前言

本文的文字及圖片來源於網路,僅供學習、交流使用,不具有任何商業用途,版權歸原作者所有,如有問題請及時聯絡我們以作處理。

作者：愛資料學習社

首先，要知道我們用哪些庫來畫圖?

matplotlib

python中最基本的作相簿就是matplotlib，是一個最基礎的Python視覺化庫，一般都是從matplotlib上手Python資料視覺化，然後開始做縱向與橫向拓展。

Seaborn

是一個基於matplotlib的高階視覺化效果庫，針對的點主要是資料探勘和機器學習中的變數特徵選取，seaborn可以用短小的程式碼去繪製描述更多維度資料的視覺化效果圖。

其他庫還包括

• Bokeh（是一個用於做瀏覽器端互動視覺化的庫，實現分析師與資料的互動）
• Mapbox（處理地理資料引擎更強的視覺化工具庫）等等

本篇文章主要使用matplotlib進行案例分析

確定問題，選擇圖形

業務可能很複雜，但是經過拆分，我們要找到我們想通過圖形表達什麼具體問題。分析思維的訓練可以學習《麥肯錫方法》和《金字塔原理》中的方法。

這是網上的一張關於圖表型別選擇的總結。

在python中，我們可以總結為以下四種基本視覺元素來展現圖形：

• 點：scatter plot 二維資料，適用於簡單二維關係
• 線：line plot 二維資料，適用於時間序列
• 柱狀：bar plot 二維資料，適用於類別統計
• 顏色：heatmap 適用於展示第三維度

資料間存在分佈，構成，比較，聯絡以及變化趨勢等關係。對應不一樣的關係，選擇相應的圖形進行展示。

轉換資料，應用函式

資料分析和建模方面的大量程式設計工作都是用在資料準備的基礎上的：載入、清理、轉換以及重塑。我們視覺化步驟也需要對資料進行整理，轉換成我們需要的格式再套用視覺化方法完成作圖。

下面是一些常用的資料轉換方法：

• 合併：merge，concat，combine_frist(類似於資料庫中的全外連線)

• 重塑：reshape；軸向旋轉：pivot（類似excel資料透視表）

• 去重：drop_duplicates

• 對映：map

• 填充替換：fillna,replace

• 重新命名軸索引：rename

• 將分類變數轉換‘啞變數矩陣’的get_dummies函式以及在df中對某列資料取限定值等等

函式則根據第一步中選擇好的圖形，去找python中對應的函式。

引數設定，一目瞭然

原始圖形畫完後，我們可以根據需求修改顏色（color），線型（linestyle），標記（maker）或者其他圖表裝飾項標題（Title），軸標籤（xlabel，ylabel），軸刻度（set_xticks），還有圖例（legend）等，讓圖形更加直觀。

第三步是在第二步的基礎上,為了使圖形更加清晰明瞭，做的修飾工作。具體引數都可以在製圖函式中找到。

下面，我總結了實現視覺化會用到的一些基礎知識

視覺化作圖基礎

Matplotlib

#匯入包
import numpy as np 
import pandas as pd
import matplotlib.pyplot as plt

Figure和Subplot

matplotlib的圖形都位於Figure（畫布）中，Subplot建立影象空間。不能通過figure繪圖，必須用add_subplot建立一個或多個subplot。

figsize可以指定影象尺寸。

#建立畫布
fig = plt.figure()
<Figure size 432x288 with 0 Axes>
#建立subplot，221表示這是2行2列表格中的第1個影象。
ax1 = fig.add_subplot(221)
#但現在更習慣使用以下方法建立畫布和影象，2,2表示這是一個2*2的畫布，可以放置4個影象
fig , axes = plt.subplots(2,2,sharex=True,sharey=True)
#plt.subplot的sharex和sharey引數可以指定所有的subplot使用相同的x，y軸刻度。

利用Figure的subplots_adjust方法可以調整間距。

subplots_adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None)

#建立畫布
fig = plt.figure()
<Figure size 432x288 with 0 Axes>
#建立subplot，221表示這是2行2列表格中的第1個影象。
ax1 = fig.add_subplot(221)
#但現在更習慣使用以下方法建立畫布和影象，2,2表示這是一個2*2的畫布，可以放置4個影象
fig , axes = plt.subplots(2,2,sharex=True,sharey=True)
#plt.subplot的sharex和sharey引數可以指定所有的subplot使用相同的x，y軸刻度。

顏色color，標記marker，和線型linestyle

matplotlib的plot函式接受一組X和Y座標，還可以接受一個表示顏色和線型的字串縮寫：'g--'，表示顏色是綠色green，線型是'--'虛線。也可以使用引數明確的指定。

線型圖還可以加上一些標記（marker），來突出顯示資料點的位置。標記也可以放在格式字串中，但標記型別和線型必須放在顏色後面。

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
[<matplotlib.lines.Line2D at 0x8c919b0>]

刻度，標籤和圖例

plt的xlim、xticks和xtickslabels方法分別控制圖表的範圍和，刻度位置和刻度標籤。呼叫方法時不帶引數，則返回當前的引數值；呼叫時帶引數，則設定引數值。

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
plt.xlim()   #不帶引數呼叫，顯示當前引數；
#可將xlim替換為另外兩個方法試試
(-1.4500000000000002, 30.45)

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')
plt.xlim([0,15])    #橫軸刻度變成0-15
(0, 15)

設定標題，軸標籤，刻度以及刻度標籤

fig = plt.figure();ax = fig.add_subplot(1,1,1)
ax.plot(np.random.randn(1000).cumsum())
ticks = ax.set_xticks([0,250,500,750,1000])  #設定刻度值
labels = ax.set_xticklabels(['one','two','three','four','five'])  #設定刻度標籤
ax.set_title('My first Plot')  #設定標題
ax.set_xlabel('Stage')  #設定軸標籤
Text(0.5,0,'Stage')

新增圖例

圖例legend是另一種用於標識圖示元素的重要工具。可以在新增subplot的時候傳入label引數。

fig = plt.figure(figsize=(12,5));ax = fig.add_subplot(111)
ax.plot(np.random.randn(1000).cumsum(),'k',label='one')  #傳入label引數，定義label名稱
ax.plot(np.random.randn(1000).cumsum(),'k--',label='two')
ax.plot(np.random.randn(1000).cumsum(),'k.',label='three')
#圖形建立完後，只需要呼叫legend引數將label調出來即可。
ax.legend(loc='best')  #要求不是很嚴格的話，建議使用loc=‘best’引數來讓它自己選擇最佳位置
<matplotlib.legend.Legend at 0xa8f5a20>

註解

除標準的圖表物件之外，我們還可以自定義新增一些文字註解或者箭頭。

註解可以通過text，arrow和annotate等函式進行新增。text函式可以將文字繪製在指定的x，y座標位置，還可以進行自定義格式

plt.plot(np.random.randn(1000).cumsum())
plt.text(600,10,'test ',family='monospace',fontsize=10) 
#中文註釋在預設環境下並不能正常顯示，需要修改配置檔案，使其支援中文字型。具體步驟請自行搜尋。

儲存圖表到檔案

利用plt.savefig可以將當前圖表儲存到檔案。例如，要將圖表儲存為png檔案，可以執行

plt.savefig('figpath.png')

檔案型別是根據拓展名而定的。其他引數還有：

• fname含有檔案路徑的字串，拓展名指定檔案型別

• dpi解析度，預設100facecolor,edgcolor 影象的背景色，預設‘w’白色

• format顯示設定檔案格式（'png','pdf','svg','ps','jpg'等）

• bbox_inches：圖表需要保留的部分。如果設定為“tight”，則將嘗試剪除影象周圍的空白部分

plt.savefig('./plot.jpg')   #儲存影象為plot名稱的jpg格式影象
<Figure size 432x288 with 0 Axes>