前言
數(shù)據(jù)科學(xué)家并不遜色于藝術(shù)家。他們用數(shù)據(jù)可視化 的方式繪畫，試圖展現(xiàn)數(shù)據(jù)內(nèi)隱藏的模式或表達(dá)對(duì)數(shù)據(jù)的見解。更有趣的是，一旦接觸到任何可視化的內(nèi)容、數(shù)據(jù)時(shí)，人類會(huì)有更強(qiáng)烈的知覺、認(rèn)知和交流。
數(shù)據(jù)可視化是數(shù)據(jù)科學(xué)家工作中的重要組成部分。在項(xiàng)目的早期階段，你通常會(huì)進(jìn)行探索性數(shù)據(jù)分析(Exploratory Data Analysis，EDA)以獲取對(duì)數(shù)據(jù)的一些理解。創(chuàng)建可視化方法確實(shí)有助于使事情變得更加清晰易懂，特別是對(duì)于大型、高維數(shù)據(jù)集。在項(xiàng)目結(jié)束時(shí)，以清晰、簡(jiǎn)潔和引人注目的方式展現(xiàn)最終結(jié)果是非常重要的，因?yàn)槟愕氖鼙娡欠羌夹g(shù)型客戶，只有這樣他們才可以理解。
Matplotlib 是一個(gè)流行的 Python 庫(kù)，可以用來很簡(jiǎn)單地創(chuàng)建數(shù)據(jù)可視化方案。但每次創(chuàng)建新項(xiàng)目時(shí)，設(shè)置數(shù)據(jù)、參數(shù)、圖形和排版都會(huì)變得非常繁瑣和麻煩。在這篇博文中，我們將著眼于 5 個(gè)數(shù)據(jù)可視化方法，并使用 Python Matplotlib 為他們編寫一些快速簡(jiǎn)單的函數(shù)。與此同時(shí)，這里有一個(gè)很棒的圖表，可用于在工作中選擇正確的可視化方法!
散點(diǎn)圖
散點(diǎn)圖非常適合展示兩個(gè)變量之間的關(guān)系，因?yàn)槟憧梢灾苯涌吹綌?shù)據(jù)的原始分布。 如下面第一張圖所示的，你還可以通過對(duì)組進(jìn)行簡(jiǎn)單地顏色編碼來查看不同組數(shù)據(jù)的關(guān)系。想要可視化三個(gè)變量之間的關(guān)系? 沒問題! 僅需使用另一個(gè)參數(shù)(如點(diǎn)大小)就可以對(duì)第三個(gè)變量進(jìn)行編碼，如下面的第二張圖所示。
現(xiàn)在開始討論代碼。我們首先用別名 “plt” 導(dǎo)入 Matplotlib 的 pyplot 。要?jiǎng)?chuàng)建一個(gè)新的點(diǎn)陣圖，我們可調(diào)用 plt.subplots() 。我們將 x 軸和 y 軸數(shù)據(jù)傳遞給該函數(shù)，然后將這些數(shù)據(jù)傳遞給 ax.scatter() 以繪制散點(diǎn)圖。我們還可以設(shè)置點(diǎn)的大小、點(diǎn)顏色和 alpha 透明度。你甚至可以設(shè)置 Y 軸為對(duì)數(shù)刻度。標(biāo)題和坐標(biāo)軸上的標(biāo)簽可以專門為該圖設(shè)置。這是一個(gè)易于使用的函數(shù)，可用于從頭到尾創(chuàng)建散點(diǎn)圖!
1
2
3
4
5
6
7
8
9
import matplotlib.pyplot as pltimport numpy as npdef scatterplot(x_data, y_data, x_label="", y_label="", id="codetool">
折線圖
當(dāng)你可以看到一個(gè)變量隨著另一個(gè)變量明顯變化的時(shí)候，比如說它們有一個(gè)大的協(xié)方差，那最好使用折線圖。讓我們看一下下面這張圖。我們可以清晰地看到對(duì)于所有的主線隨著時(shí)間都有大量的變化。使用散點(diǎn)繪制這些將會(huì)極其混亂，難以真正明白和看到發(fā)生了什么。折線圖對(duì)于這種情況則非常好，因?yàn)樗鼈兓旧咸峁┙o我們兩個(gè)變量(百分比和時(shí)間)的協(xié)方差的快速總結(jié)。另外，我們也可以通過彩色編碼進(jìn)行分組。
這里是折線圖的代碼。它和上面的散點(diǎn)圖很相似，只是在一些變量上有小的變化。
1
2
3
4
5
6
7
8
def lineplot(x_data, y_data, x_label="", y_label="", id="codetool">
直方圖
直方圖對(duì)于查看(或真正地探索)數(shù)據(jù)點(diǎn)的分布是很有用的。查看下面我們以頻率和 IQ 做的直方圖。我們可以清楚地看到朝中間聚集，并且能看到中位數(shù)是多少。我們也可以看到它呈正態(tài)分布。使用直方圖真得能清晰地呈現(xiàn)出各個(gè)組的頻率之間的相對(duì)差別。組的使用(離散化)真正地幫助我們看到了“更加宏觀的圖形”,然而當(dāng)我們使用所有沒有離散組的數(shù)據(jù)點(diǎn)時(shí)，將對(duì)可視化可能造成許多干擾，使得看清真正發(fā)生了什么變得困難。
下面是在 Matplotlib 中的直方圖代碼。有兩個(gè)參數(shù)需要注意一下：首先，參數(shù) n_bins 控制我們想要在直方圖中有多少個(gè)離散的組。更多的組將給我們提供更加完善的信息，但是也許也會(huì)引進(jìn)干擾，使得我們遠(yuǎn)離全局;另一方面，較少的組給我們一種更多的是“鳥瞰圖”和沒有更多細(xì)節(jié)的全局圖。其次，參數(shù) cumulative 是一個(gè)布爾值，允許我們選擇直方圖是否為累加的，基本上就是選擇是 PDF(Probability Density Function，概率密度函數(shù))還是 CDF(Cumulative Density Function，累積密度函數(shù))。
1
2
3
4
5
6
def histogram(data, n_bins, cumulative=False, x_label = "", y_label = "", id="codetool">
想象一下我們想要比較數(shù)據(jù)中兩個(gè)變量的分布。有人可能會(huì)想你必須制作兩張直方圖，并且把它們并排放在一起進(jìn)行比較。然而，實(shí)際上有一種更好的辦法：我們可以使用不同的透明度對(duì)直方圖進(jìn)行疊加覆蓋。看下圖，均勻分布的透明度設(shè)置為 0.5 ，使得我們可以看到他背后的圖形。這樣我們就可以直接在同一張圖表里看到兩個(gè)分布。
對(duì)于重疊的直方圖，需要設(shè)置一些東西。首先，我們?cè)O(shè)置可同時(shí)容納不同分布的橫軸范圍。根據(jù)這個(gè)范圍和期望的組數(shù)，我們可以真正地計(jì)算出每個(gè)組的寬度。最后，我們?cè)谕粡垐D上繪制兩個(gè)直方圖，其中有一個(gè)稍微更透明一些。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
柱狀圖
當(dāng)你試圖將類別很少(可能小于10)的分類數(shù)據(jù)可視化的時(shí)候，柱狀圖是最有效的。如果我們有太多的分類，那么這些柱狀圖就會(huì)非常雜亂，很難理解。柱狀圖對(duì)分類數(shù)據(jù)很好，因?yàn)槟憧梢院苋菀椎乜吹交谥念悇e之間的區(qū)別(比如大小);分類也很容易劃分和用顏色進(jìn)行編碼。我們將會(huì)看到三種不同類型的柱狀圖：常規(guī)的，分組的，堆疊的。在我們進(jìn)行的過程中，請(qǐng)查看圖形下面的代碼。
常規(guī)的柱狀圖如下面的圖1。在 barplot() 函數(shù)中，xdata 表示 x 軸上的標(biāo)記，ydata 表示 y 軸上的桿高度。誤差條是一條以每條柱為中心的額外的線，可以畫出標(biāo)準(zhǔn)偏差。
分組的柱狀圖讓我們可以比較多個(gè)分類變量。看看下面的圖2。我們比較的第一個(gè)變量是不同組的分?jǐn)?shù)是如何變化的(組是G1，G2，……等等)。我們也在比較性別本身和顏色代碼。看一下代碼，y_data_list 變量實(shí)際上是一個(gè) y 元素為列表的列表，其中每個(gè)子列表代表一個(gè)不同的組。然后我們對(duì)每個(gè)組進(jìn)行循環(huán)，對(duì)于每一個(gè)組，我們?cè)?x 軸上畫出每一個(gè)標(biāo)記;每個(gè)組都用彩色進(jìn)行編碼。
堆疊柱狀圖可以很好地觀察不同變量的分類。在圖3的堆疊柱狀圖中，我們比較了每天的服務(wù)器負(fù)載。通過顏色編碼后的堆棧圖，我們可以很容易地看到和理解哪些服務(wù)器每天工作最多，以及與其他服務(wù)器進(jìn)行比較負(fù)載情況如何。此代碼的代碼與分組的條形圖相同。我們循環(huán)遍歷每一組，但這次我們把新柱放在舊柱上，而不是放在它們的旁邊。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
def barplot(x_data, y_data, error_data, x_label="", y_label="", id="codetool">
箱形圖
我們之前看了直方圖，它很好地可視化了變量的分布。但是如果我們需要更多的信息呢?也許我們想要更清晰的看到標(biāo)準(zhǔn)偏差?也許中值與均值有很大不同，我們有很多離群值?如果有這樣的偏移和許多值都集中在一邊呢?
這就是箱形圖所適合干的事情了。箱形圖給我們提供了上面所有的信息。實(shí)線框的底部和頂部總是第一個(gè)和第三個(gè)四分位(比如 25% 和 75% 的數(shù)據(jù))，箱體中的橫線總是第二個(gè)四分位(中位數(shù))。像胡須一樣的線(虛線和結(jié)尾的條線)從這個(gè)箱體伸出，顯示數(shù)據(jù)的范圍。
由于每個(gè)組/變量的框圖都是分別繪制的，所以很容易設(shè)置。xdata 是一個(gè)組/變量的列表。Matplotlib 庫(kù)的 boxplot() 函數(shù)為 ydata 中的每一列或每一個(gè)向量繪制一個(gè)箱體。因此，xdata 中的每個(gè)值對(duì)應(yīng)于 ydata 中的一個(gè)列/向量。我們所要設(shè)置的就是箱體的美觀。
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
def boxplot(x_data, y_data, base_color="#539caf", median_color="#297083", x_label="", y_label="", id="codetool">
結(jié)語(yǔ)
使用 Matplotlib 有 5 個(gè)快速簡(jiǎn)單的數(shù)據(jù)可視化方法。將相關(guān)事務(wù)抽象成函數(shù)總是會(huì)使你的代碼更易于閱讀和使用!我希望你喜歡這篇文章，并且學(xué)到了一些新的有用的技巧。如果你確實(shí)如此，請(qǐng)隨時(shí)給它點(diǎn)贊。
好了，以上就是這篇文章的全部?jī)?nèi)容了，希望本文的內(nèi)容對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，如果有疑問大家可以留言交流，謝謝大家對(duì)服務(wù)器之家的支持。
原文鏈接：http://bigdata.51cto.com/art/201803/568853.htm
Python
今天小編就為大家分享一篇使用NumPy和pandas對(duì)CSV文件進(jìn)行寫操作的實(shí)例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧...
1360 2021-03-05
Python
這篇文章主要介紹了python 插入Null值數(shù)據(jù)到Postgresql的操作，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧...
645 2021-09-16
Python
這篇文章主要介紹了python 列表轉(zhuǎn)為字典的兩個(gè)小方法(小結(jié))，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的...
1654 2021-07-25
Python
在本篇內(nèi)容里小編給大家分享的是關(guān)于Python3以GitHub為例來實(shí)現(xiàn)模擬登錄和爬取的實(shí)例講解，需要的朋友們可以參考下。
...
526 2020-07-31
Python
這篇文章主要介紹了在Windows系統(tǒng)上搭建Nginx+Python+MySQL環(huán)境的教程,文中使用flup中間件及FastCGI方式連接,需要的朋友可以參考下
...
1324 2020-08-05
Python
下面小編就為大家?guī)硪黄猵ython直接訪問私有屬性的簡(jiǎn)單方法。小編覺得挺不錯(cuò)的，現(xiàn)在就分享給大家，也給大家做個(gè)參考。一起跟隨小編過來看看吧
...
515 2020-09-03
Python
這篇文章主要介紹了Python的dict字典結(jié)構(gòu)操作方法學(xué)習(xí)筆記本,字典的操作是Python入門學(xué)習(xí)中的基礎(chǔ)知識(shí),需要的朋友可以參考下...
440 2020-08-22
Python
今天小編就為大家分享一篇Python實(shí)現(xiàn)ping指定IP的示例，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧...
1290 2021-02-28
一级一片在线播放在线观看
|
亚洲日本va中文字幕
|
在线成人福利
|
亚洲一区二区视频在线观看
|
青草青草久热精品视频在线观看
|
日韩欧美国产一区二区三区
|
久久精热
|
亚洲在线精品视频
|
成人在线免费看
|
欧美精品一区二
|
av在线资源网
|
中文字幕av一区二区三区
|
日本三级电影网站
|
成人免费毛片aaaaaa片
|
免费一级黄色
|
免费黄色电影在线观看
|
国产精品福利在线观看
|
www日韩
|
日韩欧美视频免费
|
欧美一级看片a免费观看
|
午夜精品在线
|
www.日韩系列
|
欧美一区二区在线视频
|
夜夜骑日日操
|
亚洲国产精品无卡做爰天天
|
天天干天天搞天天射
|
成人高清网站
|
日韩在线综合
|
成人毛片在线
|
中文字幕国产视频
|
av在线免费观看网站
|
91精品国产91久久综合桃花
|
亚洲国产一区二区在线观看
|
国产精品国产a
|
久久精品亚洲成在人线av网址
|
自拍视频网站
|
91精品国产高清久久久久久久久
|
国产精品免费一区二区三区四区
|
亚洲精选久久
|
亚洲天堂久久
|
一区二区三区日本
|
