí)地使用matploblib而浪費(fèi)了太多時間，所以希望大家能通過這篇文章學(xué)習(xí)到一種新的方式提升自己的繪圖效率。
另外，當(dāng)我們在選擇繪圖庫的時候，有幾點(diǎn)是永遠(yuǎn)需要考慮的：

- 用少量的代碼進(jìn)行數(shù)據(jù)探索

- 可以實(shí)時與數(shù)據(jù)交互，查看數(shù)據(jù)子集情況

- 根據(jù)自己的需要，選擇性挖掘數(shù)據(jù)中的細(xì)節(jié)

- 非常便利地潤色最終演示的圖表

而到目前為止，能夠在 Python 中實(shí)現(xiàn)上述需求的不二選擇便是 plotly。plotly 使我們能夠快速地進(jìn)行可視化，讓我們通過與圖表的交互更好地了解我們的數(shù)據(jù)。日常工作中，在使用其他繪圖庫的時候，我感覺繪圖是一項(xiàng)單調(diào)乏味的任務(wù)，但是使用 plotly 時，我覺得繪圖是數(shù)據(jù)科學(xué)中相當(dāng)有趣的工作之一！