Python进行数据可视化,你会用什么库来做呢?

发表于:2022-6-30 10:06

字体: | 上一篇 | 下一篇 | 我要投稿

 作者:佚名    来源:Python人工智能编程

#
Python
分享:
  用Python进行数据可视化你会用什么库来做呢?
  今天就来和大家分享Python数据可视化库中的一员猛将——Altair!
  它非常简单、友好,并基于强大的Vega-Lite JSON规范构建,我们只需要简短的代码即可生成美观、有效的可视化效果。
  Altair是什么
  Altair是统计可视化Python 库,目前在GitHub上已经收获超过3000 Star。
  借助Altair,我们可以将更多的精力和时间放在理解数据本身及数据意义上,从复杂的数据可视化过程中解脱出来。
  简单来说,Altair是一种可视化语法,也是一种创建、保存和分享交互式可视化设计的声明式语言,可以使用JSON 格式描述可视化的外观和交互过程,产生基于网络的图像。
  我们来看看利用Altair做出的可视化效果!
  Altair的优势
  Altair可以通过分类汇总(aggregation)、数据变换(datatransformation)、数据交互、图形复合等方式全面地认识数据、理解数据和分析数据。这些过程都可以帮助我们增加对数据本身和数据意义的理解维度,培养直观的数据分析思维。
  总的来看,Altair 的特点有以下几个方面。
  ·基于图形语法的声明式Python API。
  · 基于Vega-Lite 的JSON 语法规则生成Altair 的Python 代码。
  · 在启动的Jupyter Notebook、JupyterLab 和nteract 中展示统计可视化过程。
  · 可以将可视化作品导出为PNG/SVG 格式的图片、独立运行的HTML 格式的网页,或者在线上Vega-Lite 编辑器中查看运行效果。
  在Altair中,使用的数据集要以“整洁的格式”加载。Pandas 中的 DataFrame 是 Altair 使用的主要数据结构之一。Altair对Pandas的DataFrame有很好地加载效果,加载方法简单高效。例如,使用Pandas读取Excel数据集,使用Altair加载Pandas返回值的实现代码,如下所示:
  import altair as alt
  import pandas as pd
  data = pd.read_excel( "Index_Chart_Altair.xlsx", sheet_name="Sales", parse_dates=["Year"] )
  alt.Chart( data )
  牛刀小试——弄出一个条形图
  Altair 很强调变量类型的区分和组合。变量的取值是数据,且有差异,有数值、字符串、日期等表现形式。变量是数据的存储容器,数据是变量的存储单元内容。
  另一方面,从统计抽样角度来看,变量是总体,数据是样本,需要使用样本研究和分析总体。可以通过将不同的变量类型相互组合从而生成统计图形,以便更直观地认识数据。
  按照不同变量类型的组合方式划分,变量类型的组合方式可以分为如下几种。
  ·名义型变量+数量型变量。
  · 时间型变量+数量型变量。
  · 时间型变量+名义型变量。
  · 数量型变量+数量型变量。
  其中,时间型变量是一种特殊类型的数量型变量,可以将时间型变量设定为名义型变量(N)或次序型变量(O),实现时间型变量的离散化,从而形成与数量型变量的组合。
  这里以名义型变量+数量型变量中的一条来讲解。
  如果将数量型变量映射到x 轴,将名义型变量映射到y 轴,依然将柱体作为数据的编码样式(标记样式),就可以绘制条形图。条形图可以更好地使用长度变化比较商品销售利润的差距,如下图所示。  
  对照柱形图的实现代码,条形图的实现代码变化的部分如下所示。
  chart = alt.Chart(df).mark_bar().encode(x="profit:Q",y="product:N")
  复杂的图形也很简单
  下面就演示一下分区展示不同年份的每月平均降雨量!
  我们可以使用面积图描述西雅图从2012 年到2015 年的每个月的平均降雨量统计情况。接下来,进一步拆分平均降雨量,以年份为分区标准,使用阶梯图将具体年份的每月平均降雨量分区展示,如下图所示。
  核心的实现代码如下所示。
  …
  chart = alt.Chart(df).mark_area(
  color="lightblue",
  interpolate="step",
  line=True,
  opacity=0.8
  ).encode(
  alt.X("month(date):T",
  axis=alt.Axis(format="%b",
  formatType="time",
  labelAngle=-15,
  labelBaseline="top",
  labelPadding=5,
  title="month")),
  y="mean(precipitation):Q",
  facet=alt.Facet("year(date):Q",
  columns=4,
  header=alt.Header(
  labelColor="red",
  labelFontSize=15,
  title="Seattle Monthly Precipitation from 2012 to 2015",
  titleFont="Calibri",
  titleFontSize=25,
  titlePadding=15)
  )
  0)
  …
  在类alt.X()中,使用month 提取时间型变量date 的月份,映射在位置通道x轴上,使用汇总函数mean()计算平均降雨量,使用折线作为编码数据的标记样式。
  在实例方法encode()中,使用子区通道facet 设置分区,使用year 提取时间型变量date 的年份,作为拆分从2012 年到2015 年每个月的平均降雨量的分区标准,从而将每年的不同月份的平均降雨量分别显示在对应的子区上。使用关键字参数columns设置子区的列数,使用关键字参数header 设置子区序号和子区标题的相关文本内容。
  具体而言,使用Header 架构包装器设置文本内容,也就是使用类alt.Header()的关键字参数完成文本内容的设置任务,关键字参数的含义如下所示。
  ·labelColor:序号标签颜色。
  · labelFontSize:序号标签大小。
  · title:子区标题。
  · titleFont:子区字体。
  · titleFontSize:子区字体大小。
  · titlePadding:子区标题与序号标签的留白距离。
  本文内容不用于商业目的,如涉及知识产权问题,请权利人联系51Testing小编(021-64471599-8017),我们将立即处理
价值398元的测试课程免费赠送,填问卷领取吧!

关注51Testing

联系我们

快捷面板 站点地图 联系我们 广告服务 关于我们 站长统计

法律顾问:上海漕溪律师事务所 项棋律师
版权所有 上海博为峰软件技术股份有限公司 Copyright©51testing.com 2003-2023
投诉及意见反馈:webmaster@51testing.com; 业务联系:service@51testing.com 021-64471599-8017

沪ICP备05003035号

沪公网安备 31010102002173号