今天我來給你講講Python的可視化技術(shù)。
如果你想要用Python進(jìn)行數(shù)據(jù)分析，就需要在項(xiàng)目初期開始進(jìn)行探索性的數(shù)據(jù)分析，這樣方便你對(duì)數(shù)據(jù)有一定的了解。其中最直觀的就是采用數(shù)據(jù)可視化技術(shù)，這樣，數(shù)據(jù)不僅一目了然，而且更容易被解讀。同樣在數(shù)據(jù)分析得到結(jié)果之后，我們還需要用到可視化技術(shù)，把最終的結(jié)果呈現(xiàn)出來。
可視化視圖都有哪些？
按照數(shù)據(jù)之間的關(guān)系，我們可以把可視化視圖劃分為4類，它們分別是比較、聯(lián)系、構(gòu)成和分布。我來簡(jiǎn)單介紹下這四種關(guān)系的特點(diǎn)：
比較：比較數(shù)據(jù)間各類別的關(guān)系，或者是它們隨著時(shí)間的變化趨勢(shì)，比如折線圖；
聯(lián)系：查看兩個(gè)或兩個(gè)以上變量之間的關(guān)系，比如散點(diǎn)圖；
構(gòu)成：每個(gè)部分占整體的百分比，或者是隨著時(shí)間的百分比變化，比如餅圖；
分布：關(guān)注單個(gè)變量，或者多個(gè)變量的分布情況，比如直方圖。
同樣，按照變量的個(gè)數(shù)，我們可以把可視化視圖劃分為單變量分析和多變量分析。
可視化的視圖可以說是分門別類，多種多樣，今天我主要介紹常用的10種視圖，包括了散點(diǎn)圖、折線圖、直方圖、條形圖、箱線圖、餅圖、熱力圖、蜘蛛圖、二元變量分布、成對(duì)關(guān)系。
散點(diǎn)圖
散點(diǎn)圖的英文叫做scatter plot，它將兩個(gè)變量的值顯示在二維坐標(biāo)中，非常適合展示兩個(gè)變量之間的關(guān)系。當(dāng)然，除了二維的散點(diǎn)圖，我們還有三維的散點(diǎn)圖。
我在上一講中給你簡(jiǎn)單介紹了下Matplotlib這個(gè)工具，在Matplotlib中，我們經(jīng)常會(huì)用到pyplot這個(gè)工具包，它包括了很多繪圖函數(shù)，類似Matlab的繪圖框架。在使用前你需要進(jìn)行引用：
import matplotlib.pyplot as plt
在工具包引用后，畫散點(diǎn)圖，需要使用plt.scatter(x, y, marker=None)函數(shù)。x、y 是坐標(biāo)，marker代表了標(biāo)記的符號(hào)。比如“x”、“>”或者“o”。選擇不同的marker，呈現(xiàn)出來的符號(hào)樣式也會(huì)不同，你可以自己試一下。
下面三張圖分別對(duì)應(yīng)“x”“>”和“o”。
除了Matplotlib外，你也可以使用Seaborn進(jìn)行散點(diǎn)圖的繪制。在使用Seaborn前，也需要進(jìn)行包引用：
import seaborn as sns
在引用seaborn工具包之后，就可以使用seaborn工具包的函數(shù)了。如果想要做散點(diǎn)圖，可以直接使用sns.jointplot(x, y, data=None, kind='scatter')函數(shù)。其中x、y是data中的下標(biāo)。data就是我們要傳入的數(shù)據(jù)，一般是DataFrame類型。kind這類我們?nèi)catter，代表散點(diǎn)的意思。當(dāng)然kind還可以取其他值，這個(gè)我在后面的視圖中會(huì)講到，不同的kind代表不同的視圖繪制方式。
好了，讓我們來模擬下，假設(shè)我們的數(shù)據(jù)是隨機(jī)的1000個(gè)點(diǎn)。
我們運(yùn)行一下這個(gè)代碼，就可以看到下面的視圖（第一張圖為Matplotlib繪制的，第二張圖為Seaborn繪制的）。其實(shí)你能看到Matplotlib和Seaborn的視圖呈現(xiàn)還是有差別的。Matplotlib默認(rèn)情況下呈現(xiàn)出來的是個(gè)長(zhǎng)方形。而Seaborn呈現(xiàn)的是個(gè)正方形，而且不僅顯示出了散點(diǎn)圖，還給了這兩個(gè)變量的分布情況。
Matplotlib繪制：
Seaborn繪制：
擴(kuò)展閱讀：
數(shù)據(jù)可視化：掌握數(shù)據(jù)領(lǐng)域的萬金油技能
折線圖
折線圖可以用來表示數(shù)據(jù)隨著時(shí)間變化的趨勢(shì)。
在Matplotlib中，我們可以直接使用plt.plot函數(shù)，當(dāng)然需要提前把數(shù)據(jù)按照X軸的大小進(jìn)行排序，要不畫出來的折線圖就無法按照X軸遞增的順序展示。
在Seaborn中，我們使用sns.lineplot (x, y, data=None)函數(shù)。其中x、y是data中的下標(biāo)。data就是我們要傳入的數(shù)據(jù)，一般是DataFrame類型。
這里我們?cè)O(shè)置了x、y的數(shù)組。x數(shù)組代表時(shí)間（年），y數(shù)組我們隨便設(shè)置幾個(gè)取值。下面是詳細(xì)的代碼。
然后我們分別用Matplotlib和Seaborn進(jìn)行畫圖，可以得到下面的圖示。你可以看出這兩個(gè)圖示的結(jié)果是完全一樣的，只是在seaborn中標(biāo)記了x和y軸的含義。
直方圖
直方圖是比較常見的視圖，它是把橫坐標(biāo)等分成了一定數(shù)量的小區(qū)間，這個(gè)小區(qū)間也叫作“箱子”，然后在每個(gè)“箱子”內(nèi)用矩形條（bars）展示該箱子的箱子數(shù)（也就是y值），這樣就完成了對(duì)數(shù)據(jù)集的直方圖分布的可視化。
在Matplotlib中，我們使用plt.hist(x, bins=10)函數(shù)，其中參數(shù)x是一維數(shù)組，bins代表直方圖中的箱子數(shù)量，默認(rèn)是10。
在Seaborn中，我們使用sns.distplot(x, bins=10, kde=True)函數(shù)。其中參數(shù)x是一維數(shù)組，bins代表直方圖中的箱子數(shù)量，kde代表顯示核密度估計(jì)，默認(rèn)是True，我們也可以把kde設(shè)置為False，不進(jìn)行顯示。核密度估計(jì)是通過核函數(shù)幫我們來估計(jì)概率密度的方法。
這是一段繪制直方圖的代碼。
我們創(chuàng)建一個(gè)隨機(jī)的一維數(shù)組，然后分別用Matplotlib和Seaborn進(jìn)行直方圖的顯示，結(jié)果如下，你可以看出，沒有任何差別，其中最后一張圖就是kde默認(rèn)為Ture時(shí)的顯示情況。
熱力圖
熱力圖，英文叫heat map，是一種矩陣表示方法，其中矩陣中的元素值用顏色來代表，不同的顏色代表不同大小的值。通過顏色就能直觀地知道某個(gè)位置上數(shù)值的大小。另外你也可以將這個(gè)位置上的顏色，與數(shù)據(jù)集中的其他位置顏色進(jìn)行比較。
熱力圖是一種非常直觀的多元變量分析方法。
我們一般使用Seaborn中的sns.heatmap(data)函數(shù)，其中data代表需要繪制的熱力圖數(shù)據(jù)。
這里我們使用Seaborn中自帶的數(shù)據(jù)集flights，該數(shù)據(jù)集記錄了1949年到1960年期間，每個(gè)月的航班乘客的數(shù)量。
通過seaborn的heatmap函數(shù)，我們可以觀察到不同年份，不同月份的乘客數(shù)量變化情況，其中顏色越淺的代表乘客數(shù)量越多，如下圖所示：
成對(duì)關(guān)系
如果想要探索數(shù)據(jù)集中的多個(gè)成對(duì)雙變量的分布，可以直接采用sns.pairplot函數(shù)。它會(huì)同時(shí)展示出DataFrame中每對(duì)變量的關(guān)系，另外在對(duì)角線上，你能看到每個(gè)變量自身作為單變量的分布情況。它可以說是探索性分析中的常用函數(shù)，可以很快幫我們理解變量對(duì)之間的關(guān)系。
pairplot函數(shù)的使用，就好像我們對(duì)DataFrame使用describe函數(shù)一樣方便，是數(shù)據(jù)探索中的常用函數(shù)。
這里我們使用Seaborn中自帶的iris數(shù)據(jù)集，這個(gè)數(shù)據(jù)集也叫鳶尾花數(shù)據(jù)集。鳶尾花可以分成Setosa、Versicolour和Virginica三個(gè)品種，在這個(gè)數(shù)據(jù)集中，針對(duì)每一個(gè)品種，都有50個(gè)數(shù)據(jù)，每個(gè)數(shù)據(jù)中包括了4個(gè)屬性，分別是花萼長(zhǎng)度、花萼寬度、花瓣長(zhǎng)度和花瓣寬度。通過這些數(shù)據(jù)，需要你來預(yù)測(cè)鳶尾花卉屬于三個(gè)品種中的哪一種。
這里我們用seaborn中的pairplot函數(shù)來對(duì)數(shù)據(jù)集中的多個(gè)雙變量的關(guān)系進(jìn)行探索，如下圖所示。從圖上你能看出，一共有sepal_length、sepal_width、petal_length和petal_width4個(gè)變量，它們分別是花萼長(zhǎng)度、花萼寬度、花瓣長(zhǎng)度和花瓣寬度。
下面這張圖相當(dāng)于這4個(gè)變量?jī)蓛芍g的關(guān)系。比如矩陣中的第一張圖代表的就是花萼長(zhǎng)度自身的分布圖，它右側(cè)的這張圖代表的是花萼長(zhǎng)度與花萼寬度這兩個(gè)變量之間的關(guān)系。
關(guān)于本次Python可視化的學(xué)習(xí)，我希望你能掌握：
視圖的分類，以及可以從哪些維度對(duì)它們進(jìn)行分類；
十種常見視圖的概念，以及如何在Python中進(jìn)行使用，都需要用到哪些函數(shù)；
需要自己動(dòng)手跑一遍案例中的代碼，體驗(yàn)下Python數(shù)據(jù)可視化的過程。
聯(lián)系客服
