數(shù)據(jù)分析與機器學(xué)習(xí)中常需要大量的可視化，因此才能直觀了解模型背地里都干了些什么。而在可視化中，matplotlib 算得上是最常用的工具，不論是對數(shù)據(jù)有個預(yù)先的整體了解，還是可視化預(yù)測效果，matplotlib 都是不可缺失的模塊。最近 Machine Learning Plus 的作者介紹了 50 種最常用的 matplotlib 可視化圖表，而本文簡要介紹了這篇文章，詳細的 50 種可視化需要查閱原文。

[[255418]]

50 種可視化圖原地址：https://www.machinelearningplus.com/plots/top-50-matplotlib-visualizations-the-master-plots-python

介紹

該表格主要介紹了 7 種不同的 matplotlib 可視化類別，讀者可根據(jù)目的選擇不同的圖。例如，如果你想要繪制兩個變量之間的關(guān)系，查看下面 Correlation 部分;或者如果你想展示某個變量的動態(tài)變化，查看下面的 Change 部分。

• 一個美麗的圖表應(yīng)該：
• 提供準確、有需求的信息，不歪曲事實;
• 設(shè)計簡單，獲取時不會太費力;
• 美感是為了支持這些信息，而不是為了掩蓋這些信息;
• 不要提供太過豐富的信息與太過復(fù)雜的結(jié)構(gòu)。

如下所示為 7 種不同類型的可視化圖表：協(xié)相關(guān)性主要描述的是不同變量之間的相互關(guān)系;偏差主要展現(xiàn)出不同變量之間的差別;排序主要是一些有序的條形圖、散點圖或斜線圖等;分布就是繪制概率與統(tǒng)計中的分布圖，包括離散型的直方圖和連續(xù)型的概率密度分布圖等。后面還有變量的時序變化圖和類別圖等常見的可視化制圖類別。

配置

在繪制這 50 種可視化圖之前，我們需要配置一下依賴項以及通用設(shè)定，當(dāng)然后面有一些獨立的美圖會修改通用設(shè)定。如果讀者看中了某種可視化圖，那么用這些配置再加上對應(yīng)的可視化代碼就能嵌入到我們自己的項目中。

如下所示 pandas 與 numpy 主要用于讀取和處理數(shù)據(jù)，matplotlib 與 seaborn 主要用于可視化數(shù)據(jù)。其中 seaborn 其實是 matplotlib 上的一個高級 API 封裝，在大多數(shù)情況下使用 seaborn 就能做出很有吸引力的圖，而使用 matplotlib 能制作更具特色的圖。

# !pip install brewer2mpl 
import numpy as np 
import pandas as pd 
import matplotlib as mpl 
import matplotlib.pyplot as plt 
import seaborn as sns 
import warnings; warnings.filterwarnings(action='once') 
 
large = 22; med = 16; small = 12 
params = {'axes.titlesize': large, 
          'legend.fontsize': med, 
          'figure.figsize': (16, 10), 
          'axes.labelsize': med, 
          'axes.titlesize': med, 
          'xtick.labelsize': med, 
          'ytick.labelsize': med, 
          'figure.titlesize': large} 
plt.rcParams.update(params) 
plt.style.use('seaborn-whitegrid') 
sns.set_style("white") 
%matplotlib inline 
 
# Version 
print(mpl.__version__)  #> 3.0.0 
print(sns.__version__)  #> 0.9.0 

制圖示意

前面列出了 7 大類共 50 種不同的可視化圖，但我們無法一一介紹，因此我們從協(xié)相關(guān)性、偏差、分布、時序變化和群組圖中各選擇了一個示例，它們能展示不同數(shù)據(jù)在不同情況下的可視化需求。

1. 相關(guān)圖(Correllogram)

若有兩種變量，且它們的值為離散的，那么二維相關(guān)圖可以表示兩個變量所有可能組合之間的相關(guān)性。當(dāng)然如果是單變量，那么自身所有可能的組合也可以組成一個相關(guān)圖：

# Import Dataset 
df = pd.read_csv("https://github.com/selva86/datasets/raw/master/mtcars.csv") 
 
# Plot 
plt.figure(figsize=(12,10), dpi= 80) 
sns.heatmap(df.corr(), xticklabels=df.corr().columns, yticklabels=df.corr().columns, cmap='RdYlGn', center=0, annot=True) 
 
# Decorations 
plt.title('Correlogram of mtcars', fontsize=22) 
plt.xticks(fontsize=12) 
plt.yticks(fontsize=12) 
plt.show() 

2. 面積圖(Area Chart)

通過使用不同的顏色表示水平軸和線之間的區(qū)域，面積圖不僅強調(diào)峰值和低谷值，同時還強調(diào)它們持續(xù)的時間：即峰值持續(xù)時間越長，面積越大。

import numpy as np 
import pandas as pd 
 
# Prepare Data 
df = pd.read_csv("https://github.com/selva86/datasets/raw/master/economics.csv", parse_dates=['date']).head(100) 
x = np.arange(df.shape[0]) 
y_returns = (df.psavert.diff().fillna(0)/df.psavert.shift(1)).fillna(0) * 100 
 
# Plot 
plt.figure(figsize=(16,10), dpi= 80) 
plt.fill_between(x[1:], y_returns[1:], 0, where=y_returns[1:] >= 0, facecolor='green', interpolate=True, alpha=0.7) 
plt.fill_between(x[1:], y_returns[1:], 0, where=y_returns[1:] <= 0, facecolor='red', interpolate=True, alpha=0.7) 
 
# Annotate 
plt.annotate('Peak \n1975', xy=(94.0, 21.0), xytext=(88.0, 28), 
             bbox=dict(boxstyle='square', fc='firebrick'), 
             arrowprops=dict(facecolor='steelblue', shrink=0.05), fontsize=15, color='white') 
 
 
# Decorations 
xtickvals = [str(m)[:3].upper()+"-"+str(y) for y,m in zip(df.date.dt.year, df.date.dt.month_name())] 
plt.gca().set_xticks(x[::6]) 
plt.gca().set_xticklabels(xtickvals[::6], rotation=90, fontdict={'horizontalalignment': 'center', 'verticalalignment': 'center_baseline'}) 
plt.ylim(-35,35) 
plt.xlim(1,100) 
plt.title("Month Economics Return %", fontsize=22) 
plt.ylabel('Monthly returns %') 
plt.grid(alpha=0.5) 
plt.show() 

3. 密度圖(Density Plot)

在概率論與統(tǒng)計學(xué)習(xí)方法中，可視化概率密度就變得非常重要了。這種密度圖正是可視化連續(xù)型隨機變量分布的利器，分布曲線上的每一個點都是概率密度，分布曲線下的每一段面積都是特定情況的概率。如下所示，通過將它們按「response」變量分組，我們可以了解 X 軸和 Y 軸之間的關(guān)系。

# Import Data 
df = pd.read_csv("https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv") 
 
# Draw Plot 
plt.figure(figsize=(16,10), dpi= 80) 
sns.kdeplot(df.loc[df['cyl'] == 4, "cty"], shade=True, color="g", label="Cyl=4", alpha=.7) 
sns.kdeplot(df.loc[df['cyl'] == 5, "cty"], shade=True, color="deeppink", label="Cyl=5", alpha=.7) 
sns.kdeplot(df.loc[df['cyl'] == 6, "cty"], shade=True, color="dodgerblue", label="Cyl=6", alpha=.7) 
sns.kdeplot(df.loc[df['cyl'] == 8, "cty"], shade=True, color="orange", label="Cyl=8", alpha=.7) 
 
# Decoration 
plt.title('Density Plot of City Mileage by n_Cylinders', fontsize=22) 
plt.legend() 
plt.show() 

此外值得注意的是，深度學(xué)習(xí)，尤其是深度生成模型中的分布極其復(fù)雜，它們是不能直接可視化的，我們一般會通過 T-SNE 等降維方法可視化。

4. 時序變化圖(Time Series Plot)

時序變化圖也是機器學(xué)習(xí)中最常見的一種可視化圖表，不論是可視化損失函數(shù)還是準確率，都需要這種時序變化圖的幫助。這種圖主要關(guān)注某個變量怎樣隨時間變化而變化，以下展示了從 1949 到 1969 航空客運量的變化：

# Import Data 
df = pd.read_csv('https://github.com/selva86/datasets/raw/master/AirPassengers.csv') 
 
# Draw Plot 
plt.figure(figsize=(16,10), dpi= 80) 
plt.plot('date', 'traffic', data=df, color='tab:red') 
 
# Decoration 
plt.ylim(50, 750) 
xtick_location = df.index.tolist()[::12] 
xtick_labels = [x[-4:] for x in df.date.tolist()[::12]] 
plt.xticks(ticks=xtick_location, labels=xtick_labels, rotation=0, fontsize=12, horizontalalignment='center', alpha=.7) 
plt.yticks(fontsize=12, alpha=.7) 
plt.title("Air Passengers Traffic (1949 - 1969)", fontsize=22) 
plt.grid(axis='both', alpha=.3) 
 
# Remove borders 
plt.gca().spines["top"].set_alpha(0.0)     
plt.gca().spines["bottom"].set_alpha(0.3) 
plt.gca().spines["right"].set_alpha(0.0)     
plt.gca().spines["left"].set_alpha(0.3)    
plt.show() 

5. 樹狀圖(Dendrogram)

樹狀圖是另一個比較有用的圖表，層次聚類或決策樹等算法可以使用它完成優(yōu)美的可視化。樹形圖是以樹的圖形表示數(shù)據(jù)或模型結(jié)構(gòu)，以父層和子層的結(jié)構(gòu)來組織對象，是枚舉法的一種表達方式。下圖展示了一種神似層次聚類算法的圖表：

import scipy.cluster.hierarchy as shc 
 
# Import Data 
df = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/USArrests.csv') 
 
# Plot 
plt.figure(figsize=(16, 10), dpi= 80)   
plt.title("USArrests Dendograms", fontsize=22)   
dend = shc.dendrogram(shc.linkage(df[['Murder', 'Assault', 'UrbanPop', 'Rape']], method='ward'), labels=df.State.values, color_threshold=100)   
plt.xticks(fontsize=12) 
plt.show() 

【本文是51CTO專欄機構(gòu)“機器之心”的原創(chuàng)文章，微信公眾號“機器之心( id: almosthuman2014)”】

戳這里，看該作者更多好文