8个流行的Python可视化工具包，你喜欢哪个？-经管之家官网！

扫码加入数据分析学习群

AIU人工智能学院：数据科学、人工智能从业者的在线大学。

数据科学（Python/R/Julia）数据分析、机器学习、深度学习

把这三个包放在一起有几个原因：首先 Seaborn 和 Pandas 是建立在 Matplotlib 之上的，当你在用 Seaborn 或 Pandas 中的 df.plot() 时，用的其实是别人用 Matplotlib 写的代码。因此，这些图在美化方面是相似的，自定义图时用的语法也都非常相似。

当提到这些可视化工具时，我想到三个词：探索（Exploratory）、数据（Data）、分析（Analysis）。这些包都很适合第一次探索数据，但要做演示时用这些包就不够了。

Matplotlib 是比较低级的库，但它所支持的自定义程度令人难以置信（所以不要简单地将其排除在演示所用的包之外！），但还有其它更适合做展示的工具。

Matplotlib 还可以选择样式（style selection），它模拟了像 ggplot2 和 xkcd 等很流行的美化工具。下面是我用 Matplotlib 及相关工具所做的示例图：

在处理篮球队薪资数据时，我想找出薪资中位数最高的团队。为了展示结果，我将每个球队的工资用颜色标成条形图，来说明球员加入哪一支球队才能获得更好的待遇。

1. import seaborn as sns
   
2. import matplotlib.pyplot as plt
   
3. color_order = ['xkcd:cerulean', 'xkcd:ocean',
   
4. 'xkcd:black','xkcd:royal purple',
   
5. 'xkcd:royal purple', 'xkcd:navy blue',
   
6. 'xkcd:powder blue', 'xkcd:light maroon',
   
7. 'xkcd:lightish blue','xkcd:navy']
   
8. sns.barplot(x=top10.Team,
   
9. y=top10.Salary,
   
10. palette=color_order).set_title('Teams with Highest Median Salary')
    
11. plt.ticklabel_format(copycode($('code_2Os'));">复制代码
    
    https://p1.pstatp.com/large/pgc-image/b4186269bb7a43058b41fb97df0b7f5a

    第二个图是回归实验残差的 Q-Q 图。这张图的主要目的是展示如何用尽量少的线条做出一张有用的图，当然也许它可能不那么美观。

    1. import matplotlib.pyplot as plt
       
    2. import scipy.stats as stats
       
    3. #model2 is a regression model
       
    4. log_resid = model2.predict(X_test)-y_test
       
    5. stats.probplot(log_resid, dist="norm", plot=plt)
       
    6. plt.title("Normal Q-Q plot")
       
    7. plt.show()
    复制代码
    
    https://p3.pstatp.com/large/pgc-image/e43dadc3aa344b63994686a6ad3d2b7c
    

    最终证明，Matplotlib 及其相关工具的效率很高，但就演示而言它们并不是最好的工具。

    ggplot(2)

    你可能会问，「Aaron，ggplot 是 R 中最常用的可视化包，但你不是要写 Python 的包吗？」。人们已经在 Python 中实现了 ggplot2，复制了这个包从美化到语法的一切内容。

    在我看过的所有材料中，它的一切都和 ggplot2 很像，但这个包的好处是它依赖于 Pandas Python 包。不过 Pandas Python 包最近弃用了一些方法，导致 Python 版本不兼容。

    如果你想在 R 中用真正的 ggplot（除了依赖关系外，它们的外观、感觉以及语法都是一样的），我在另外一篇文章中对此进行过讨论。

    也就是说，如果你一定要在 Python 中用 ggplot，那你就必须要安装 0.19.2 版的 Pandas，但我建议你最好不要为了使用较低级的绘图包而降低 Pandas 的版本。

    ggplot2（我觉得也包括 Python 的 ggplot）举足轻重的原因是它们用「图形语法」来构建图片。基本前提是你可以实例化图，然后分别添加不同的特征；也就是说，你可以分别对标题、坐标轴、数据点以及趋势线等进行美化。

    下面是 ggplot 代码的简单示例。我们先用 ggplot 实例化图，设置美化属性和数据，然后添加点、主题以及坐标轴和标题标签。

    1. #All Salaries
       
    2. ggplot(data=df, aes(x=season_start, y=salary, colour=team)) +
       
    3. geom_point() +
       
    4. theme(legend.position="none") +
       
    5. labs(title = 'Salary Over Time', x='Year', y='Salary ($)')
    复制代码
    
    https://p3.pstatp.com/large/pgc-image/cfebefb699cb48f7b3211aae8203793e
    Bokeh

    Bokeh 很美。从概念上讲，Bokeh 类似于 ggplot，它们都是用图形语法来构建图片，但 Bokeh 具备可以做出专业图形和商业报表且便于使用的界面。为了说明这一点，我根据 538 Masculinity Survey 数据集写了制作直方图的代码：

    1. import pandas as pd
       
    2. from bokeh.plotting import figure
       
    3. from bokeh.io import show
       
    4. # is_masc is a one-hot encoded dataframe of responses to the question:
       
    5. # "Do you identify as masculine?"
       
    6. #Dataframe Prep
       
    7. counts = is_masc.sum()
       
    8. resps = is_masc.columns
       
    9. #Bokeh
       
    10. p2 = figure(title='Do You View Yourself As Masculine?',
        
    11. x_axis_label='Response',
        
    12. y_axis_label='Count',
        
    13. x_range=list(resps))
        
    14. p2.vbar(x=resps, top=counts, width=0.6, fill_color='red', line_color='black')
        
    15. show(p2)
        
    16. #Pandas
        
    17. counts.plot(kind='bar')
    复制代码
    
    https://p1.pstatp.com/large/pgc-image/0f6065b68f8944e5a055886db69b2a0a
    

    用 Bokeh 表示调查结果

    红色的条形图表示 538 个人关于「你认为自己有男子汉气概吗？」这一问题的答案。9~14 行的 Bokeh 代码构建了优雅且专业的响应计数直方图——字体大小、y 轴刻度和格式等都很合理。

    我写的代码大部分都用于标记坐标轴和标题，以及为条形图添加颜色和边框。在制作美观且表现力强的图片时，我更倾向于使用 Bokeh——它已经帮我们完成了大量美化工作。

    
    https://p3.pstatp.com/large/pgc-image/cc6b22d89479459598f4f679712b83d1
    

    用 Pandas 表示相同的数据

    蓝色的图是上面的第 17 行代码。这两个直方图的值是一样的，但目的不同。在探索性设置中，用 Pandas 写一行代码查看数据很方便，但 Bokeh 的美化功能非常强大。

    Bokeh 提供的所有便利都要在 matplotlib 中自定义，包括 x 轴标签的角度、背景线、y 轴刻度以及字体（大小、斜体、粗体）等。下图展示了一些随机趋势，其自定义程度更高：使用了图例和不同的颜色和线条。

    
    https://p1.pstatp.com/large/pgc-image/00cf42c592fe4a4d8d3fe19322bb3cdc
    

    Bokeh 还是制作交互式商业报表的绝佳工具。

    Plotly

    Plotly 非常强大，但用它设置和创建图形都要花费大量时间，而且都不直观。在用 Plotly 忙活了大半个上午后，我几乎什么都没做出来，干脆直接去吃饭了。我只创建了不带坐标标签的条形图，以及无法删掉线条的「散点图」。Ploty 入门时有一些要注意的点：

    • 安装时要有 API 秘钥，还要注册，不是只用 pip 安装就可以；Plotly 所绘制的数据和布局对象是独一无二的，但并不直观；图片布局对我来说没有用（40 行代码毫无意义！）
      

    但它也有优点，而且设置中的所有缺点都有相应的解决方法：

    • 你可以在 Plotly 网站和 Python 环境中编辑图片；支持交互式图片和商业报表；Plotly 与 Mapbox 合作，可以自定义地图；很有潜力绘制优秀图形。
      

    以下是我针对这个包编写的代码：

    1. #plot 1 - barplot
       
    2. # **note** - the layout lines do nothing and trip no errors
       
    3. data = [go.Bar(x=team_ave_df.team,
       
    4. y=team_ave_df.turnovers_per_mp)]
       
    5. layout = go.Layout(
       
    6. title=go.layout.Title(
       
    7. text='Turnovers per Minute by Team',
       
    8. xref='paper',
       
    9. x=0
       
    10. ),
        
    11. xaxis=go.layout.XAxis(
        
    12. title = go.layout.xaxis.Title(
        
    13. text='Team',
        
    14. font=dict(
        
    15. family='Courier New, monospace',
        
    16. size=18,
        
    17. color='#7f7f7f'
        
    18. )
        
    19. )
        
    20. ),
        
    21. yaxis=go.layout.YAxis(
        
    22. title = go.layout.yaxis.Title(
        
    23. text='Average Turnovers/Minute',
        
    24. font=dict(
        
    25. family='Courier New, monospace',
        
    26. size=18,
        
    27. color='#7f7f7f'
        
    28. )
        
    29. )
        
    30. ),
        
    31. autosize=True,
        
    32. hovermode='closest')
        
    33. py.iplot(figure_or_data=data, layout=layout, filename='jupyter-plot', sharing='public', fileopt='overwrite')
        
    34. #plot 2 - attempt at a scatterplot
        
    35. data = [go.Scatter(x=player_year.minutes_played,
        
    36. y=player_year.salary,
        
    37. marker=go.scatter.Marker(color='red',
        
    38. size=3))]
        
    39. layout = go.Layout(title="test",
        
    40. xaxis=dict(title='why'),
        
    41. yaxis=dict(title='plotly'))
        
    42. py.iplot(figure_or_data=data, layout=layout, filename='jupyter-plot2', sharing='public')
        
    43. [Image: image.png]
    复制代码
    https://p1.pstatp.com/large/pgc-image/fc505d340e9041839a8050a21527c3ef
    表示不同 NBA 球队每分钟平均失误数的条形图。
    https://p3.pstatp.com/large/pgc-image/aa138c3469df4301810ec1aeb3d834a7
    

    表示薪水和在 NBA 的打球时间之间关系的散点图

    总体来说，开箱即用的美化工具看起来很好，但我多次尝试逐字复制文档和修改坐标轴标签时却失败了。但下面的图展示了 Plotly 的潜力，以及我为什么要在它身上花好几个小时：

    https://p3.pstatp.com/large/pgc-image/7386d22d68c14cfa9ec39630d4a669bf
    

    Plotly 页面上的一些示例图

    Pygal

    Pygal 的名气就不那么大了，和其它常用的绘图包一样，它也是用图形框架语法来构建图像的。由于绘图目标比较简单，因此这是一个相对简单的绘图包。使用 Pygal 非常简单：

    • 实例化图片；用图片目标属性格式化；用 figure.add() 将数据添加到图片中。
      

    我在使用 Pygal 的过程中遇到的主要问题在于图片渲染。必须要用 render_to_file 选项，然后在 web 浏览器中打开文件，才能看见我刚刚构建的东西。

    最终看来这是值得的，因为图片是交互式的，有令人满意而且便于自定义的美化功能。总而言之，这个包看起来不错，但在文件的创建和渲染部分比较麻烦。

    
    https://p3.pstatp.com/large/pgc-image/b9dc9379321f4b9ab0d0676536d603ce
    Networkx

    虽然 Networkx 是基于 matplotlib 的，但它仍是图形分析和可视化的绝佳解决方案。图形和网络不是我的专业领域，但 Networkx 可以快速简便地用图形表示网络之间的连接。以下是我针对一个简单图形构建的不同的表示，以及一些从斯坦福 SNAP 下载的代码（关于绘制小型 Facebook 网络）。

    
    https://p1.pstatp.com/large/pgc-image/abe5c88ff9ea4f00ab28870b1238b7b4
    

    我按编号（1~10）用颜色编码了每个节点，代码如下：

    1. options = {
       
    2. 'node_color' : range(len(G)),
       
    3. 'node_size' : 300,
       
    4. 'width' : 1,
       
    5. 'with_labels' : False,
       
    6. 'cmap' : plt.cm.coolwarm
       
    7. }
       
    8. nx.draw(G, **options)
    复制代码
    https://p9.pstatp.com/large/pgc-image/5c88336ce15c4c5ab0f5a0f3bccd25b3
    

    用于可视化上面提到的稀疏 Facebook 图形的代码如下：

    1. import itertools
       
    2. import networkx as nx
       
    3. import matplotlib.pyplot as plt
       
    4. f = open('data/facebook/1684.circles', 'r')
       
    5. circles = [line.split() for line in f]
       
    6. f.close()
       
    7. network = []
       
    8. for circ in circles:
       
    9. cleaned = [int(val) for val in circ[1:]]
       
    10. network.append(cleaned)
        
    11. G = nx.Graph()
        
    12. for v in network:
        
    13. G.add_nodes_from(v)
        
    14. edges = [itertools.combinations(net,2) for net in network]
        
    15. for edge_group in edges:
        
    16. G.add_edges_from(edge_group)
        
    17. options = {
        
    18. 'node_color' : 'lime',
        
    19. 'node_size' : 3,
        
    20. 'width' : 1,
        
    21. 'with_labels' : False,
        
    22. }
        
    23. nx.draw(G, **options)
    复制代码
    
    https://p1.pstatp.com/large/pgc-image/609995105e644017a89c5f07ad9bced8
    

    这个图形非常稀疏，Networkx 通过最大化每个集群的间隔展现了这种稀疏化。

    有很多数据可视化的包，但没法说哪个是最好的。希望阅读本文后，你可以了解到在不同的情境下，该如何使用不同的美化工具和代码。

    https://pic.bbs.jg.com.cn/forum/202004/30/095444kti0t077102zgfb2.jpg

    
    

    关注“AIU人工智能实验室”，回复“录播”获取更多人工智能精选直播视频！

    
    
    「经管之家」APP：经管人学习、答疑、交友，就上经管之家！
    免流量费下载资料----在经管之家app可以下载论坛上的所有资源，并且不额外收取下载高峰期的论坛币。
    涵盖所有经管领域的优秀内容----覆盖经济、管理、金融投资、计量统计、数据分析、国贸、财会等专业的学习宝库，各类资料应有尽有。
    来自五湖四海的经管达人----已经有上千万的经管人来到这里，你可以找到任何学科方向、有共同话题的朋友。
    经管之家（原人大经济论坛），跨越高校的围墙，带你走进经管知识的新世界。
    扫描下方二维码下载并注册APP