摘要：最終證明，及其相關(guān)工具的效率很高，但就演示而言它們并不是最好的工具。我按編號(hào)用顏色編碼了每個(gè)節(jié)點(diǎn)，代碼如下用于可視化上面提到的稀疏圖形的代碼如下這個(gè)圖形非常稀疏，通過最大化每個(gè)集群的間隔展現(xiàn)了這種稀疏化。

用 Python 創(chuàng)建圖形的方法有很多，但是哪種方法是最好的呢？當(dāng)我們做可視化之前，要先明確一些關(guān)于圖像目標(biāo)的問題：你是想初步了解數(shù)據(jù)的分布情況？想展示時(shí)給人們留下深刻印象？也許你想給某人展示一個(gè)內(nèi)在的形象，一個(gè)中庸的形象？

本文將介紹一些常用的 Python 可視化包，包括這些包的優(yōu)缺點(diǎn)以及分別適用于什么樣的場景。這篇文章只擴(kuò)展到 2D 圖，為下一次講 3D 圖和商業(yè)報(bào)表（dashboard）留了一些空間，不過這次要講的包中，許多都可以很好地支持 3D 圖和商業(yè)報(bào)表。

Matplotlib、Seaborn 和 Pandas

把這三個(gè)包放在一起有幾個(gè)原因：首先 Seaborn 和 Pandas 是建立在 Matplotlib 之上的，當(dāng)你在用 Seaborn 或 Pandas 中的 df.plot() 時(shí)，用的其實(shí)是別人用 Matplotlib 寫的代碼。因此，這些圖在美化方面是相似的，自定義圖時(shí)用的語法也都非常相似。

當(dāng)提到這些可視化工具時(shí)，我想到三個(gè)詞：探索（Exploratory）、數(shù)據(jù)（Data）、分析（Analysis）。這些包都很適合第一次探索數(shù)據(jù)，但要做演示時(shí)用這些包就不夠了。

Matplotlib 是比較低級(jí)的庫，但它所支持的自定義程度令人難以置信（所以不要簡單地將其排除在演示所用的包之外！），但還有其它更適合做展示的工具。

Matplotlib 還可以選擇樣式（style selection），它模擬了像 ggplot2 和 xkcd 等很流行的美化工具。下面是我用 Matplotlib 及相關(guān)工具所做的示例圖：

在處理籃球隊(duì)薪資數(shù)據(jù)時(shí)，我想找出薪資中位數(shù)最高的團(tuán)隊(duì)。為了展示結(jié)果，我將每個(gè)球隊(duì)的工資用顏色標(biāo)成條形圖，來說明球員加入哪一支球隊(duì)才能獲得更好的待遇。

import seaborn as sns
import matplotlib.pyplot as plt

color_order = ["xkcd:cerulean", "xkcd:ocean",
                "xkcd:black","xkcd:royal purple",
                "xkcd:royal purple", "xkcd:navy blue",
                "xkcd:powder blue", "xkcd:light maroon", 
                "xkcd:lightish blue","xkcd:navy"]

sns.barplot(x=top10.Team,
            y=top10.Salary,
            palette=color_order).set_title("Teams with Highest Median Salary")

plt.ticklabel_format(style="sci", axis="y", scilimits=(0,0))

第二個(gè)圖是回歸實(shí)驗(yàn)殘差的 Q-Q 圖。這張圖的主要目的是展示如何用盡量少的線條做出一張有用的圖，當(dāng)然也許它可能不那么美觀。

import matplotlib.pyplot as plt
import scipy.stats as stats

#model2 is a regression model
log_resid = model2.predict(X_test)-y_test
stats.probplot(log_resid, dist="norm", plot=plt)
plt.title("Normal Q-Q plot")
plt.show()

最終證明，Matplotlib 及其相關(guān)工具的效率很高，但就演示而言它們并不是最好的工具。

ggplot(2)

你可能會(huì)問，「Aaron，ggplot 是 R 中最常用的可視化包，但你不是要寫 Python 的包嗎？」。人們已經(jīng)在 Python 中實(shí)現(xiàn)了 ggplot2，復(fù)制了這個(gè)包從美化到語法的一切內(nèi)容。

在我看過的所有材料中，它的一切都和 ggplot2 很像，但這個(gè)包的好處是它依賴于 Pandas Python 包。不過 Pandas Python 包最近棄用了一些方法，導(dǎo)致 Python 版本不兼容。

如果你想在 R 中用真正的 ggplot（除了依賴關(guān)系外，它們的外觀、感覺以及語法都是一樣的），我在另外一篇文章中對(duì)此進(jìn)行過討論。

也就是說，如果你一定要在 Python 中用 ggplot，那你就必須要安裝 0.19.2 版的 Pandas，但我建議你最好不要為了使用較低級(jí)的繪圖包而降低 Pandas 的版本。

ggplot2（我覺得也包括 Python 的 ggplot）舉足輕重的原因是它們用「圖形語法」來構(gòu)建圖片。基本前提是你可以實(shí)例化圖，然后分別添加不同的特征；也就是說，你可以分別對(duì)標(biāo)題、坐標(biāo)軸、數(shù)據(jù)點(diǎn)以及趨勢(shì)線等進(jìn)行美化。

下面是 ggplot 代碼的簡單示例。我們先用 ggplot 實(shí)例化圖，設(shè)置美化屬性和數(shù)據(jù)，然后添加點(diǎn)、主題以及坐標(biāo)軸和標(biāo)題標(biāo)簽。

#All Salaries
ggplot(data=df, aes(x=season_start, y=salary, colour=team)) +
  geom_point() +
  theme(legend.position="none") +
  labs(title = "Salary Over Time", x="Year", y="Salary ($)")

Bokeh

Bokeh 很美。從概念上講，Bokeh 類似于 ggplot，它們都是用圖形語法來構(gòu)建圖片，但 Bokeh 具備可以做出專業(yè)圖形和商業(yè)報(bào)表且便于使用的界面。為了說明這一點(diǎn)，我根據(jù) 538 Masculinity Survey 數(shù)據(jù)集寫了制作直方圖的代碼：

import pandas as pd
from bokeh.plotting import figure
from bokeh.io import show

# is_masc is a one-hot encoded dataframe of responses to the question:
# "Do you identify as masculine?"

#Dataframe Prep
counts = is_masc.sum()
resps = is_masc.columns

#Bokeh
p2 = figure(title="Do You View Yourself As Masculine?",
          x_axis_label="Response",
          y_axis_label="Count",
          x_range=list(resps))
p2.vbar(x=resps, top=counts, width=0.6, fill_color="red", line_color="black")
show(p2)

#Pandas
counts.plot(kind="bar")

紅色的條形圖表示 538 個(gè)人關(guān)于「你認(rèn)為自己有男子漢氣概嗎？」這一問題的答案。9~14 行的 Bokeh 代碼構(gòu)建了優(yōu)雅且專業(yè)的響應(yīng)計(jì)數(shù)直方圖——字體大小、y 軸刻度和格式等都很合理。

我寫的代碼大部分都用于標(biāo)記坐標(biāo)軸和標(biāo)題，以及為條形圖添加顏色和邊框。在制作美觀且表現(xiàn)力強(qiáng)的圖片時(shí)，我更傾向于使用 Bokeh——它已經(jīng)幫我們完成了大量美化工作。

藍(lán)色的圖是上面的第 17 行代碼。這兩個(gè)直方圖的值是一樣的，但目的不同。在探索性設(shè)置中，用 Pandas 寫一行代碼查看數(shù)據(jù)很方便，但 Bokeh 的美化功能非常強(qiáng)大。

Bokeh 提供的所有便利都要在 matplotlib 中自定義，包括 x 軸標(biāo)簽的角度、背景線、y 軸刻度以及字體（大小、斜體、粗體）等。下圖展示了一些隨機(jī)趨勢(shì)，其自定義程度更高：使用了圖例和不同的顏色和線條。

Plotly

Plotly 非常強(qiáng)大，但用它設(shè)置和創(chuàng)建圖形都要花費(fèi)大量時(shí)間，而且都不直觀。在用 Plotly 忙活了大半個(gè)上午后，我?guī)缀跏裁炊紱]做出來，干脆直接去吃飯了。我只創(chuàng)建了不帶坐標(biāo)標(biāo)簽的條形圖，以及無法刪掉線條的「散點(diǎn)圖」。Ploty 入門時(shí)有一些要注意的點(diǎn)：

安裝時(shí)要有 API 秘鑰，還要注冊(cè)，不是只用 pip 安裝就可以；

Plotly 所繪制的數(shù)據(jù)和布局對(duì)象是獨(dú)一無二的，但并不直觀；

圖片布局對(duì)我來說沒有用（40 行代碼毫無意義！）

但它也有優(yōu)點(diǎn)，而且設(shè)置中的所有缺點(diǎn)都有相應(yīng)的解決方法：

你可以在 Plotly 網(wǎng)站和 Python 環(huán)境中編輯圖片；

支持交互式圖片和商業(yè)報(bào)表；

Plotly 與 Mapbox 合作，可以自定義地圖；

很有潛力繪制優(yōu)秀圖形。

以下是我針對(duì)這個(gè)包編寫的代碼：

#plot 1 - barplot
# **note** - the layout lines do nothing and trip no errors
data = [go.Bar(x=team_ave_df.team,
              y=team_ave_df.turnovers_per_mp)]

layout = go.Layout(

    title=go.layout.Title(
        text="Turnovers per Minute by Team",
        xref="paper",
        x=0
    ),

    xaxis=go.layout.XAxis(
        title = go.layout.xaxis.Title(
            text="Team",
            font=dict(
                    family="Courier New, monospace",
                    size=18,
                    color="#7f7f7f"
                )
        )
    ),

    yaxis=go.layout.YAxis(
        title = go.layout.yaxis.Title(
            text="Average Turnovers/Minute",
            font=dict(
                    family="Courier New, monospace",
                    size=18,
                    color="#7f7f7f"
                )
        )
    ),

    autosize=True,
    hovermode="closest")

py.iplot(figure_or_data=data, layout=layout, filename="jupyter-plot", sharing="public", fileopt="overwrite")

#plot 2 - attempt at a scatterplot
data = [go.Scatter(x=player_year.minutes_played,
                  y=player_year.salary,
                  marker=go.scatter.Marker(color="red",
                                          size=3))]

layout = go.Layout(title="test",
                xaxis=dict(title="why"),
                yaxis=dict(title="plotly"))

py.iplot(figure_or_data=data, layout=layout, filename="jupyter-plot2", sharing="public")

[Image: image.png]

總體來說，開箱即用的美化工具看起來很好，但我多次嘗試逐字復(fù)制文檔和修改坐標(biāo)軸標(biāo)簽時(shí)卻失敗了。但下面的圖展示了 Plotly 的潛力，以及我為什么要在它身上花好幾個(gè)小時(shí)：

Pygal

Pygal 的名氣就不那么大了，和其它常用的繪圖包一樣，它也是用圖形框架語法來構(gòu)建圖像的。由于繪圖目標(biāo)比較簡單，因此這是一個(gè)相對(duì)簡單的繪圖包。使用 Pygal 非常簡單：

實(shí)例化圖片；

用圖片目標(biāo)屬性格式化；

用 figure.add() 將數(shù)據(jù)添加到圖片中。

我在使用 Pygal 的過程中遇到的主要問題在于圖片渲染。必須要用 render_to_file 選項(xiàng)，然后在 web 瀏覽器中打開文件，才能看見我剛剛構(gòu)建的東西。

最終看來這是值得的，因?yàn)閳D片是交互式的，有令人滿意而且便于自定義的美化功能。總而言之，這個(gè)包看起來不錯(cuò)，但在文件的創(chuàng)建和渲染部分比較麻煩。

Networkx

雖然 Networkx 是基于 matplotlib 的，但它仍是圖形分析和可視化的絕佳解決方案。圖形和網(wǎng)絡(luò)不是我的專業(yè)領(lǐng)域，但 Networkx 可以快速簡便地用圖形表示網(wǎng)絡(luò)之間的連接。以下是我針對(duì)一個(gè)簡單圖形構(gòu)建的不同的表示，以及一些從斯坦福 SNAP 下載的代碼（關(guān)于繪制小型 Facebook 網(wǎng)絡(luò)）。

我按編號(hào)（1~10）用顏色編碼了每個(gè)節(jié)點(diǎn)，代碼如下：

options = {
    "node_color" : range(len(G)),
    "node_size" : 300,
    "width" : 1,
    "with_labels" : False,
    "cmap" : plt.cm.coolwarm
}
nx.draw(G, **options)

用于可視化上面提到的稀疏 Facebook 圖形的代碼如下：

import itertools
import networkx as nx
import matplotlib.pyplot as plt

f = open("data/facebook/1684.circles", "r")
circles = [line.split() for line in f]
f.close()

network = []
for circ in circles:
    cleaned = [int(val) for val in circ[1:]]
    network.append(cleaned)

G = nx.Graph()
for v in network:
    G.add_nodes_from(v)

edges = [itertools.combinations(net,2) for net in network]

for edge_group in edges:
    G.add_edges_from(edge_group)

options = {
    "node_color" : "lime",
    "node_size" : 3,
    "width" : 1,
    "with_labels" : False,
}
nx.draw(G, **options)

這個(gè)圖形非常稀疏，Networkx 通過最大化每個(gè)集群的間隔展現(xiàn)了這種稀疏化。

有很多數(shù)據(jù)可視化的包，但沒法說哪個(gè)是最好的。希望閱讀本文后，你可以了解到在不同的情境下，該如何使用不同的美化工具和代碼。

轉(zhuǎn)載至 機(jī)器之血