万字长文 | 超全代码详解Python制作精美炫酷图表教程
- 2019 年 11 月 27 日
- 筆記
本文转自『读芯术』
生活阶梯（幸福指数）与人均GDP（金钱）正相关的正则图
本文将探讨三种用Python可视化数据的不同方法。以可视化《2019年世界幸福报告》的数据为例，本文用Gapminder和Wikipedia的信息丰富了《世界幸福报告》数据，以探索新的数据关系和可视化方法。
《世界幸福报告》试图回答世界范围内影响幸福的因素。
报告根据对“坎特里尔阶梯问题”的回答来确定幸福指数，被调查者需对自己的生活状况进行打分，10分为最佳状态，0分为最差。
本文将使用Life Ladder作为目标变量。Life Ladder就是指幸福指数。
文章结构
图片来源：Nik MacMillan/Unsplash
本文旨在提供代码指南和参考点，以便在查找特定类型的图表时进行参考。为了节省空间，有时会将多个图表合并到一张图上。但是请放心，你可以在这个Repo或相应的Jupyter Notebook中找到所有基本代码。
目录
· 我使用Python进行绘图的经历
· 分布的重要性
· 加载数据和包导入
· 迅速：使用Pandas进行基本绘图
· 美观：使用Seaborn进行高级绘图
· 精彩：用plotly创造精彩的互动情节
1. 我使用Python进行绘图的经历
图片来源：Krys Amon/Unsplash
大约两年前，我开始更认真地学习Python。从那时起，Python几乎每周都会给我一些惊喜，它不仅自身简单易用，而且其生态系统中还有很多令人惊叹的开源库。我对命令、模式和概念越熟悉，就越能充分利用其功能。
Matplotlib
与用Python绘图正好相反。最初，我用matplotlib创建的几乎每个图表看起来都很过时。更糟糕的是，为了创建这些讨厌的东西，我不得不在Stackoverflow上花费数小时。例如，研究改变x斜度的基本命令或者类似这些的蠢事。我一点也不想做多图表。以编程的方式创建这些图表是非常奇妙的，例如，一次生成50个不同变量的图表，结果令人印象深刻。然而，其中涉及大量的工作，需要记住一大堆无用的指令。
Seaborn
学习Seaborn能够节省很多精力。Seaborn可以抽象出大量的微调。毫无疑问，这使得图表在美观上得到巨大的改善。然而，它也是构建在matplotlib之上的。通常，对于非标准的调整，仍然有必要使用机器级的matplotlib代码。
Bokeh
一时间，我以为Bokeh会成为一个后援解决方案。我在做地理空间可视化的时候发现了Bokeh。然而，我很快就意识到，虽然Bokeh有所不同，但还是和matplotlib一样复杂。
Plotly
不久前我确实尝试过 plot.ly （后面就直接用plotly来表示）同样用于地理空间可视化。那个时候，plotly比前面提到的库还要麻烦。它必须通过笔记本账户登录，然后plotly可以在线呈现，接着下载最终图表。我很快就放弃了。但是，我最近看到了一个关于plotlyexpress和plotly4.0的Youtube视频，重点是，他们把那些在线的废话都删掉了。我尝试了一下，本篇文章就是尝试的成果。我想，知道得晚总比不知道的好。
Kepler.gl (地理空间数据优秀奖)
Kepler.gl不是一个Python库，而是一款强大的基于web的地理空间数据可视化工具。只需要CSV文件，就可以使用Python轻松地创建文件。试试吧!
当前工作流程
最后，我决定使用Pandas本地绘图进行快速检查，并使用Seaborn绘制要在报告和演示中使用的图表（视觉效果很重要）。
2. 分布的重要性
图片来源：Jonny Caspari/Unsplash
我在圣地亚哥从事研究期间，负责教授统计学（Stats119）。Stats119是统计学的入门课程，包括统计的基础知识，如数据聚合（可视化和定量）、概率的概念、回归、抽样、以及最重要的分布。这一次，我对数量和现象的理解几乎完全转变为基于分布的理解（大多数时候是高斯分布）。
直到今天，我仍然惊讶于这两个量的作用，标准差能帮助人理解现象。只要知道这两个量，就可以直接得出具体结果的概率，用户马上就知道大部分的结果的分布情况。它提供了一个参考框架，无需进行过于复杂的计算，就可以快速找出有统计意义的事件。
一般来说，面对新数据时，我的第一步是尝试可视化其分布，以便更好地理解数据。
3. 加载数据和包导入
图片来源：Kelli Tungay/Unsplash
先加载本文使用的数据。我已经对数据进行了预处理。并对它的意义进行了探究和推断。
# Loadthe data data = pd.read_csv( https://raw.githubusercontent.com/FBosler/AdvancedPlotting/master/combined_set.csv )#this assigns labels per year data[ Mean Log GDP per capita ] =data.groupby( Year )[ Log GDP per capita ].transform( pd.qcut, q=5, labels=([ Lowest , Low , Medium , High , Highest ]) )
数据集包含以下值：
· 年份：计量年（2007 -2018）
· 生活阶梯：受访者根据坎特里尔阶梯（CantrilLadder），用0~10分（最满意的为10分）来衡量他们今天的生活
· 人均GDP：根据世界银行2018年11月14日发布的《世界发展指标》（WDI），将人均GDP调整为PPP（2011年不变价国际元）
· 社会支持：对下面问题的回答：“遇到困难时，是否可以随时获得亲戚或朋友的帮助？”
· 出生时预期健康寿命：出生时预期健康寿命是根据世界卫生组织（WHO）全球卫生观察站（GHO）数据库构建的，数据分别来自2005年、2010年、2015年和2016年。
· 自由选择权：回答下面这个问题：“你是否对自己生活的选择自由感到满意？”
· 慷慨：对“过去一个月是否给慈善机构捐过款?”与人均GDP相比
· 政治清廉：回答“腐败现象在政府中是否普遍？”“腐败在企业内部是否普遍？”
· 积极影响：包括前一天快乐、欢笑和享受的平均频率。
· 负面影响：包括前一天焦虑、悲伤和愤怒的平均频率。
· 对国家政府的信心：不言自明
· 民主质量：一个国家的民主程度
· 执行质量：一个国家的政策执行情况
· Gapminder预期寿命：Gapminder的预期寿命
· Gapminder人口: 国家人口
导入
import plotly import pandas as pd import numpy as np import seaborn as sns import plotly.express as pximport matplotlib%matplotlib inlineassertmatplotlib.__version__ == "3.1.0",""" Please install matplotlib version 3.1.0 by running: 1) !pip uninstall matplotlib 2) !pip install matplotlib==3.1.0 """
4. 迅速：使用Pandas进行基本绘图
图片来源：Marvin Meyer/Unsplash
Pandas有内置的绘图功能，可以在Series或DataFrame上调用。之所以喜欢这些绘图函数，是因为它们简洁、使用合理的智能默认值、很快就能给出进展程度。
创建图表，在数据中调用.plot(kind=<TYPE OF PLOT>)，如下所示：
np.exp(data[data[ Year ]==2018][ LogGDP per capita ]).plot( kind= hist )
运行上述命令，生成以下图表。
2018年：人均GDP直方图。大多数国家都很穷，这一点也不奇怪！
用Pandas绘图时，有五个主要参数：
· kind：Pandas必须知道需要创建什么样的图，可选的有以下几种：直方图（hist），条形图（bar），水平条图（barh），散点图（scatter），面积（area），核密度估计（kde），折线图（line），方框（box），六边形（hexbin），饼状图（pie）。
· figsize：允许6英寸宽和4英寸高的默认输出尺寸。需要一个元组（例如，我就经常使用figsize=(12,8)）
· title：为图表添加一个标题。大多数情况下，可以用这个标题来标明图表中所显示的内容，这样回过头来看的时候，就能很快识别出表的内容。title需要一个字符串。
· bins:直方图的bin宽度。bin需要一个值的列表或类似列表序列（例如， bins=np.arange(2,8,0.25)）
· xlim/ylim: 轴的最大和最小默认值。xlim和ylim都最好有一个元组（例如， xlim=(0,5)）
下面来快速浏览一下不同类型的图。
垂直条形图
data[ data[ Year ] == 2018 ].set_index( Country name )[ Life Ladder ].nlargest(15).plot( kind= bar , figsize=(12,8) )
2018年：芬兰位居15个最幸福国家之首
水平条形图
np.exp(data[ data[ Year ] == 2018 ].groupby( Continent )[ Log GDP per capita ] .mean()).sort_values().plot( kind= barh , figsize=(12,8) )
澳大利亚和新西兰2011年人均GDP（美元）明显领先
盒型图
data[ Life Ladder ].plot( kind= box , figsize=(12,8) )
人生阶梯分布的方框图显示平均值在5.5左右，范围为3~8。
散点图
data[[ Healthy life expectancyat birth , Gapminder Life Expectancy ]].plot( kind= scatter , x= Healthy life expectancy at birth , y= Gapminder Life Expectancy , figsize=(12,8) )
该散点图显示了《世界幸福报告》的预期寿命与Gapminder的预期寿命两者之间的高度相关性
Hexbin图
data[data[ Year ] == 2018].plot( kind= hexbin , x= Healthy life expectancy at birth , y= Generosity , C= Life Ladder , gridsize=20, figsize=(12,8), cmap="Blues", # defaults togreenish sharex=False # required to get rid ofa bug)
2018年：Hexbin图，表示人的平均寿命与慷慨程度之间的关系。格子的颜色表示每个格子的平均寿命。
饼状图
data[data[ Year ] == 2018].groupby( [ Continent ] )[ Gapminder Population ].sum().plot( kind= pie , figsize=(12,8), cmap="Blues_r", # defaultsto orangish )
2018年：按大洲划分的总人口数饼状图
堆积面积图
data.groupby( [ Year , Continent ] )[ Gapminder Population ].sum().unstack().plot( kind= area , figsize=(12,8), cmap="Blues", # defaults toorangish )
全球人口数量正在增长。
折线图
data[ data[ Country name ] == Germany ].set_index( Year )[ Life Ladder ].plot( kind= line , figsize=(12,8))
表示德国幸福指数发展的折线图
关于Pandas绘图的总结
用pandas绘图很方便。易于访问，速度也快。只是图表外观相当丑，几乎不可能偏离默认值。不过这没关系，因为有其他工具来制作更美观的图表。
5. 美观：使用Seaborn进行高级绘图
Seaborn使用的是默认绘图。要确保运行结果与本文一致，请运行以下命令。
sns.reset_defaults() sns.set( rc={ figure.figsize :(7,5)}, style="white" # nicerlayout )
绘制单变量分布
如前所述，我非常喜欢分布。直方图和核密度分布都是可视化特定变量关键特征的有效方法。下面来看看如何在一个图表中生成单个变量或多个变量分布。
左图：2018年亚洲国家人生阶梯直方图和核密度估算；右图：五组人均GDP人生阶梯的核心密度估算——体现了金钱与幸福指数的关系
绘制二元分布
每当我想要直观地探索两个或多个变量之间的关系，总是用到某种形式的散点图和分布评估。在概念上相似的图表有三种变体。在每个图中，中心图（散点图，二元KDE，hexbin）有助于理解两个变量之间的联合频率分布。此外，在中心图的右边界和上边界，描述了各自变量的边际单变量分布（用KDE或直方图表示）。
sns.jointplot( x= Log GDP per capita , y= Life Ladder , data=data, kind= scatter # or kde or hex )
Seaborn双标图，散点图、二元KDE和Hexbin图都在中心图中，边缘分布在中心图的左侧和顶部。
散点图
散点图是一种可视化两个变量联合密度分布的方法。可以通过添加色度来添加第三个变量，通过添加尺寸参数来添加第四个变量。
sns.scatterplot( x= Log GDP per capita , y= Life Ladder , data=data[data[ Year ] == 2018], hue= Continent , size= Gapminder Population )# both, hue and size are optional sns.despine() # prettier layout
人均GDP与生活阶梯的关系，不同颜色表示不同大洲和人口规模
小提琴图
小提琴图结合了盒状图和核密度估计值。它的作用类似于盒状图，显示了定量数据在分类变量之间的分布，以便对这些分布进行比较。
sns.set( rc={ figure.figsize :(18,6)}, style="white")sns.violinplot( x= Continent , y= Life Ladder , hue= Mean Log GDP per capita , data=data)sns.despine()
小提琴图在绘制大洲与生活阶梯的关系图时，用人均GDP的平均值对数据进行分组。人均GDP越高，幸福指数就越高
配对图
Seaborn配对图是在一个大网格中绘制双变量散点图的所有组合。我通常觉得这有点信息过载，但它有助于发现规律。
sns.set( style="white", palette="muted", color_codes=True )sns.pairplot( data[data.Year == 2018][[ Life Ladder , Log GDP percapita , Social support , Healthy lifeexpectancy at birth , Freedom to make lifechoices , Generosity , Perceptions of corruption , Positive affect , Negative affect , Confidence innational government , Mean Log GDP per capita ]].dropna(), hue= Mean Log GDP per capita )
Seaborn散点图网格中，所有选定的变量都分散在网格的下半部分和上半部分，对角线包含Kde图。
FacetGrids
对我来说，Seaborn的FacetGrid是证明它好用最有说服力的证据之一，因为它能轻而易举地创建多图表。通过配对图，我们已经看到了FacetGrid的一个示例。它可以创建多个按变量分组的图表。例如，行可以是一个变量（人均GDP的类别），列是另一个变量（大洲）。
它确实还需要适应客户需求（即使用matplotlib），但是它仍然是令人信服。
FacetGrid— 折线图
g = sns.FacetGrid( data.groupby([ Mean Log GDP percapita , Year , Continent ])[ Life Ladder ].mean().reset_index(), row= Mean Log GDP per capita , col= Continent , margin_titles=True ) g = (g.map(plt.plot, Year , Life Ladder ))
y轴代表生活阶梯，x轴代表年份。网格的列代表大洲，网格的行代表不同水平的人均GDP。总体而言，北美人均GDP平均值较低的国家和欧洲人均GDP平均值中等或较高的国家，情况似乎有所好转
FacetGrid— 直方图
g = sns.FacetGrid(data,col="Continent", col_wrap=3,height=4) g = (g.map(plt.hist, "Life Ladder",bins=np.arange(2,9,0.5)))
按大洲划分的生活阶梯直方图
FacetGrid— 带注释的KDE图
还可以向网格中的每个图表添加特定的注释。以下示例将平均值和标准偏差以及在平均值处绘制的垂直线相加（代码如下）。
基于大洲的生命阶梯核密度估计值，注释为均值和标准差
defvertical_mean_line(x, **kwargs): plt.axvline(x.mean(), linestyle="--", color= kwargs.get("color", "r")) txkw =dict(size=15, color= kwargs.get("color", "r")) label_x_pos_adjustment =0.08# this needs customization based on your data label_y_pos_adjustment =5# this needs customization based on your data if x.mean() <6: # this needs customization based on your data tx ="mean: {:.2f}(std: {:.2f})".format(x.mean(),x.std()) plt.text(x.mean() + label_x_pos_adjustment, label_y_pos_adjustment, tx, **txkw) else: tx ="mean: {:.2f} (std: {:.2f})".format(x.mean(),x.std()) plt.text(x.mean() -1.4, label_y_pos_adjustment, tx, **txkw) _ = data.groupby([ Continent , Year ])[ Life Ladder ].mean().reset_index() g = sns.FacetGrid(_, col="Continent", height=4, aspect=0.9, col_wrap=3, margin_titles=True) g.map(sns.kdeplot, "Life Ladder", shade=True, color= royalblue ) g.map(vertical_mean_line, "Life Ladder")
annotate_facet_grid.py hostedwith ❤ by GitHub
画一条垂直的平均值线并添加注释
FacetGrid— 热图
我最喜欢的一种绘图类型就是FacetGrid的热图，即每一个网格都有热图。这种类型的绘图有助于在一个图中可视化四维和度量。代码有点麻烦，但是可以根据使用者的需要快速调整。需要注意的是，这种图表不能很好地处理缺失的值，所以需要大量的数据或适当的分段。
Facet热图，外层的行显示在一年内，外层的列显示人均GDP，内层的行显示政治清廉，内层的列显示大洲。我们看到幸福指数朝着右上方向增加（即，高人均GDP和高政治清廉）。时间的影响还不确定，一些大洲（欧洲和北美）似乎比其他大洲（非洲）更幸福。
heatmap_facetgrid.py
defdraw_heatmap(data,inner_row, inner_col, outer_row, outer_col, values, vmin,vmax): sns.set(font_scale=1) fg = sns.FacetGrid( data, row=outer_row, col=outer_col, margin_titles=True ) position = left, bottom, width, height =1.4, .2, .1, .6 cbar_ax = fg.fig.add_axes(position) fg.map_dataframe( draw_heatmap_facet, x_col=inner_col, y_col=inner_row, values=values, cbar_ax=cbar_ax, vmin=vmin, vmax=vmax ) fg.fig.subplots_adjust(right=1.3) plt.show() defdraw_heatmap_facet(*args, **kwargs): data = kwargs.pop( data ) x_col = kwargs.pop( x_col ) y_col = kwargs.pop( y_col ) values = kwargs.pop( values ) d = data.pivot(index=y_col, columns=x_col, values=values) annot =round(d,4).values cmap = sns.color_palette("Blues",30) + sns.color_palette("Blues",30)[0::2] #cmap = sns.color_palette("Blues",30) sns.heatmap( d, **kwargs, annot=annot, center=0, cmap=cmap, linewidth=.5 ) # Data preparation _ = data.copy() _[ Year ] = pd.cut(_[ Year ],bins=[2006,2008,2012,2018]) _[ GDP per Capita ] = _.groupby([ Continent , Year ])[ Log GDP per capita ].transform( pd.qcut, q=3, labels=([ Low , Medium , High ]) ).fillna( Low ) _[ Corruption ] = _.groupby([ Continent , GDP per Capita ])[ Perceptions of corruption ].transform( pd.qcut, q=3, labels=([ Low , Medium , High ]) ) _ = _[_[ Continent ] != Oceania ].groupby([ Year , Continent , GDP per Capita , Corruption ])[ Life Ladder ].mean().reset_index() _[ Life Ladder ] = _[ Life Ladder ].fillna(-10) draw_heatmap( data=_, outer_row= Corruption , outer_col= GDP per Capita , inner_row= Year , inner_col= Continent , values= Life Ladder , vmin=3, vmax=8, )
heatmap_facetgrid.py hostedwith ❤ by GitHub
6. 精彩：用plotly创造精彩的互动情节
图片来源：Chris Leipelt / Unsplash
最后, 无需使用matplotlib！Plotly有三个重要特征：
· 悬停：当鼠标悬停在图表上时，会弹出注释
· 交互性：不需要任何额外设置，图表就可以进行交互（例如，一次穿越时间的旅程）
· 漂亮的地理空间图：Plotly已经内置了一些基本的映射功能，另外，还可以使用mapbox集成来制作令人惊叹的图表。
散点图
通过下列代码来运行plotly图表：
fig = x.<PLOTTYPE>(PARAMS)然后是 fig.show() ，像这样： fig = px.scatter( data_frame=data[data[ Year ] ==2018], x="Log GDP per capita", y="Life Ladder", size="GapminderPopulation", color="Continent", hover_name="Country name", size_max=60 ) fig.show()
Plotly散点图，绘制人均 GDP与生活阶梯的关系，其中颜色表示大洲和人口的大小
散点图 — 穿越时间的漫步
fig = px.scatter( data=data, x="Log GDP per capita", y="Life Ladder", animation_frame="Year", animation_group="Countryname", size="GapminderPopulation", color="Continent", hover_name="Country name", facet_col="Continent", size_max=45, category_orders={ Year :list(range(2007,2019))} )fig.show()
可视化数年来绘图数据的变化
平行类别——一个能可视化类别的有趣方式
def q_bin_in_3(col): return pd.qcut( col, q=3, labels=[ Low , Medium , High ] )_ = data.copy() _[ Social support ] = _.groupby( Year )[ Socialsupport ].transform(q_bin_in_3)_[ Life Expectancy ] =_.groupby( Year )[ Healthy life expectancy atbirth ].transform(q_bin_in_3)_[ Generosity ] =_.groupby( Year )[ Generosity ].transform(q_bin_in_3)_[ Perceptions ofcorruption ] = _.groupby( Year )[ Perceptions ofcorruption ].transform(q_bin_in_3)_ = _.groupby([ Social support , LifeExpectancy , Generosity , Perceptions of corruption ])[ LifeLadder ].mean().reset_index()fig = px.parallel_categories(_, color="LifeLadder", color_continuous_scale=px.colors.sequential.Inferno) fig.show()
并不是所有预期寿命高的国家的人民都很幸福！
条形图—一个交互式滤波器的示例
fig = px.bar( data, x="Continent", y="Gapminder Population", color="Mean Log GDP percapita", barmode="stack", facet_col="Year", category_orders={"Year":range(2007,2019)}, hover_name= Country name , hover_data=[ "Mean Log GDP percapita", "Gapminder Population", "Life Ladder" ] ) fig.show()
过滤条形图很容易。毫无疑问，韩国是亚洲富裕国家之一。
等值线图— —幸福指数与时间的关系
fig = px.choropleth( data, locations="ISO3", color="Life Ladder", hover_name="Country name", animation_frame="Year")fig.show()
可视化不同地域的幸福指数是如何随时间变化的。叙利亚和阿富汗正处于人生阶梯的末端（这不足为奇）。
结束语
本文展示了如何成为一名真正的Python可视化专家、如何在快速探索时更有效率、以及如何在董事会会议前创建更漂亮的图表、还有如何创建交互式绘图图表，尤其是在绘制地理空间数据时，十分有用。
编译组：殷睿宣、杨月
相关链接：
https://towardsdatascience.com/plotting-with-python-c2561b8c0f1f
