[Switch] 5 kinds of easy use Python code data visualization method

Data visualization is an important part of the data scientists work. In the early stages of the project, you usually perform exploratory data analysis (Exploratory Data Analysis, EDA) in order to get some understanding of the data. Visual way to create really helps make things more clear and understandable, especially for large, high-dimensional data sets. At the end of the project, in a clear, concise and compelling way to show the end result is very important because your audience is often non-technical customers, the only way they can understand. 

Matplotlib is a popular Python library that can be used very easily create data visualization solutions. But every time you create a new project, setting data, parameters, graphics and layout will become very tedious and cumbersome. In this post, we will look at five data visualization methods, and uses Python Matplotlib write some quick and easy function for them. At the same time, there is a great chart that can be used to select the correct visualization method at work! 

Scatter 

Scatter is well suited to show the relationship between two variables, because you can directly see the original distribution of data. As shown in FIG first below, you can also be simply to view the color-coded set of data of different sets of relationships. Want to visualize the relationship between the three variables? no problem! Only using another parameter (e.g. dot size) can encode a third variable, as in the following second FIG. 

 

Now discuss the code. We first import pyplot Matplotlib with the alias "plt". To create a new bitmap, we can call plt.subplots (). We x-axis and y-axis data to the function, and then passes the data to ax.scatter () to draw scattergram. We can also set the size of the point, the point color and alpha transparency. You can even set the Y-axis is a logarithmic scale. The title label and the coordinate axes may be provided specifically for FIG. This function is an easy to use, it can be used to create a scatter plot from start to finish! 

Code 

1. import matplotlib.pyplot as pltimport numpy as npdef scatterplot(x_data, y_data, x_label="", y_label="", title="", color = "r", yscale_log=False):  
2.   
3.     # Create the plot object  
4.     _, ax = plt.subplots()    # Plot the data, set the size (s), color and transparency (alpha)  
5.     # of the points  
6.     ax.scatter(x_data, y_data, s = 10, color = color, alpha = 0.75)    if yscale_log == True:  
7.         ax.set_yscale('log')    # Label the axes and provide a title  
8.     ax.set_title(title)  
9.     ax.set_xlabel(x_label)  
10.     ax.set_ylabel(y_label)  

折线图 

当你可以看到一个变量随着另一个变量明显变化的时候，比如说它们有一个大的协方差，那最好使用折线图。让我们看一下下面这张图。我们可以清晰地看到对于所有的主线随着时间都有大量的变化。使用散点绘制这些将会极其混乱，难以真正明白和看到发生了什么。折线图对于这种情况则非常好，因为它们基本上提供给我们两个变量（百分比和时间）的协方差的快速总结。另外，我们也可以通过彩色编码进行分组。 

这里是折线图的代码。它和上面的散点图很相似，只是在一些变量上有小的变化。 

代码 

1. def lineplot(x_data, y_data, x_label="", y_label="", title=""):  
2.     # Create the plot object  
3.     _, ax = plt.subplots()    # Plot the best fit line, set the linewidth (lw), color and  
4.     # transparency (alpha) of the line  
5.     ax.plot(x_data, y_data, lw = 2, color = '#539caf', alpha = 1)    # Label the axes and provide a title  
6.     ax.set_title(title)  
7.     ax.set_xlabel(x_label)  
8.     ax.set_ylabel(y_label)  

直方图 

直方图对于查看（或真正地探索）数据点的分布是很有用的。查看下面我们以频率和 IQ 做的直方图。我们可以清楚地看到朝中间聚集，并且能看到中位数是多少。我们也可以看到它呈正态分布。使用直方图真得能清晰地呈现出各个组的频率之间的相对差别。组的使用（离散化）真正地帮助我们看到了“更加宏观的图形”,然而当我们使用所有没有离散组的数据点时，将对可视化可能造成许多干扰，使得看清真正发生了什么变得困难。 

下面是在 Matplotlib 中的直方图代码。有两个参数需要注意一下：首先，参数 n_bins 控制我们想要在直方图中有多少个离散的组。更多的组将给我们提供更加完善的信息，但是也许也会引进干扰，使得我们远离全局；另一方面，较少的组给我们一种更多的是“鸟瞰图”和没有更多细节的全局图。其次，参数 cumulative 是一个布尔值，允许我们选择直方图是否为累加的，基本上就是选择是 PDF（Probability Density Function，概率密度函数）还是 CDF（Cumulative Density Function，累积密度函数）。 

代码 

1. def histogram(data, n_bins, cumulative=False, x_label = "", y_label = "", title = ""):  
2.     _, ax = plt.subplots()  
3.     ax.hist(data, n_bins = n_bins, cumulative = cumulative, color = '#539caf')  
4.     ax.set_ylabel(y_label)  
5.     ax.set_xlabel(x_label)  
6.     ax.set_title(title)  

想象一下我们想要比较数据中两个变量的分布。有人可能会想你必须制作两张直方图，并且把它们并排放在一起进行比较。然而，实际上有一种更好的办法：我们可以使用不同的透明度对直方图进行叠加覆盖。看下图，均匀分布的透明度设置为 0.5 ，使得我们可以看到他背后的图形。这样我们就可以直接在同一张图表里看到两个分布。 

对于重叠的直方图，需要设置一些东西。首先，我们设置可同时容纳不同分布的横轴范围。根据这个范围和期望的组数，我们可以真正地计算出每个组的宽度。最后，我们在同一张图上绘制两个直方图，其中有一个稍微更透明一些。 

代码 

1. # Overlay 2 histograms to compare themdef overlaid_histogram(data1, data2, n_bins = 0, data1_name="", data1_color="#539caf", data2_name="", data2_color="#7663b0", x_label="", y_label="", title=""):  
2.     # Set the bounds for the bins so that the two distributions are fairly compared  
3.     max_nbins = 10  
4.     data_range = [min(min(data1), min(data2)), max(max(data1), max(data2))]  
5.     binwidth = (data_range[1] - data_range[0]) / max_nbins    if n_bins == 0  
6.         bins = np.arange(data_range[0], data_range[1] + binwidth, binwidth)    else:   
7.         bins = n_bins    # Create the plot  
8.     _, ax = plt.subplots()  
9.     ax.hist(data1, bins = bins, color = data1_color, alpha = 1, label = data1_name)  
10.     ax.hist(data2, bins = bins, color = data2_color, alpha = 0.75, label = data2_name)  
11.     ax.set_ylabel(y_label)  
12.     ax.set_xlabel(x_label)  
13.     ax.set_title(title)  
14.     ax.legend(loc = 'best')  

柱状图 

当你试图将类别很少（可能小于10）的分类数据可视化的时候，柱状图是最有效的。如果我们有太多的分类，那么这些柱状图就会非常杂乱，很难理解。柱状图对分类数据很好，因为你可以很容易地看到基于柱的类别之间的区别（比如大小)；分类也很容易划分和用颜色进行编码。我们将会看到三种不同类型的柱状图：常规的，分组的，堆叠的。在我们进行的过程中，请查看图形下面的代码。 

常规的柱状图如下面的图1。在 barplot() 函数中，xdata 表示 x 轴上的标记，ydata 表示 y 轴上的杆高度。误差条是一条以每条柱为中心的额外的线，可以画出标准偏差。 

分组的柱状图让我们可以比较多个分类变量。看看下面的图2。我们比较的第一个变量是不同组的分数是如何变化的（组是G1，G2，……等等)。我们也在比较性别本身和颜色代码。看一下代码，y_data_list 变量实际上是一个 y 元素为列表的列表，其中每个子列表代表一个不同的组。然后我们对每个组进行循环，对于每一个组，我们在 x 轴上画出每一个标记；每个组都用彩色进行编码。 

堆叠柱状图可以很好地观察不同变量的分类。在图3的堆叠柱状图中，我们比较了每天的服务器负载。通过颜色编码后的堆栈图，我们可以很容易地看到和理解哪些服务器每天工作最多，以及与其他服务器进行比较负载情况如何。此代码的代码与分组的条形图相同。我们循环遍历每一组，但这次我们把新柱放在旧柱上，而不是放在它们的旁边。 

 

 

 

代码 

1. def barplot(x_data, y_data, error_data, x_label="", y_label="", title=""):  
2.     _, ax = plt.subplots()  
3.     # Draw bars, position them in the center of the tick mark on the x-axis  
4.     ax.bar(x_data, y_data, color = '#539caf', align = 'center')  
5.     # Draw error bars to show standard deviation, set ls to 'none'  
6.     # to remove line between points  
7.     ax.errorbar(x_data, y_data, yerr = error_data, color = '#297083', ls = 'none', lw = 2, capthick = 2)  
8.     ax.set_ylabel(y_label)  
9.     ax.set_xlabel(x_label)  
10.     ax.set_title(title)  
11.   
12.   
13.   
14. def stackedbarplot(x_data, y_data_list, colors, y_data_names="", x_label="", y_label="", title=""):  
15.     _, ax = plt.subplots()  
16.     # Draw bars, one category at a time  
17.     for i in range(0, len(y_data_list)):  
18.         if i == 0:  
19.             ax.bar(x_data, y_data_list[i], color = colors[i], align = 'center', label = y_data_names[i])  
20.         else:  
21.             # For each category after the first, the bottom of the  
22.             # bar will be the top of the last category  
23.             ax.bar(x_data, y_data_list[i], color = colors[i], bottom = y_data_list[i - 1], align = 'center', label = y_data_names[i])  
24.     ax.set_ylabel(y_label)  
25.     ax.set_xlabel(x_label)  
26.     ax.set_title(title)  
27.     ax.legend(loc = 'upper right')  
28.   
29.   
30.   
31. def groupedbarplot(x_data, y_data_list, colors, y_data_names="", x_label="", y_label="", title=""):  
32.     _, ax = plt.subplots()  
33.     # Total width for all bars at one x location  
34.     total_width = 0.8  
35.     # Width of each individual bar  
36.     ind_width = total_width / len(y_data_list)  
37.     # This centers each cluster of bars about the x tick mark  
38.     alteration = np.arange(-(total_width/2), total_width/2, ind_width)  
39.   
40.     # Draw bars, one category at a time  
41.     for i in range(0, len(y_data_list)):  
42.         # Move the bar to the right on the x-axis so it doesn't  
43.         # overlap with previously drawn ones  
44.         ax.bar(x_data + alteration[i], y_data_list[i], color = colors[i], label = y_data_names[i], width = ind_width)  
45.     ax.set_ylabel(y_label)  
46.     ax.set_xlabel(x_label)  
47.     ax.set_title(title)  
48.     ax.legend(loc = 'upper right')  

箱形图 

我们之前看了直方图，它很好地可视化了变量的分布。但是如果我们需要更多的信息呢？也许我们想要更清晰的看到标准偏差？也许中值与均值有很大不同，我们有很多离群值？如果有这样的偏移和许多值都集中在一边呢？

这就是箱形图所适合干的事情了。箱形图给我们提供了上面所有的信息。实线框的底部和顶部总是第一个和第三个四分位（比如 25% 和 75% 的数据），箱体中的横线总是第二个四分位（中位数）。像胡须一样的线(虚线和结尾的条线）从这个箱体伸出，显示数据的范围。 

由于每个组/变量的框图都是分别绘制的，所以很容易设置。xdata 是一个组/变量的列表。Matplotlib 库的 boxplot() 函数为 ydata 中的每一列或每一个向量绘制一个箱体。因此，xdata 中的每个值对应于 ydata 中的一个列/向量。我们所要设置的就是箱体的美观。 

 

代码 

1. def boxplot(x_data, y_data, base_color="#539caf", median_color="#297083", x_label="", y_label="", title=""):  
2.     _, ax = plt.subplots()  
3.   
4.     # Draw boxplots, specifying desired style  
5.     ax.boxplot(y_data  
6.                # patch_artist must be True to control box fill  
7.                , patch_artist = True  
8.                # Properties of median line  
9.                , medianprops = {'color': median_color}  
10.                # Properties of box  
11.                , boxprops = {'color': base_color, 'facecolor': base_color}  
12.                # Properties of whiskers  
13.                , whiskerprops = {'color': base_color}  
14.                # Properties of whisker caps  
15.                , capprops = {'color': base_color})  
16.   
17.     # By default, the tick label starts at 1 and increments by 1 for  
18.     # each box drawn. This sets the labels to the ones we want  
19.     ax.set_xticklabels(x_data)  
20.     ax.set_ylabel(y_label)  
21.     ax.set_xlabel(x_label)  
22.     ax.set_title(title)  

结语 

使用 Matplotlib 有 5 个快速简单的数据可视化方法。将相关事务抽象成函数总是会使你的代码更易于阅读和使用！我希望你喜欢这篇文章，并且学到了一些新的有用的技巧。 

来源https://www.iteye.com/news/32988