閱讀更多

1頂
0踩

編程語言
數據可視化是數據科學家工作中的重要組成部分。在項目的早期階段,你通常會進行探索性數據分析(Exploratory Data Analysis,EDA)以獲取對數據的一些理解。創建可視化方法確實有助于使事情變得更加清晰易懂,特別是對于大型、高維數據集。在項目結束時,以清晰、簡潔和引人注目的方式展現最終結果是非常重要的,因為你的受眾往往是非技術型客戶,只有這樣他們才可以理解。

Matplotlib 是一個流行的 Python 庫,可以用來很簡單地創建數據可視化方案。但每次創建新項目時,設置數據、參數、圖形和排版都會變得非常繁瑣和麻煩。在這篇博文中,我們將著眼于 5 個數據可視化方法,并使用 Python Matplotlib 為他們編寫一些快速簡單的函數。與此同時,這里有一個很棒的圖表,可用于在工作中選擇正確的可視化方法!

散點圖

散點圖非常適合展示兩個變量之間的關系,因為你可以直接看到數據的原始分布。 如下面第一張圖所示的,你還可以通過對組進行簡單地顏色編碼來查看不同組數據的關系。想要可視化三個變量之間的關系? 沒問題! 僅需使用另一個參數(如點大小)就可以對第三個變量進行編碼,如下面的第二張圖所示。


現在開始討論代碼。我們首先用別名 “plt” 導入 Matplotlib 的 pyplot 。要創建一個新的點陣圖,我們可調用 plt.subplots() 。我們將 x 軸和 y 軸數據傳遞給該函數,然后將這些數據傳遞給 ax.scatter() 以繪制散點圖。我們還可以設置點的大小、點顏色和 alpha 透明度。你甚至可以設置 Y 軸為對數刻度。標題和坐標軸上的標簽可以專門為該圖設置。這是一個易于使用的函數,可用于從頭到尾創建散點圖!
import matplotlib.pyplot as pltimport numpy as npdef scatterplot(x_data, y_data, x_label="", y_label="", title="", color = "r", yscale_log=False):

    # Create the plot object
    _, ax = plt.subplots()    # Plot the data, set the size (s), color and transparency (alpha)
    # of the points
    ax.scatter(x_data, y_data, s = 10, color = color, alpha = 0.75)    if yscale_log == True:
        ax.set_yscale('log')    # Label the axes and provide a title
    ax.set_title(title)
    ax.set_xlabel(x_label)
    ax.set_ylabel(y_label)

折線圖

當你可以看到一個變量隨著另一個變量明顯變化的時候,比如說它們有一個大的協方差,那最好使用折線圖。讓我們看一下下面這張圖。我們可以清晰地看到對于所有的主線隨著時間都有大量的變化。使用散點繪制這些將會極其混亂,難以真正明白和看到發生了什么。折線圖對于這種情況則非常好,因為它們基本上提供給我們兩個變量(百分比和時間)的協方差的快速總結。另外,我們也可以通過彩色編碼進行分組。

這里是折線圖的代碼。它和上面的散點圖很相似,只是在一些變量上有小的變化。
def lineplot(x_data, y_data, x_label="", y_label="", title=""):
    # Create the plot object
    _, ax = plt.subplots()    # Plot the best fit line, set the linewidth (lw), color and
    # transparency (alpha) of the line
    ax.plot(x_data, y_data, lw = 2, color = '#539caf', alpha = 1)    # Label the axes and provide a title
    ax.set_title(title)
    ax.set_xlabel(x_label)
    ax.set_ylabel(y_label)

直方圖

直方圖對于查看(或真正地探索)數據點的分布是很有用的。查看下面我們以頻率和 IQ 做的直方圖。我們可以清楚地看到朝中間聚集,并且能看到中位數是多少。我們也可以看到它呈正態分布。使用直方圖真得能清晰地呈現出各個組的頻率之間的相對差別。組的使用(離散化)真正地幫助我們看到了“更加宏觀的圖形”,然而當我們使用所有沒有離散組的數據點時,將對可視化可能造成許多干擾,使得看清真正發生了什么變得困難。

下面是在 Matplotlib 中的直方圖代碼。有兩個參數需要注意一下:首先,參數 n_bins 控制我們想要在直方圖中有多少個離散的組。更多的組將給我們提供更加完善的信息,但是也許也會引進干擾,使得我們遠離全局;另一方面,較少的組給我們一種更多的是“鳥瞰圖”和沒有更多細節的全局圖。其次,參數 cumulative 是一個布爾值,允許我們選擇直方圖是否為累加的,基本上就是選擇是 PDF(Probability Density Function,概率密度函數)還是 CDF(Cumulative Density Function,累積密度函數)。
def histogram(data, n_bins, cumulative=False, x_label = "", y_label = "", title = ""):
    _, ax = plt.subplots()
    ax.hist(data, n_bins = n_bins, cumulative = cumulative, color = '#539caf')
    ax.set_ylabel(y_label)
    ax.set_xlabel(x_label)
    ax.set_title(title)

想象一下我們想要比較數據中兩個變量的分布。有人可能會想你必須制作兩張直方圖,并且把它們并排放在一起進行比較。然而,實際上有一種更好的辦法:我們可以使用不同的透明度對直方圖進行疊加覆蓋。看下圖,均勻分布的透明度設置為 0.5 ,使得我們可以看到他背后的圖形。這樣我們就可以直接在同一張圖表里看到兩個分布。

對于重疊的直方圖,需要設置一些東西。首先,我們設置可同時容納不同分布的橫軸范圍。根據這個范圍和期望的組數,我們可以真正地計算出每個組的寬度。最后,我們在同一張圖上繪制兩個直方圖,其中有一個稍微更透明一些。
# Overlay 2 histograms to compare themdef overlaid_histogram(data1, data2, n_bins = 0, data1_name="", data1_color="#539caf", data2_name="", data2_color="#7663b0", x_label="", y_label="", title=""):
    # Set the bounds for the bins so that the two distributions are fairly compared
    max_nbins = 10
    data_range = [min(min(data1), min(data2)), max(max(data1), max(data2))]
    binwidth = (data_range[1] - data_range[0]) / max_nbins    if n_bins == 0
    	bins = np.arange(data_range[0], data_range[1] + binwidth, binwidth)    else: 
    	bins = n_bins    # Create the plot
    _, ax = plt.subplots()
    ax.hist(data1, bins = bins, color = data1_color, alpha = 1, label = data1_name)
    ax.hist(data2, bins = bins, color = data2_color, alpha = 0.75, label = data2_name)
    ax.set_ylabel(y_label)
    ax.set_xlabel(x_label)
    ax.set_title(title)
    ax.legend(loc = 'best')

柱狀圖

當你試圖將類別很少(可能小于10)的分類數據可視化的時候,柱狀圖是最有效的。如果我們有太多的分類,那么這些柱狀圖就會非常雜亂,很難理解。柱狀圖對分類數據很好,因為你可以很容易地看到基于柱的類別之間的區別(比如大小);分類也很容易劃分和用顏色進行編碼。我們將會看到三種不同類型的柱狀圖:常規的,分組的,堆疊的。在我們進行的過程中,請查看圖形下面的代碼。

常規的柱狀圖如下面的圖1。在 barplot() 函數中,xdata 表示 x 軸上的標記,ydata 表示 y 軸上的桿高度。誤差條是一條以每條柱為中心的額外的線,可以畫出標準偏差。

分組的柱狀圖讓我們可以比較多個分類變量。看看下面的圖2。我們比較的第一個變量是不同組的分數是如何變化的(組是G1,G2,……等等)。我們也在比較性別本身和顏色代碼。看一下代碼,y_data_list 變量實際上是一個 y 元素為列表的列表,其中每個子列表代表一個不同的組。然后我們對每個組進行循環,對于每一個組,我們在 x 軸上畫出每一個標記;每個組都用彩色進行編碼。

堆疊柱狀圖可以很好地觀察不同變量的分類。在圖3的堆疊柱狀圖中,我們比較了每天的服務器負載。通過顏色編碼后的堆棧圖,我們可以很容易地看到和理解哪些服務器每天工作最多,以及與其他服務器進行比較負載情況如何。此代碼的代碼與分組的條形圖相同。我們循環遍歷每一組,但這次我們把新柱放在舊柱上,而不是放在它們的旁邊。



def barplot(x_data, y_data, error_data, x_label="", y_label="", title=""):
    _, ax = plt.subplots()
    # Draw bars, position them in the center of the tick mark on the x-axis
    ax.bar(x_data, y_data, color = '#539caf', align = 'center')
    # Draw error bars to show standard deviation, set ls to 'none'
    # to remove line between points
    ax.errorbar(x_data, y_data, yerr = error_data, color = '#297083', ls = 'none', lw = 2, capthick = 2)
    ax.set_ylabel(y_label)
    ax.set_xlabel(x_label)
    ax.set_title(title)



def stackedbarplot(x_data, y_data_list, colors, y_data_names="", x_label="", y_label="", title=""):
    _, ax = plt.subplots()
    # Draw bars, one category at a time
    for i in range(0, len(y_data_list)):
        if i == 0:
            ax.bar(x_data, y_data_list[i], color = colors[i], align = 'center', label = y_data_names[i])
        else:
            # For each category after the first, the bottom of the
            # bar will be the top of the last category
            ax.bar(x_data, y_data_list[i], color = colors[i], bottom = y_data_list[i - 1], align = 'center', label = y_data_names[i])
    ax.set_ylabel(y_label)
    ax.set_xlabel(x_label)
    ax.set_title(title)
    ax.legend(loc = 'upper right')



def groupedbarplot(x_data, y_data_list, colors, y_data_names="", x_label="", y_label="", title=""):
    _, ax = plt.subplots()
    # Total width for all bars at one x location
    total_width = 0.8
    # Width of each individual bar
    ind_width = total_width / len(y_data_list)
    # This centers each cluster of bars about the x tick mark
    alteration = np.arange(-(total_width/2), total_width/2, ind_width)

    # Draw bars, one category at a time
    for i in range(0, len(y_data_list)):
        # Move the bar to the right on the x-axis so it doesn't
        # overlap with previously drawn ones
        ax.bar(x_data + alteration[i], y_data_list[i], color = colors[i], label = y_data_names[i], width = ind_width)
    ax.set_ylabel(y_label)
    ax.set_xlabel(x_label)
    ax.set_title(title)
    ax.legend(loc = 'upper right')

箱形圖

我們之前看了直方圖,它很好地可視化了變量的分布。但是如果我們需要更多的信息呢?也許我們想要更清晰的看到標準偏差?也許中值與均值有很大不同,我們有很多離群值?如果有這樣的偏移和許多值都集中在一邊呢?

這就是箱形圖所適合干的事情了。箱形圖給我們提供了上面所有的信息。實線框的底部和頂部總是第一個和第三個四分位(比如 25% 和 75% 的數據),箱體中的橫線總是第二個四分位(中位數)。像胡須一樣的線(虛線和結尾的條線)從這個箱體伸出,顯示數據的范圍。

由于每個組/變量的框圖都是分別繪制的,所以很容易設置。xdata 是一個組/變量的列表。Matplotlib 庫的 boxplot() 函數為 ydata 中的每一列或每一個向量繪制一個箱體。因此,xdata 中的每個值對應于 ydata 中的一個列/向量。我們所要設置的就是箱體的美觀。

def boxplot(x_data, y_data, base_color="#539caf", median_color="#297083", x_label="", y_label="", title=""):
    _, ax = plt.subplots()

    # Draw boxplots, specifying desired style
    ax.boxplot(y_data
               # patch_artist must be True to control box fill
               , patch_artist = True
               # Properties of median line
               , medianprops = {'color': median_color}
               # Properties of box
               , boxprops = {'color': base_color, 'facecolor': base_color}
               # Properties of whiskers
               , whiskerprops = {'color': base_color}
               # Properties of whisker caps
               , capprops = {'color': base_color})

    # By default, the tick label starts at 1 and increments by 1 for
    # each box drawn. This sets the labels to the ones we want
    ax.set_xticklabels(x_data)
    ax.set_ylabel(y_label)
    ax.set_xlabel(x_label)
    ax.set_title(title)

結語

使用 Matplotlib 有 5 個快速簡單的數據可視化方法。將相關事務抽象成函數總是會使你的代碼更易于閱讀和使用!我希望你喜歡這篇文章,并且學到了一些新的有用的技巧。

英文原文:5 Quick and Easy Data Visualizations in Python with Code
  • 大小: 251.3 KB
  • 大小: 60.9 KB
  • 大小: 87.3 KB
  • 大小: 199.8 KB
  • 大小: 137.6 KB
  • 大小: 34.5 KB
  • 大小: 14.4 KB
  • 大小: 16.2 KB
  • 大小: 18.7 KB
  • 大小: 16.8 KB
來自: oschina
1
0
評論 共 0 條 請登錄后發表評論

發表評論

您還沒有登錄,請您登錄后再發表評論

相關推薦

  • 五段代碼,讓你輕松實現Python數據可視化

    數據可視化是數據科學家工作的一項主要任務。在項目早期階段,通常會進行探索性數據分析(EDA)以獲取對數據的理解和洞察,尤其對于大型高維的數據集,數據可視化著實有助于使數據關系更清晰易懂。散點圖折線圖代碼與散點圖類似,只是一些微小的參數改動。直方圖關于怎么快速學python,可以加下小編的python學習群:611+530+101,不管你是小白還是大牛,小編我都歡迎,不定期分享干貨每天晚上20:00...

  • 有這5小段代碼在手,輕松實現數據可視化Python+Matplotlib)

    本文要講的是Matplotlib,一個強大的Python可視化庫。一共5小段代碼輕松實現散點圖、折線圖、直方圖、柱狀圖、箱線圖,每段代碼只有10行,也是再簡單不過了吧!...

  • 技術▍5 種使用 Python 代碼輕松實現數據可視化

    編譯:?oschina ?英文:towardsdatascience數據可視化是數據科學家工作中的重要組成部分。在項目的早期階段,你通常會進行探索性數據分析(Explor...

  • Python 代碼輕松實現數據可視化的5 種使用方法

    散點圖 散點圖非常適合展示兩個變量之間的關系,因為你可以直接看到數據的原始分布。 如下面第一張圖所示的,你還可以通過對組進行簡單地顏色編碼來查看不同組數據的關系。想要可視化三個變量之間的關系? 沒問題! 僅需使用另一個參數(如點大小)就可以對第三個變量進行編碼,如下面的第二張圖所示。 現在開始討論代碼。我們首先用別名 “plt” 導入 Matplotlib 的 pyplot 。要創建一個新的點...

  • 想要玩轉數據可視化?必看的33種經典圖表類型總結!!!

    導讀:隨著時代的發展,越來越多的數據量堆積,然而這些密密麻麻的數據的可讀性較差并且毫無重點,而數據可視化更加直觀有意義,更能幫助數據更易被人們理解和接受。 因此運用恰當的圖表實現數據可視化非常重要,本文歸結圖表的特點,匯總出一張思維導圖,幫助大家更快地選擇展現數據特點的圖表類型。 ? ▲圖表類型-思維指南(點擊可放大) ? 在這里我還是要推薦下我自己建的大數據學習交流裙:8051...

  • Python代碼輕松實現數據可視化的5 種使用方法

    散點圖 散點圖非常適合展示兩個變量之間的關系,因為你可以直接看到數據的原始分布。 如下面第一張圖所示的,你還可以通過對組進行簡單地顏色編碼來查看不同組數據的關系。想要可視化三個變量之間的關系? 沒問題! 僅需使用另一個參數(如點大小)就可以對第三個變量進行編碼,如下面的第二張圖所示。 現在開始討論代碼。我們首先用別名 “plt” 導入 Matplotlib 的 pyplot 。要...

  • 數據可視化前后端完整代碼

    數據可視化前后端完整代碼,鏈接數據庫,將數據庫中的數據取出,通過數據處理,在前端web網頁中展示。

  • 使用 Python 實現數據可視化(完整代碼

    當我們能夠充分理解數據,并能夠輕松向他人解釋數據時,數據才有價值;我們的讀者可以通過可視化互動或其他數據使用方式來探尋一個故事的背后發生了什么,因此,數據可視化至關重要。數據可視化的目的其實就是直觀地展現數據,例如讓花費數小時甚至更久才能歸納的數據量,轉化成一眼就能讀懂的指標;通過加減乘除、各類公式權衡計算得到的兩組數據差異,在圖中通過顏色差異、長短大小即能形成對比。在本文中,我們將著眼于 5 個

  • 數據可視化』基于Python數據可視化工具

    如何做Python數據可視化? pyecharts 是一個用于生成 Echarts 圖表的類庫。 Echarts 是百度開源的一個數據可視化 JS 庫。主要用于數據可視化。 一、安裝 pyecharts 兼容 Python2 和 Python3。目前版本為 0.1.4 pip install pyecharts 二、入門 首先開始來繪制你的第一個圖表

  • 【干貨】Python使用matplotlib實現數據可視化

    前言 俗話說得好,一圖勝千言。數據可視化是數據科學中的一個重要部分。創建可視化很簡單,但是創建優秀的可視化很難。 數據可視化有兩種主要用途:探索數據和交流數據。 matplotlib 現在有很多工具都可以用來可視化數據,比如我們常用的Excel,還有數據科學另一門重要的語言R,以及百度的Echarts等可視化工具。今天我們的主角是Python中的matplotlib

  • https://download.csdn.net/download/kuangkzh/9808816

  • 一個工具,幫你實現酷炫的數據可視化

    大部分人眼里,數據可視化可以是這樣的: ? 但其實,它也可以做成這樣: ? ? ? 看著酷炫的可視化,有人會疑惑,是否有實實在在的用處。其實在商業、生產和運營場景中有大量類似的使用,如集團展覽中心——用作政府和客戶參觀使用;城市交通管控中心——交通警務運營監控;證券交易大廳——實時股票交易情況;老板的辦公室——BOSS駕駛艙。其中使用尤為較多的是動態數據地圖,以...

  • R語言與數據可視化-180705

  • PYTHON數據可視化編程實戰.pdf

    PYTHON數據可視化編程實戰,全文高清pdf版本 Python Data Visualization Cookbook.pdf 人民郵電出版社 掌握和使用正確的數據可視化方法

  • 數據預處理——數據可視化的常用方法

    基于像素的可視化技術:每一維度創建一個窗口,記錄的m個維值映射到m個像素,像素顏色的深淺代表著對應的值。缺點在于對于我們理解多維空間的數據分布幫助不大。 ? ? ? ?從該圖中,可以發現:income與credit_limit為一個正相關,而與age沒有半毛錢的關系。 ? ? ? ?若想通過二維圖形表示多維的數據,可以考慮使用空間填充曲線,如希爾伯特曲線、格雷碼、z-曲線。? ? ? ? ...

  • Python 數據可視化——Matplotlib

    原始數據展示(這張表記錄了某個公園的火災情況,X和Y代表的是坐標位置,area代表的是燒毀面積)import pandas forest_fires = pandas.read_csv('forest_fires.csv') print(forest_fires.head(5))?在使用matplotlib庫的時候,都會默認地縮寫為pltimport matplotlib.pyplot as ...

  • 基于HTML5的數據可視化方法有哪些

    現在在大數據的帶領下,數據可視化越來越突出,能夠清楚的分析出自己想要的數據,這也是我們現在最求的數據可視化方法,那么實現HTML5的數據可視化方法有哪些?這都是我們值得研究的東西,數據可以給我們帶來敏感的市場未來發展,同時也能夠實時分別不同數據效果。

  • Python進行數據可視化的10種方法

  • 數據可視化常用的五種方式及案例分析

    概念借助于圖形化的手段,清晰、快捷有效的傳達與溝通信息。從用戶的角度,數據可視化可以讓用戶快速抓住要點信息,讓關鍵的數據點從人類的眼睛快速通往心靈深處。 數據可視化一般會具備以下幾個特點:準確性、創新性 和 簡潔性。 常用五種可視化方法 下面從最常用和實用的維度總結了如下5種數據可視化方法,讓我們來一一看一下: 一、面積&尺寸可視化對同一類圖形(例如柱狀、圓環和蜘蛛圖等)的長度、

  • 獨家 | 教你實現數據集多維可視化(附代碼

    翻譯:張媛校對:盧苗苗本文共8269字,建議閱讀10分鐘。用代碼將你的數據集進行多維可視化!介紹描述性分析是與數據科學或特定研究相關的任何分析生命周期中的核心組成部分之一。數據聚合,匯總與可視化是支撐數據分析這一領域的主要支柱。從傳統商業智能時代開始,即使在如今的人工智能時代,數據可視化一直是一種強大的工具,由于其能夠有效地抽象出正確的信息,清晰直觀地理解和解釋數據結果而被很多組織廣泛地采用。然而

Global site tag (gtag.js) - Google Analytics 全天上海快3计划网 虞城县| 东宁县| 彩票| 孝义市| 哈巴河县| 苍梧县| 扎鲁特旗| 恩平市| 山丹县| 大关县| 阿克| 浦北县| 高密市| 南阳市| 通州区| 常熟市| 大足县| 大安市| 本溪| 弥勒县| 醴陵市| 靖州| 休宁县| 遂川县| 洛川县| 苏州市| 新闻| 青神县| 大冶市| 西林县| 喀喇| 肥西县| 株洲县| 永昌县| 江源县| 北流市| 库车县| 永昌县|