今天我來(lái)給你講講Python的可視化技術(shù)。
如果你想要用Python進(jìn)行數(shù)據(jù)分析椎侠，就需要在項(xiàng)目初期開始進(jìn)行探索性的數(shù)據(jù)分析，這樣方便你對(duì)數(shù)據(jù)有一定的了解汰蜘。其中最直觀的就是采用數(shù)據(jù)可視化技術(shù)，這樣枷莉，數(shù)據(jù)不僅一目了然，而且更容易被解讀召衔。同樣在數(shù)據(jù)分析得到結(jié)果之后祭陷，我們還需要用到可視化技術(shù)苍凛，把最終的結(jié)果呈現(xiàn)出來(lái)。
可視化視圖都有哪些颗胡？
按照數(shù)據(jù)之間的關(guān)系毫深，我們可以把可視化視圖劃分為4類，它們分別是比較毒姨、聯(lián)系哑蔫、構(gòu)成和分布。我來(lái)簡(jiǎn)單介紹下這四種關(guān)系的特點(diǎn)：
比較：比較數(shù)據(jù)間各類別的關(guān)系，或者是它們隨著時(shí)間的變化趨勢(shì)闸迷，比如折線圖嵌纲；
聯(lián)系：查看兩個(gè)或兩個(gè)以上變量之間的關(guān)系，比如散點(diǎn)圖腥沽；
構(gòu)成：每個(gè)部分占整體的百分比逮走，或者是隨著時(shí)間的百分比變化，比如餅圖今阳；
分布：關(guān)注單個(gè)變量师溅，或者多個(gè)變量的分布情況，比如直方圖盾舌。
同樣墓臭，按照變量的個(gè)數(shù)，我們可以把可視化視圖劃分為單變量分析和多變量分析妖谴。
單變量分析指的是一次只關(guān)注一個(gè)變量窿锉。比如我們只關(guān)注“身高”這個(gè)變量，來(lái)看身高的取值分布膝舅，而暫時(shí)忽略其他變量嗡载。
多變量分析可以讓你在一張圖上可以查看兩個(gè)以上變量的關(guān)系。比如“身高”和“年齡”仍稀，你可以理解是同一個(gè)人的兩個(gè)參數(shù)洼滚，這樣在同一張圖中可以看到每個(gè)人的“身高”和“年齡”的取值，從而分析出來(lái)這兩個(gè)變量之間是否存在某種聯(lián)系技潘。
可視化的視圖可以說(shuō)是分門別類判沟，多種多樣，今天我主要介紹常用的10種視圖崭篡，包括了散點(diǎn)圖挪哄、折線圖、直方圖琉闪、條形圖迹炼、箱線圖、餅圖颠毙、熱力圖斯入、蜘蛛圖、二元變量分布蛀蜜、成對(duì)關(guān)系刻两。
散點(diǎn)圖
散點(diǎn)圖的英文叫做scatter plot，它將兩個(gè)變量的值顯示在二維坐標(biāo)中滴某，非常適合展示兩個(gè)變量之間的關(guān)系磅摹。當(dāng)然滋迈，除了二維的散點(diǎn)圖，我們還有三維的散點(diǎn)圖户誓。
我在上一講中給你簡(jiǎn)單介紹了下Matplotlib這個(gè)工具饼灿，在Matplotlib中，我們經(jīng)常會(huì)用到pyplot這個(gè)工具包帝美，它包括了很多繪圖函數(shù)碍彭，類似Matlab的繪圖框架。在使用前你需要進(jìn)行引用：
import matplotlib.pyplot as plt
在工具包引用后悼潭，畫散點(diǎn)圖庇忌，需要使用plt.scatter(x, y, marker=None)函數(shù)。x舰褪、y 是坐標(biāo)漆枚，marker代表了標(biāo)記的符號(hào)。比如“x”抵知、“>”或者“o”。選擇不同的marker软族，呈現(xiàn)出來(lái)的符號(hào)樣式也會(huì)不同刷喜，你可以自己試一下。
下面三張圖分別對(duì)應(yīng)“x”“>”和“o”立砸。
除了Matplotlib外掖疮，你也可以使用Seaborn進(jìn)行散點(diǎn)圖的繪制。在使用Seaborn前颗祝，也需要進(jìn)行包引用：
import seaborn as sns
在引用seaborn工具包之后浊闪，就可以使用seaborn工具包的函數(shù)了。如果想要做散點(diǎn)圖螺戳，可以直接使用sns.jointplot(x, y, data=None, kind='scatter')函數(shù)搁宾。其中x、y是data中的下標(biāo)倔幼。data就是我們要傳入的數(shù)據(jù)盖腿，一般是DataFrame類型。kind這類我們?nèi)catter损同，代表散點(diǎn)的意思翩腐。當(dāng)然kind還可以取其他值，這個(gè)我在后面的視圖中會(huì)講到膏燃，不同的kind代表不同的視圖繪制方式茂卦。
好了，讓我們來(lái)模擬下组哩，假設(shè)我們的數(shù)據(jù)是隨機(jī)的1000個(gè)點(diǎn)等龙。
# 數(shù)據(jù)準(zhǔn)備
N = 1000
x = np.random.randn(N)
y = np.random.randn(N)
# 用Matplotlib畫散點(diǎn)圖
plt.scatter(x, y,marker='x')
plt.show()
# 用Seaborn畫散點(diǎn)圖
df = pd.DataFrame({'x': x, 'y': y})
sns.jointplot(x="x", y="y", data=df, kind='scatter');
plt.show()
我們運(yùn)行一下這個(gè)代碼处渣，就可以看到下面的視圖（第一張圖為Matplotlib繪制的，第二張圖為Seaborn繪制的）而咆。其實(shí)你能看到Matplotlib和Seaborn的視圖呈現(xiàn)還是有差別的霍比。Matplotlib默認(rèn)情況下呈現(xiàn)出來(lái)的是個(gè)長(zhǎng)方形。而Seaborn呈現(xiàn)的是個(gè)正方形暴备，而且不僅顯示出了散點(diǎn)圖悠瞬，還給了這兩個(gè)變量的分布情況。
Matplotlib繪制：
Seaborn繪制：
折線圖
折線圖可以用來(lái)表示數(shù)據(jù)隨著時(shí)間變化的趨勢(shì)涯捻。
在Matplotlib中浅妆，我們可以直接使用plt.plot()函數(shù)，當(dāng)然需要提前把數(shù)據(jù)按照X軸的大小進(jìn)行排序障癌，要不畫出來(lái)的折線圖就無(wú)法按照X軸遞增的順序展示凌外。
在Seaborn中，我們使用sns.lineplot (x, y, data=None)函數(shù)涛浙。其中x康辑、y是data中的下標(biāo)。data就是我們要傳入的數(shù)據(jù)轿亮，一般是DataFrame類型疮薇。
這里我們?cè)O(shè)置了x、y的數(shù)組我注。x數(shù)組代表時(shí)間（年）按咒，y數(shù)組我們隨便設(shè)置幾個(gè)取值。下面是詳細(xì)的代碼但骨。
# 數(shù)據(jù)準(zhǔn)備
x = [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017, 2018, 2019]
y = [5, 3, 6, 20, 17, 16, 19, 30, 32, 35]
# 使用Matplotlib畫折線圖
plt.plot(x, y)
plt.show()
# 使用Seaborn畫折線圖
df = pd.DataFrame({'x': x, 'y': y})
sns.lineplot(x="x", y="y", data=df)
plt.show()
然后我們分別用Matplotlib和Seaborn進(jìn)行畫圖励七，可以得到下面的圖示。你可以看出這兩個(gè)圖示的結(jié)果是完全一樣的奔缠，只是在seaborn中標(biāo)記了x和y軸的含義掠抬。
直方圖
直方圖是比較常見的視圖，它是把橫坐標(biāo)等分成了一定數(shù)量的小區(qū)間校哎，這個(gè)小區(qū)間也叫作“箱子”剿另，然后在每個(gè)“箱子”內(nèi)用矩形條（bars）展示該箱子的箱子數(shù)（也就是y值），這樣就完成了對(duì)數(shù)據(jù)集的直方圖分布的可視化贬蛙。
在Matplotlib中雨女，我們使用plt.hist(x, bins=10)函數(shù)，其中參數(shù)x是一維數(shù)組阳准，bins代表直方圖中的箱子數(shù)量氛堕，默認(rèn)是10。
在Seaborn中野蝇，我們使用sns.distplot(x, bins=10, kde=True)函數(shù)讼稚。其中參數(shù)x是一維數(shù)組括儒，bins代表直方圖中的箱子數(shù)量，kde代表顯示核密度估計(jì)锐想，默認(rèn)是True帮寻，我們也可以把kde設(shè)置為False，不進(jìn)行顯示赠摇。核密度估計(jì)是通過(guò)核函數(shù)幫我們來(lái)估計(jì)概率密度的方法固逗。
這是一段繪制直方圖的代碼。
# 數(shù)據(jù)準(zhǔn)備
a = np.random.randn(100)
s = pd.Series(a)
# 用Matplotlib畫直方圖
plt.hist(s)
plt.show()
# 用Seaborn畫直方圖
sns.distplot(s, kde=False)
plt.show()
sns.distplot(s, kde=True)
plt.show()
我們創(chuàng)建一個(gè)隨機(jī)的一維數(shù)組藕帜，然后分別用Matplotlib和Seaborn進(jìn)行直方圖的顯示烫罩，結(jié)果如下，你可以看出洽故，沒有任何差別贝攒，其中最后一張圖就是kde默認(rèn)為Ture時(shí)的顯示情況。
熱力圖
熱力圖时甚，英文叫heat map隘弊，是一種矩陣表示方法，其中矩陣中的元素值用顏色來(lái)代表荒适，不同的顏色代表不同大小的值梨熙。通過(guò)顏色就能直觀地知道某個(gè)位置上數(shù)值的大小。另外你也可以將這個(gè)位置上的顏色吻贿，與數(shù)據(jù)集中的其他位置顏色進(jìn)行比較。
熱力圖是一種非常直觀的多元變量分析方法哑子。
我們一般使用Seaborn中的sns.heatmap(data)函數(shù)舅列，其中data代表需要繪制的熱力圖數(shù)據(jù)。
這里我們使用Seaborn中自帶的數(shù)據(jù)集flights卧蜓，該數(shù)據(jù)集記錄了1949年到1960年期間帐要，每個(gè)月的航班乘客的數(shù)量。
# 數(shù)據(jù)準(zhǔn)備
flights = sns.load_dataset("flights")
data=flights.pivot('year','month','passengers')
# 用Seaborn畫熱力圖
sns.heatmap(data)
plt.show()
通過(guò)seaborn的heatmap函數(shù)弥奸，我們可以觀察到不同年份榨惠，不同月份的乘客數(shù)量變化情況，其中顏色越淺的代表乘客數(shù)量越多盛霎，如下圖所示：
成對(duì)關(guān)系
如果想要探索數(shù)據(jù)集中的多個(gè)成對(duì)雙變量的分布赠橙，可以直接采用sns.pairplot()函數(shù)。它會(huì)同時(shí)展示出DataFrame中每對(duì)變量的關(guān)系愤炸，另外在對(duì)角線上期揪，你能看到每個(gè)變量自身作為單變量的分布情況。它可以說(shuō)是探索性分析中的常用函數(shù)规个，可以很快幫我們理解變量對(duì)之間的關(guān)系凤薛。
pairplot函數(shù)的使用姓建，就好像我們對(duì)DataFrame使用describe()函數(shù)一樣方便，是數(shù)據(jù)探索中的常用函數(shù)缤苫。
這里我們使用Seaborn中自帶的iris數(shù)據(jù)集速兔，這個(gè)數(shù)據(jù)集也叫鳶尾花數(shù)據(jù)集。鳶尾花可以分成Setosa活玲、Versicolour和Virginica三個(gè)品種涣狗，在這個(gè)數(shù)據(jù)集中，針對(duì)每一個(gè)品種翼虫，都有50個(gè)數(shù)據(jù)屑柔，每個(gè)數(shù)據(jù)中包括了4個(gè)屬性，分別是花萼長(zhǎng)度珍剑、花萼寬度掸宛、花瓣長(zhǎng)度和花瓣寬度。通過(guò)這些數(shù)據(jù)招拙，需要你來(lái)預(yù)測(cè)鳶尾花卉屬于三個(gè)品種中的哪一種唧瘾。
# 數(shù)據(jù)準(zhǔn)備
iris = sns.load_dataset('iris')
# 用Seaborn畫成對(duì)關(guān)系
sns.pairplot(iris)
plt.show()
這里我們用seaborn中的pairplot函數(shù)來(lái)對(duì)數(shù)據(jù)集中的多個(gè)雙變量的關(guān)系進(jìn)行探索，如下圖所示别凤。從圖上你能看出饰序，一共有sepal_length、sepal_width规哪、petal_length和petal_width4個(gè)變量求豫，它們分別是花萼長(zhǎng)度、花萼寬度诉稍、花瓣長(zhǎng)度和花瓣寬度蝠嘉。
下面這張圖相當(dāng)于這4個(gè)變量?jī)蓛芍g的關(guān)系。比如矩陣中的第一張圖代表的就是花萼長(zhǎng)度自身的分布圖杯巨，它右側(cè)的這張圖代表的是花萼長(zhǎng)度與花萼寬度這兩個(gè)變量之間的關(guān)系蚤告。
