導讀：我們介紹過用matplotlib制作圖表的一些tips，感興趣的同學可以戳→純干貨：手把手教你用Python做數(shù)據(jù)可視化（附代碼）。matplotlib是一個相當?shù)讓拥墓ぞ?。你可以從其基本組件中組裝一個圖表：數(shù)據(jù)顯示(即繪圖的類型：線、條、框、散點圖、輪廓等)、圖例、標題、刻度標記和其他注釋。
在pandas中，我們可能有多個數(shù)據(jù)列，并且?guī)в行泻土械臉撕灐andas自身有很多內(nèi)建方法可以簡化從DataFrame和Series對象生成可視化的過程。另一個是seaborn，它是由Michael Waskom創(chuàng)建的統(tǒng)計圖形庫。seaborn簡化了很多常用可視化類型的生成。
導入seaborn會修改默認的matplotlib配色方案和繪圖樣式，這會提高圖表的可讀性和美觀性。即使你不適用seaborn的API，你可能更喜歡導入seaborn來為通用matplotlib圖表提供更好的視覺美觀度。
作者：Wes McKinney
本文摘編自《利用Python進行數(shù)據(jù)分析》（原書第2版），如需轉(zhuǎn)載請聯(lián)系我們
01 折線圖
Series和DataFrame都有一個plot屬性，用于繪制基本的圖型。默認情況下，plot()繪制的是折線圖(見圖9-13)：
In [60]: s = pd.Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))In [61]: s.plot()
▲圖9-13 簡單序列圖形
Series對象的索引傳入matplotlib作為繪圖的x軸，你可以通過傳入use_index=False來禁用這個功能。x軸的刻度和范圍可以通過xticks和xlim選項進行調(diào)整，相應地y軸使用yticks和ylim進行調(diào)整。表9-3是plot的全部選項列表。本節(jié)我會介紹這些選項中的一些，其余你可以自行探索。
大部分pandas的繪圖方法，接收可選的ax參數(shù)，該參數(shù)可以是一個matplotlib子圖對象。這使你可以更為靈活的在網(wǎng)格布局中放置子圖。
DataFrame的plot方法在同一個子圖中將每一列繪制為不同的折線，并自動生成圖例(見圖9-14)：
In [62]: df = pd.DataFrame(np.random.randn(10, 4).cumsum(0),....: columns=['A', 'B', 'C', 'D'],....: index=np.arange(0, 100, 10))In [63]: df.plot()
▲圖9-14 簡單DataFrame繪圖
plot屬性包含了不同繪圖類型的方法族。例如，df.plot( )等價于df.plot.line( )。我們之后將會探索這些方法中的一部分。
要繪制的其他關鍵字參數(shù)會傳遞到相應的matplotlib繪圖函數(shù)，因此你可以通過了解更多的matplotlib的 API信息來進一步定制這些圖表。
參數(shù) | 描述 |
label | 圖例標簽 |
ax | 繪圖所用的matplotlib子圖對象；如果沒傳值，則使用當前活動的matplotlib子圖 |
style | 傳給matplotlib的樣式字符串，比如'ko--' |
alpha | 圖片不透明度(從0到1) |
kind | 可以是 'area'、 'bar'、 'barh'、 'density'、'hist'、 'kde'、 'line'、 'pie' |
logy | 在y軸上使用對數(shù)縮放 |
use_index | 使用對象索引刻度標簽 |
rot | 刻度標簽的旋轉(zhuǎn)(0到360) |
xticks | 用于x軸刻度的值 |
yticks | 用于y軸 |
xlim | x軸范圍(例如[0,10]) |
ylim | y軸范圍 |
grid | 展示軸網(wǎng)格(默認是打開的) |
▲表9-3 Series.plot方法參數(shù)
DataFrame擁有多個選項，允許靈活地處理列；例如，是否將各列繪制到同一個子圖中，或為各列生成獨立的子圖。參考表9-4了解更多選項。
參數(shù) | 描述 |
subplots | 將DataFrame的每一列繪制在獨立的子圖中 |
sharex | 如果subplots=True，則共享相同的x軸、刻度和范圍 |
sharey | 如果subplots=True，則共享相同的y軸 |
figsize | 用于生成圖片尺寸的元組 |
title | 標題字符串 |
legend | 添加子圖圖例(默認是True) |
sort_columns | 按字母順序繪制各列，默認情況下使用已有的列順序 |
▲表9-4
02 柱狀圖
plot.bar()和plot.barh()可以分別繪制垂直和水平的柱狀圖。在繪制柱狀圖時，Series或DataFrame的索引將會被用作x軸刻度(bar)或y軸刻度(barh)(參考圖9-15)：
In [64]: fig, axes = plt.subplots(2, 1)In [65]: data = pd.Series(np.random.rand(16), index=list('abcdefghijklmnop'))In [66]: data.plot.bar(ax=axes[0], color='k', alpha=0.7)Out[66]: <>0x7fb62493d470>In [67]: data.plot.barh(ax=axes[1], color='k', alpha=0.7)
▲圖9-15 水平柱狀圖和垂直柱狀圖
選項color='k'和alpha=0.7將柱子的顏色設置為黑色，并將圖像的填充色設置為部分透明。
在DataFrame中，柱狀圖將每一行中的值分組到并排的柱子中的一組。參考圖9-16：
In [69]: df = pd.DataFrame(np.random.rand(6, 4),....: index=['one', 'two', 'three', 'four', 'five', 'six'],....: columns=pd.Index(['A', 'B', 'C', 'D'], name='Genus'))In [70]: dfOut[70]:Genus A B C Done 0.370670 0.602792 0.229159 0.486744two 0.420082 0.571653 0.049024 0.880592three 0.814568 0.277160 0.880316 0.431326four 0.374020 0.899420 0.460304 0.100843five 0.433270 0.125107 0.494675 0.961825six 0.601648 0.478576 0.205690 0.560547In [71]: df.plot.bar()
▲圖9-16 DataFrame柱狀圖
請注意DataFrame的列名稱'Genus'被用作了圖例標題。我們可以通過傳遞stacked=True來生成堆積柱狀圖，會使得每一行的值堆積在一起(參考圖9-17)：
In [73]: df.plot.barh(stacked=True, alpha=0.5)
▲圖9-17 DataFrame堆積柱狀圖
使用value_counts: s.value_counts().plot.bar()可以有效的對Series值頻率進行可視化。
回到本書之前使用的數(shù)據(jù)集，假設我們想要繪制一個堆積柱狀圖，用于展示每個派對在每天的數(shù)據(jù)點占比。使用read_csv載入數(shù)據(jù)，并根據(jù)星期幾數(shù)值和派對規(guī)模進形成交叉表：
In [75]: tips = pd.read_csv('examples/tips.csv')In [76]: party_counts = pd.crosstab(tips['day'], tips['size'])In [77]: party_countsOut[77]:size 1 2 3 4 5 6dayFri 1 16 1 1 0 0Sat 2 53 18 13 1 0Sun 0 39 15 18 3 1Thur 1 48 4 5 1 3# 沒有太多的1人和6人派對In [78]: party_counts = party_counts.loc[:, 2:5]之后，進行標準化以確保每一行的值和為1，然后進行繪圖(見圖9-18)：
# 標準化至和為1In [79]: party_pcts = party_counts.div(party_counts.sum(1), axis=0)In [80]: party_pctsOut[80]:size 2 3 4 5dayFri 0.888889 0.055556 0.055556 0.000000Sat 0.623529 0.211765 0.152941 0.011765Sun 0.520000 0.200000 0.240000 0.040000Thur 0.827586 0.068966 0.086207 0.017241In [81]: party_pcts.plot.bar()▲圖9-18 每天派對數(shù)量的百分比
你可以看到本數(shù)據(jù)集中的派對數(shù)量在周末會增加。
對于在繪圖前需要聚合或匯總的數(shù)據(jù)，使用seaborn包會使工作更為簡單。現(xiàn)在讓我們看下使用seaborn進行按星期幾數(shù)值計算小費百分比(見圖9-19中的結(jié)果圖)：
In [83]: import seaborn as snsIn [84]: tips['tip_pct'] = tips['tip'] / (tips['total_bill'] - tips['tip'])In [85]: tips.head()Out[85]:total_bill tip smoker day time size tip_pct0 16.99 1.01 No Sun Dinner 2 0.0632041 10.34 1.66 No Sun Dinner 3 0.1912442 21.01 3.50 No Sun Dinner 3 0.1998863 23.68 3.31 No Sun Dinner 2 0.1624944 24.59 3.61 No Sun Dinner 4 0.172069In [86]: sns.barplot(x='tip_pct', y='day', data=tips, orient='h')▲圖9-19 用錯誤欄按天顯示小費百分比
seaborn中的繪圖函數(shù)使用一個data參數(shù)，這個參數(shù)可以是pandas的DataFrame。其他的參數(shù)則與列名有關。因為day列中有多個觀測值，柱子的值是tip_pct的平均值。柱子上畫出的黑線代表的是95%的置信區(qū)間(置信區(qū)間可以通過可選參數(shù)進行設置)。
seaborn.barplot擁有一個hue選項，允許我們通過一個額外的分類值將數(shù)據(jù)分離：
In [88]: sns.barplot(x='tip_pct', y='day', hue='time', data=tips, orient='h')▲圖9-20 根據(jù)星期幾數(shù)值和時間計算的小費百分比
請注意seaborn自動改變了圖表的美觀性：默認的調(diào)色板、圖背景和網(wǎng)格線條顏色。你可以使用seaborn.set在不同的繪圖外觀中進行切換：
In [90]: sns.set(style='whitegrid')03 直方圖和密度圖
直方圖是一種條形圖，用于給出值頻率的離散顯示。數(shù)據(jù)點被分成離散的，均勻間隔的箱，并且繪制每個箱中數(shù)據(jù)點的數(shù)量。使用之前的小費數(shù)據(jù)，我們可以使用Series的plot.hist方法制作小費占總費用百分比的直方圖(見圖9-21)：
In [92]: tips['tip_pct'].plot.hist(bins=50)▲圖9-21 小費百分比的直方圖
密度圖是一種與直方圖相關的圖表類型，它通過計算可能產(chǎn)生觀測數(shù)據(jù)的連續(xù)概率分布估計而產(chǎn)生。通常的做法是將這種分布近似為“內(nèi)核”的混合，也就是像正態(tài)分布那樣簡單的分布。因此，密度圖也被成為內(nèi)核密度估計圖(KDE)。plot.kde使用傳統(tǒng)法定混合法估計繪制密度圖(見圖9-22)：
In [94]: tips['tip_pct'].plot.density()▲圖9-22 小費百分比密度圖
distplot方法可以繪制直方圖和連續(xù)密度估計，通過distplot方法seaborn使直方圖和密度圖的繪制更為簡單。作為例子，考慮由兩個不同的標準正態(tài)分布組成的雙峰分布(見圖9-23)：
In [96]: comp1 = np.random.normal(0, 1, size=200)In [97]: comp2 = np.random.normal(10, 2, size=200)In [98]: values = pd.Series(np.concatenate([comp1, comp2]))In [99]: sns.distplot(values, bins=100, color='k')▲圖9-23 正態(tài)混合的標準化直方圖與密度估計
04 散點圖或點圖
點圖或散點圖可以用于檢驗兩個一維數(shù)據(jù)序列之間的關系。例如，這里我們從statsmodels項目中載入了macrodata數(shù)據(jù)集，并選擇了一些變量，之后計算對數(shù)差：
In [100]: macro = pd.read_csv('examples/macrodata.csv')In [101]: data = macro[['cpi', 'm1', 'tbilrate', 'unemp']]In [102]: trans_data = np.log(data).diff().dropna()In [103]: trans_data[-5:]Out[103]:cpi m1 tbilrate unemp198 -0.007904 0.045361 -0.396881 0.105361199 -0.021979 0.066753 -2.277267 0.139762200 0.002340 0.010286 0.606136 0.160343201 0.008419 0.037461 -0.200671 0.127339202 0.008894 0.012202 -0.405465 0.042560然后我們可以使用seaborn的reglot方法，該方法可以繪制散點圖，并擬合出一個條線性回歸線(見圖9-24)：
In [105]: sns.regplot('m1', 'unemp', data=trans_data)Out[105]: <>0x7fb613720be0>In [106]: plt.title('Changes in log %s versus log %s' % ('m1', 'unemp'))▲圖9-24 seaborn回歸/散點圖
在探索性數(shù)據(jù)分析中，能夠查看一組變量中的所有散點圖是有幫助的; 這被稱為成對圖或散點圖矩陣。從頭開始繪制這樣一個圖是有點工作量的，所以seaborn有一個方便的成對圖函數(shù)，它支持在對角線上放置每個變量的直方圖或密度估計值(結(jié)果圖見圖9-25)：
In [107]: sns.pairplot(trans_data, diag_kind='kde', plot_kws={'alpha': 0.2})▲圖9-25 statsmodels macro數(shù)據(jù)的成對圖矩陣
你可能會注意到plot_ksw參數(shù)，這個參數(shù)使我們能夠?qū)⑴渲眠x項傳遞給非對角元素上的各個繪圖調(diào)用。參考seaborn.pairplot的文檔字符串可以看到更多細節(jié)的設置選項。
05 分面網(wǎng)格和分類數(shù)據(jù)
如果數(shù)據(jù)集有額外的分組維度怎么辦？使用分面網(wǎng)格是利用多種分組變量對數(shù)據(jù)進行可視化的方式。seaborn擁有一個有效的內(nèi)建函數(shù)factorplot，可以簡化多種分面繪圖(見圖9-26)：
In [108]: sns.factorplot(x='day', y='tip_pct', hue='time', col='smoker',.....: kind='bar', data=tips[tips.tip_pct <>1])▲圖9-26 按星期幾數(shù)值/時間/是否吸煙劃分的小費百分比
除了根據(jù)'time'在一個面內(nèi)將不同的柱分組為不同的顏色，我們還可以通過每個時間值添加一行來擴展分面網(wǎng)格(見圖9-27)：
In [109]: sns.factorplot(x='day', y='tip_pct', row='time',.....: col='smoker',.....: kind='bar', data=tips[tips.tip_pct <>1])▲圖9-27 根據(jù)時間/是否吸煙分面后按星期幾數(shù)值劃分的小費百分比
factorplot 支持其他可能有用的圖類型，具體取決于你要顯示的內(nèi)容。 例如，箱形圖（顯示中位值，四分位數(shù)和異常值）可以是有效的可視化類型(圖9-28)：
In [110]: sns.factorplot(x='tip_pct', y='day', kind='box',.....: data=tips[tips.tip_pct <>0.5])▲圖9-28 根據(jù)星期幾數(shù)值繪制的小費百分比箱型圖
你可以使用更通用的seaborn.FacetGrid類創(chuàng)建自己的分面網(wǎng)格圖。 具體請查看更多的seaborn文檔。
06 其他Python可視化工具
和開源代碼一樣，在Python語言下創(chuàng)建圖形的選擇有很多(太多而無法一一列舉)。自從2010年以來，很多開發(fā)工作都集中在創(chuàng)建web交互式圖形上。借助像Bokeh和Plotly這樣的工具，在web瀏覽器中創(chuàng)建動態(tài)的、交互式圖像的工作現(xiàn)在已經(jīng)可以實現(xiàn)。
如果是創(chuàng)建用于印刷或網(wǎng)頁的靜態(tài)圖形，我建議根據(jù)你的需要使用默認的matplotlib以及像pandas和seaborn這樣的附加庫。 對于其他數(shù)據(jù)可視化要求，學習其他可用工具之一可能是有用的。我鼓勵你探索Python可視化生態(tài)系統(tǒng)，因為它將持續(xù)增添新內(nèi)容并在未來進行更多創(chuàng)新。
關于作者：韋斯·麥金尼（Wes McKinney）是流行的Python開源數(shù)據(jù)分析庫pandas的創(chuàng)始人。他是一名活躍的演講者，也是Python數(shù)據(jù)社區(qū)和Apache軟件基金會的Python/C++開源開發(fā)者。目前他在紐約從事軟件架構師工作。
聯(lián)系客服
