5 种使用 Python 代码轻松实现数据可视化

数据可视化是数据科学家工作中的重要组成部分。在项目的早期阶段，你通常会进行探究性数据分析（Exploratory Data Analysis，EDA）以获取对数据的少量了解。

创立可视化方法的确有助于使事情变得更加清晰易懂，特别是对于大型、高维数据集。在项目结束时，以清晰、简洁和引人注目的方式展示最终结果是非常重要的，由于你的受众往往是非技术型用户，只有这样他们才可以了解。

Matplotlib

是一个流行的 Python

库，可以用来很简单地创立数据可视化方案。但每次创立新项目时，设置数据、参数、图形和排版都会变得非常繁琐和麻烦。在这篇博文中，我们将着眼于 5

个数据可视化方法，并使用 Python Matplotlib

注释：全面教程，入门书籍，学习源码可以增加小编学习群943752371直接获取。

为他们编写少量快速简单的函数。与此同时，这里有一个很棒的图表，可用于在工作中选择正确的可视化方法！

散点图

散点图非常适合展现两个变量之间的关系，由于你可以直接看到数据的原始分布。

如下面第一张图所示的，你还可以通过对组进行简单地颜色编码来查看不同组数据的关系。想要可视化三个变量之间的关系？ 没问题！

仅需使用另一个参数（如点大小）即可以对第三个变量进行编码，如下面的第二张图所示。

现在开始探讨代码。我们首先用别名

“plt” 导入 Matplotlib 的 pyplot 。要创立一个新的点阵图，我们可调用 plt.subplots() 。我们将 x 轴和

y 轴数据传递给该函数，而后将这些数据传递给 ax.scatter() 以绘制散点图。我们还可以设置点的大小、点颜色和 alpha

透明度。你甚至可以设置 Y 轴为对数刻度。标题和坐标轴上的标签可以专门为该图设置。这是一个易于使用的函数，可用于从头到尾创立散点图！

importmatplotlib.pyplotaspltimport?numpyasnpdef?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)ifyscale_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)

折线图

当你可以看到一个变量随着另一个变量显著变化的时候，比方说它们有一个大的协方差，那最好使用折线图。让我们看一下下面这张图。我们可以清晰地看到对于所有的主线随着时间都有大量的变化。使用散点绘制这些将会极其混乱，难以真正明白和看到发生了什么。折线图对于这种情况则非常好，由于它们基本上提供给我们两个变量（百分比和时间）的协方差的快速总结。另外，我们也可以通过彩色编码进行分组。

这里是折线图的代码。它和上面的散点图很类似，只是在少量变量上有小的变化。

deflineplot(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)

直方图

直方图对于查看（或者真正地探究）数据点的分布是很有用的。查看下面我们以频率和

IQ

做的直方图。我们可以清楚地看到朝中间聚集，并且能看到中位数是多少。我们也可以看到它呈正态分布。使用直方图真得能清晰地呈现出各个组的频率之间的相对差别。组的使用（离散化）真正地帮助我们看到了“更加宏观的图形”,然而当我们使用所有没有离散组的数据点时，将对可视化可能造成许多干扰，使得看清真正发生了什么变得困难。

下面是在

Matplotlib 中的直方图代码。有两个参数需要注意一下：首先，参数 n_bins

控制我们想要在直方图中有多少个离散的组。更多的组将给我们提供更加完善的信息，但是也许也会引进干扰，使得我们远离全局；另一方面，较少的组给我们一种更多的是“鸟瞰图”和没有更多细节的全局图。其次，参数

cumulative 是一个布尔值，允许我们选择直方图能否为累加的，基本上就是选择是 PDF（Probability Density

Function，概率密度函数）还是 CDF（Cumulative Density Function，累积密度函数）。

defhistogram(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)

想象一下我们想要比较数据中两个变量的分布。有人可能会想你必需制作两张直方图，并且把它们并排放在一起进行比较。然而，实际上有一种更好的办法：我们可以使用不同的透明度对直方图进行叠加覆盖。看下图，均匀分布的透明度设置为

0.5 ，使得我们可以看到他背后的图形。这样我们即可以直接在同一张图表里看到两个分布。

对于重叠的直方图，需要设置少量东西。首先，我们设置可同时容纳不同分布的横轴范围。根据这个范围和期望的组数，我们可以真正地计算出每个组的宽度。最后，我们在同一张图上绘制两个直方图，其中有一个略微更透明少量。

#?Overlay2histograms?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?boundsforthe?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_nbinsifn_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’)

柱状图

当你试图将类别很少（可能小于10）的分类数据可视化的时候，柱状图是最有效的。假如我们有太多的分类，那么这些柱状图就会非常杂乱，很难了解。柱状图对分类数据很好，由于你可以很容易地看到基于柱的类别之间的区别（比方大小)；分类也很容易划分和用颜色进行编码。我们将会看到三种不同类型的柱状图：常规的，分组的，堆叠的。在我们进行的过程中，请查看图形下面的代码。

常规的柱状图如下面的图1。在 barplot() 函数中，xdata 表示 x 轴上的标记，ydata 表示 y 轴上的杆高度。误差条是一条以每条柱为中心的额外的线，可以画出标准偏差。

分组的柱状图让我们可以比较多个分类变量。看看下面的图2。我们比较的第一个变量是不同组的分数是如何变化的（组是G1，G2，……等等)。我们也在比较性别本身和颜色代码。看一下代码，ydatalist

变量实际上是一个 y 元素为列表的列表，其中每个子列表代表一个不同的组。而后我们对每个组进行循环，对于每一个组，我们在 x

轴上画出每一个标记；每个组都用彩色进行编码。

堆叠柱状图可以很好地观察不同变量的分类。在图3的堆叠柱状图中，我们比较了每天的服务器负载。通过颜色编码后的堆栈图，我们可以很容易地看到和了解哪些服务器每天工作最多，以及与其余服务器进行比较负载情况如何。此代码的代码与分组的条形图相同。我们循环遍历每一组，但这次我们把新柱放在旧柱上，而不是放在它们的旁边。

defbarplot(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)

defstackedbarplot(x_data,?y_data_list,?colors,?y_data_names=””,?x_label=””,?y_label=””,?title=””):

_,?ax?=?plt.subplots()

#?Draw?bars,?one?category?at?a?time

foriinrange(0,?len(y_data_list)):

ifi?==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’)

defgroupedbarplot(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

foriinrange(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’)

箱形图

我们之前看了直方图，它很好地可视化了变量的分布。但是假如我们需要更多的信息呢？也许我们想要更清晰的看到标准偏差？也许中值与均值有很大不同，我们有很多离群值？假如有这样的偏移和许多值都集中在一边呢？

这就是箱形图所适合干的事情了。箱形图给我们提供了上面所有的信息。实线框的底部和顶部总是第一个和第三个四分位（比方 25% 和 75% 的数据），箱体中的横线总是第二个四分位（中位数）。像胡须一样的线(虚线和结尾的条线）从这个箱体伸出，显示数据的范围。

因为每个组/变量的框图都是分别绘制的，所以很容易设置。xdata

是一个组/变量的列表。Matplotlib 库的 boxplot() 函数为 ydata 中的每一列或者每一个向量绘制一个箱体。因而，xdata

中的每个值对应于 ydata 中的一个列/向量。我们所要设置的就是箱体的美观。

defboxplot(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)

结语

使用 Matplotlib 有 5 个快速简单的数据可视化方法。将相关事务笼统成函数总是会使你的代码更易于阅读和使用！我希望你喜欢这篇文章，并且学到了少量新的有用的技巧。假如你的确如此，请随时给它点赞。 Cheers！