源 /?程序君 & 小象??編 /?昱良

數(shù)據(jù)可視化的工具和程序庫已經(jīng)極大豐盛，當(dāng)你習(xí)慣其中一種或數(shù)種時(shí)，你會干得很出色，但是如果你因此而沾沾自喜，就會錯(cuò)失從青銅到王者的新工具和程序庫。如果你仍然堅(jiān)持使用Matplotlib(這太神奇了)，Seaborn(這也很神奇)，Pandas(基本，簡單的可視化)和Bokeh，那么你真的需要停下來了解一下新事物了。例如，python中有許多令人驚嘆的可視化庫，而且通用化程度已經(jīng)很高，例如下面這五個(gè)：

Plotly

Cufflinks

Folium

Altair + Vega

D3.js(個(gè)人認(rèn)為最好的選擇，因?yàn)槲乙灿肑S寫代碼)

如果您了解并使用上面提到的庫，那么您就處于進(jìn)化的正確軌道上。它們可以幫助生成一些令人拍案的可視化效果，語法也不難。一般來說，我更喜歡Plotly+Cufflinks和 D3.js. 以下詳細(xì)道來：

Plotly

Plotly是一個(gè)開源，交互式和基于瀏覽器的Python圖形庫?？梢詣?chuàng)建能在儀表板或網(wǎng)站中使用的交互式圖表(您可以將它們保存為html文件或靜態(tài)圖像)。Plotly基于plotly.js，而plotly.js又基于D3.js，因此它是一個(gè)高級圖表庫，與Bokeh一樣，Plotly的 強(qiáng)項(xiàng)是制作交互式圖 ，有超過30種圖表類型， 提供了一些在大多數(shù)庫中沒有的圖表 ，如等高線圖、樹狀圖、科學(xué)圖表、統(tǒng)計(jì)圖表、3D圖表、金融圖表等。plotly最棒的一點(diǎn)是可以在Jupyter筆記本或獨(dú)立的HTML頁面中使用 。您也可以在他們的網(wǎng)站上在線使用它，但我更喜歡離線使用它，您也可以將可視化保存為圖像，非常易于使用也非常實(shí)用。

– 在Jupyter Notebook中使用Plotly的方法(離線)

首先，安裝plotly庫。

pip?install?plotly

然后打開jupyter筆記本并鍵入：

from?plotly?import?__version__?from?plotly.offline?import?download_plotlyjs，init_notebook_mode，plot，iplot?
init_notebook_mode(connected?=?True)

語法超簡單！在P andas中 ，你使用 dataframe.plot () ，在這里，您使用 dataframe.iplot()。這個(gè) “ i ” 改變了可視化的整個(gè)定義。

只需一行代碼，我生成了下面這個(gè)散點(diǎn)圖。您可以根據(jù)需要自定義它。請記住指定模式標(biāo)記，否則您將獲得一些線條。

請注意，隨著數(shù)據(jù)的增加，plotly會開始卡滯。所以，只有當(dāng)數(shù)據(jù)點(diǎn)的小于500K時(shí)，我才會使用plotly。

Cufflinks

Cufflinks將Plotly直接綁定到pandas數(shù)據(jù)幀。這種組合非常驚人，結(jié)合了Pandas的靈活性，比Plotly更有效，語法甚至比plotly簡單。使用plotly的Python庫，您可以使用DataFrame的系列和索引來描述圖形，但是使用Cufflinks可以直接繪制它。正如下面這個(gè)例子：

df?=?cf.datagen.lines()
py.iplot([{? x ：df.index， y ：df [col]， name ：col
}?for?col?in?df.columns])

with plotly

df.iplot(kind=? scatter )

with cufflinks

Cufflinks使得圖表繪制更加容易。您甚至還 可以使用Cufflinks生成令人驚嘆的3D圖表 。我只用幾行代碼生成了下面這個(gè)3D圖表。

用Cufflinks生成的3D圖表

你可以隨時(shí)在Jupyter Notebook中試用它。

– 快速竅門：

在配置中設(shè)置：

c.NotebookApp.iopub_data_rate_limit?=?1.0e10

按以下方式導(dǎo)入：

import?plotly.graph_objs?as?goimport?plotly.plotly?as?py?import?cufflinks?as?cf?from?plotly.offline?import?iplot，init_notebook_mode?
cf.go_offline()#Set?global?theme?
cf.set_config_file(world_readable?=?True，theme?= pearl ，offline?=?True?)
init_notebook_mode()

接下來，我將談?wù)摿硪粋€(gè)神庫——Viz庫。

Folium

Folium建立在Python生態(tài)系統(tǒng)的數(shù)據(jù)優(yōu)勢和Leaflet.js庫的映射優(yōu)勢之上。您可以在python中操作數(shù)據(jù)，然后通過folium在Leaflet地圖中將其可視化。Folium是一個(gè)用于繪制空間數(shù)據(jù)的“神庫”。你還可以使用folium生成熱圖和等值區(qū)域圖。讓我們了解一下folium：

地圖定義為 folium.Map 對象，可在folium頂部添加其他folium對象。

您可以為Folium渲染的地圖使用不同的地圖圖層，例如MapBox，OpenStreetMap和其他幾個(gè)圖層，你可以查看 此github庫文件夾 或 此文檔頁面 。

你還可以選擇不同的地圖投影。有許多投影可供選擇。

讓我們用美國失業(yè)的Geojson生成一個(gè)Choropleth地圖。以下是片段：

map?=?folium.Map([43,?-100],?zoom_start=4)
choropleth?=?folium.Choropleth(
?geo_data=us_states,
?data=state_data,
?columns=[ State ,? Unemployment ],
?key_on= feature.id ,
?fill_color= YlGn ,
?name= Unenployment ,
?show=False,
).add_to(m)#?底層的GeoJson和StepColormap對象是可訪問的print(type(choropleth.geojson))print(type(choropleth.color_scale))
folium.LayerControl(collapsed=False).add_to(m)
map.save(os.path.join( results ,? GeoChoro.html ))
map

這只是一個(gè)基本的地圖，你可以添加標(biāo)記，彈出窗口等等。可以是下面的leaflet和folium生成的地圖

Altair + Vega

Altair是一個(gè)聲明性統(tǒng)計(jì)可視化庫，基于Vega和Vega-Lite。

聲明意味著只需要提供數(shù)據(jù)列與編碼通道之間的鏈接，例如x軸，y軸，顏色等，其余的繪圖細(xì)節(jié)它會自動處理。聲明使Altair變得簡單，友好和一致。使用Altair可以輕松設(shè)計(jì)出有效且美觀的可視化代碼。

Altair使您能夠使用強(qiáng)大而簡潔的可視化語法快速開發(fā)各種統(tǒng)計(jì)可視化圖表。如果您使用的是Jupyter Notebook，則需要按以下方式安裝它。它還包括一些示例vega數(shù)據(jù)集。

pip?install?-U?altair?vega_datasets?notebook?vega

Altair主要依賴Vega，為了使圖表在屏幕上可見，你需要安裝Vega，并且還需要為每個(gè)新會話運(yùn)行此命令：

alt.renderers.enable(‘notebook’)

Altair中的數(shù)據(jù)是圍繞Pandas Dataframe構(gòu)建的。統(tǒng)計(jì)可視化最明顯的特征是以整潔的Dataframes開始。您還可以將繪圖另存為圖像或在vega編輯器中打開它以獲得更多選項(xiàng)。Altair可能不是最好的，但絕對值得一試。

下面這個(gè)例子，我使用了汽車數(shù)據(jù)集;

import?altair?as?alt
from?vega_datasets?import?data
source?=?data.cars()
brush?=?alt.selection(type= interval )
points?=?alt.Chart().mark_point().encode(
?x=?Horsepower:Q?,
?y=?Miles_per_Gallon:Q?,
?color=alt.condition(brush,??Origin:N?,?alt.value( lightgray ))
).add_selection(
?brush
)
bars?=?alt.Chart().mark_bar().encode(
?y=?Origin:N?,
?color=?Origin:N?,
?x=?count(Origin):Q?
).transform_filter(
?brush
)
alt.vconcat(points,?bars,?data=source)

Altair和Vega生成的分散圖和直方圖

D3.js(數(shù)據(jù)驅(qū)動文檔DDD)

D3.js是一個(gè)JavaScript庫，根據(jù)數(shù)據(jù)操作文檔。您可以使用HTML，SVG和CSS將數(shù)據(jù)變成活靈活現(xiàn)的圖表。D3并不要求您將自己綁定到任何專有框架，因?yàn)楝F(xiàn)代瀏覽器擁有D3所需的一切，它還用于組合強(qiáng)大的可視化組件和數(shù)據(jù)驅(qū)動的DOM操作方法。

D3.js是目前市場上最好的數(shù)據(jù)可視化庫。您可以將它與python一起使用，也可以與R一起使用。最初，它可以與JavaScript一起使用，因?yàn)镴S具有廣泛的功能并且需要大量的學(xué)習(xí)和經(jīng)驗(yàn)，但是如果你是JS專業(yè)人員則不需要猶豫。雖然 Python 和 R 使D3.js變得更簡單，但只是一點(diǎn)點(diǎn)！總之D3.js是絕對不會錯(cuò)的上佳之選。

D3py有3個(gè)主要依賴項(xiàng)：

NumPy

Pandas

NetworkX

我建議你使用JavaScript或R，而不是python，因?yàn)榘姹疽呀?jīng)過時(shí)，最后一次更新是在2016年。而且只是D3.js的一個(gè)瘦的python包裝器。

R提供D3可視化接口。使用 r2d3 ，您可以將數(shù)據(jù)從R綁定到D3可視化。使用 r2d3 創(chuàng)建的D3可視化就像RStudio，R Markdown文檔和Shiny應(yīng)用程序中的R圖一樣工作。您可以按如下方式從CRAN 安裝 r2d3 軟件包：

install.packages(“r2d3”)

你可以做一些驚人的可視化，例如下面這幾個(gè)：

Sequences Sunburst — Kerry Rodden’s Block (Source)

年度活動統(tǒng)計(jì)— Kunal Dhariwal (Me, lol)

從基礎(chǔ)到高端，您可以使用D3.js構(gòu)建任何東西，不要忘記嘗試一下。

學(xué)習(xí)Python就關(guān)注：datanami

近期文章：

一行代碼讓Python的運(yùn)行速度提高100倍

一份完整的阿里云 Redis 開發(fā)規(guī)范，值得收藏！

騷操作！一行 Python 代碼實(shí)現(xiàn)并行

用Python的搞出自己的云詞圖

用Python中的幾行代碼教你畫出太陽花

看完這篇文章如果還不能入門Python3就不能怪我了

總結(jié)

以上是生活随笔為你收集整理的12个超炫数据可视化工具_Python5个数据可视化工具的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。