1.無處不在的數(shù)據(jù)可視化

提到數(shù)據(jù)可視化，大家可能腦海里就會(huì)出現(xiàn)里各種圖表、絢麗大屏、或者科幻電影里酷炫儀表。其實(shí)，日常生活里面，到處都有數(shù)據(jù)可視化的影子。

[[342763]]

手表就是數(shù)據(jù)可視化的例子，最少只需要3個(gè)視覺元素(時(shí)針、分針和秒針)，就可以表達(dá)43200個(gè)狀態(tài)。另外，水銀溫度計(jì)和地鐵線路圖，也是生活中數(shù)據(jù)可視化的運(yùn)用!

2.為什么需要數(shù)據(jù)可視化?

視覺是人類獲取外界信息最高速，最主要也是最重要渠道。 超過50%的人腦功能用于視覺感知，而大腦接收到的信息 90% 來自視覺，人類利用視覺獲取和處理的信息量，遠(yuǎn)遠(yuǎn)超出其他途徑。

視覺的信息帶寬是最大的，其次是觸覺和聽覺。

人類大腦處理圖像的速度比文本快 6 萬倍。所謂的“可視化”，就是利用人類視覺化的思考能力，對(duì)數(shù)據(jù)進(jìn)行可視表達(dá)以增強(qiáng)認(rèn)知的技術(shù)。

3.Python數(shù)據(jù)可視化學(xué)習(xí)

說到python的常見應(yīng)用，很多人會(huì)想到python的數(shù)據(jù)分析，作為數(shù)據(jù)分析中的表現(xiàn)層面，數(shù)據(jù)可視化都是其中必不可少的部分。但本文并非只推薦無任何數(shù)據(jù)分析需求僅需要做漂亮可視化圖表的人學(xué)習(xí)python數(shù)據(jù)可視化。本文介紹的只是一些常見的python第三方庫，畢竟作為一個(gè)工具來說，這些第三方庫使用起來并不是非常方便，也有一定的學(xué)習(xí)成本，普通的可視化推薦使用excel、wps，有條件的可以使用各種BI工具如：tableau，powerBI等。

那什么情況下需要用到python數(shù)據(jù)可視化庫呢?

如果是在某些特定場(chǎng)景中，需要用到python做數(shù)據(jù)分析，輸出各種圖表用于輔助分析或者數(shù)據(jù)報(bào)告展示，那這些庫則顯得必不可少，接下來將介紹一些如何學(xué)習(xí)的方法和第三方庫的介紹：

比如選擇一款合適的庫，先了解各種庫的特點(diǎn)，選擇合適的庫，然后學(xué)習(xí)繪圖原理，掌握的知識(shí)點(diǎn)

選擇官網(wǎng)是最省錢和系統(tǒng)的學(xué)習(xí)的最佳路徑，至于效率方面見仁見智。選擇書籍或視頻的方式也未嘗不可。

• 了解幾大常用的可視化庫，比如特性、使用場(chǎng)景、效果圖等;
• 選擇一款適合自己的第三方庫，比如要做國內(nèi)地圖類的項(xiàng)目，選擇pyecharts;
• 學(xué)習(xí)該庫的繪圖原理，各種函數(shù)調(diào)用和參數(shù)修改，就是所謂的"調(diào)參";
• 不斷練習(xí)、練習(xí)、練習(xí);

推薦學(xué)習(xí)使用的開發(fā)工具：JupyterNotebook。在數(shù)據(jù)分析和可視化的應(yīng)用中，jupyter無疑是首選，相比其他如pycharm等工具，可以將每一步的可視化圖表輸出在同一頁面中，方便比較分析。

4.可視化庫介紹

1、Matplotlib

官方文檔地址：

https://matplotlib.org/2.0.2/index.html

Gallery畫廊地址：

https://matplotlib.org/2.0.2/gallery.html

matplotlib是Python數(shù)據(jù)可視化庫的OG。盡管它已有十多年的歷史，但仍然是Python社區(qū)中使用最廣泛的繪圖庫。它的設(shè)計(jì)與MATLAB非常相似，MATLAB是20世紀(jì)80年代開發(fā)的專有編程語言。通常在python數(shù)據(jù)分析的教程中經(jīng)常會(huì)包含該庫的學(xué)習(xí)。

基礎(chǔ)講解：使用matplotlib繪圖的原理，主要就是理解figure(畫布)、axes(坐標(biāo)系)、axis(坐標(biāo)軸)三者之間的關(guān)系。

步驟：創(chuàng)建figure圖形對(duì)象-> 獲取對(duì)應(yīng)位置的axes坐標(biāo)系對(duì)象->調(diào)用axes對(duì)象，進(jìn)行對(duì)應(yīng)位置的圖形繪制->顯示圖形。下圖是幫助我們理解figure和axes的關(guān)系。

2、 Seaborn

官方文檔地址：

https://seaborn.pydata.org/tutorial.html

Gallery畫廊地址：

https://seaborn.pydata.org/examples/index.html

Seaborn利用matplotlib的強(qiáng)大功能，可以只用幾行代碼就創(chuàng)建漂亮的圖表。關(guān)鍵區(qū)別在于Seaborn的默認(rèn)款式和調(diào)色板設(shè)計(jì)更加美觀和現(xiàn)代。由于Seaborn是在matplotlib之上構(gòu)建的一個(gè)更高級(jí)的庫，因此還需要了解matplotlib以便調(diào)整Seaborn的默認(rèn)值，所以在matplotlib上的調(diào)參也可以在Seaborn上面使用。Seaborn針對(duì)的點(diǎn)主要是數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)中的變量特征選取，seaborn可以用短小的代碼去繪制描述更多維度數(shù)據(jù)的可視化效果圖。

基礎(chǔ)講解：原理比較簡(jiǎn)單，主要是通過sns對(duì)象調(diào)用各種類型表格的函數(shù)，這里舉一個(gè)例子：

import numpy as np 
import seaborn as sns 
from scipy import stats, integrate 
%matplotlib inline   #導(dǎo)入庫 
sns.set(color_codes=True) 
np.random.seed(sum(map(ord, "distributions")))#構(gòu)造數(shù)據(jù)，每次產(chǎn)生的隨機(jī)數(shù)相同 
x = np.random.gamma(6, size=200) 
 #輸出圖像的主要函數(shù)，distplot是直方圖，根據(jù)需求選擇不同的圖表函數(shù)即可sns.distplot(x, kde=False, fit=stats.gamma) 

3、Pyecharts

官方文檔地址：

https://pyecharts.org/

Gallery畫廊地址：

http://gallery.pyecharts.org/#/README

Echarts 是一個(gè)由百度開源的數(shù)據(jù)可視化，憑借著良好的交互性，精巧的圖表設(shè)計(jì)，得到了眾多開發(fā)者的認(rèn)可。而 Python 是一門富有表達(dá)力的語言，很適合用于數(shù)據(jù)處理。當(dāng)數(shù)據(jù)分析遇上數(shù)據(jù)可視化時(shí)，pyecharts 誕生了。

這是國人開發(fā)的一個(gè)Echarts與Python結(jié)合的輪子，可以結(jié)合JavaScript等前端技術(shù)定制我們要的主題風(fēng)格，功能非常強(qiáng)大，也是數(shù)據(jù)可視化非常常用的一個(gè)工具，也是比較推薦新手學(xué)習(xí)的。

基礎(chǔ)講解： 選擇圖表類型-> 聲明圖形類并添加數(shù)據(jù)，比如添加x軸和y軸的數(shù)據(jù)->選擇全局變量set_global_opts，設(shè)置參數(shù)->顯示及保存圖表;

from pyecharts.charts import Bar 
from pyecharts import options as opts 
# V1 版本開始支持鏈?zhǔn)秸{(diào)用bar = (    Bar()    .add_xaxis(["襯衫", "毛衣", "領(lǐng)帶", "褲子", "風(fēng)衣", "高跟鞋", "襪子"]) 
    .add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105]) 
    .add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49]) 
    .set_global_opts(title_opts=opts.TitleOpts(title="某商場(chǎng)銷售情況")) 
)bar.render()# 不習(xí)慣鏈?zhǔn)秸{(diào)用的開發(fā)者依舊可以單獨(dú)調(diào)用方法bar = Bar()bar.add_xaxis(["襯衫", "毛衣", "領(lǐng)帶", "褲子", "風(fēng)衣", "高跟鞋", "襪子"]) 
bar.add_yaxis("商家A", [114, 55, 27, 101, 125, 27, 105]) 
bar.add_yaxis("商家B", [57, 134, 137, 129, 145, 60, 49]) 
bar.set_global_opts(title_opts=opts.TitleOpts(title="某商場(chǎng)銷售情況")) 
bar.render() 

注：各種不同的圖表輸入的數(shù)據(jù)格式會(huì)有所不同，導(dǎo)致部分復(fù)雜圖表的設(shè)置難度較大。

4、ggplot

官方文檔地址：

http://ggplot.yhathq.com/

ggplot基于ggplot2，一個(gè) R 語言繪圖系統(tǒng)，以及The Grammar of Graphics的概念。ggplot的運(yùn)行方式與matplotlib不同：它允許你對(duì)組件進(jìn)行分層以創(chuàng)建完整的繪圖。例如，你可以從軸開始畫，然后添加點(diǎn)，然后是線、趨勢(shì)線等。雖然圖形語法被稱為繪圖的“直觀”方法，但經(jīng)驗(yàn)豐富的matplotlib用戶可能需要時(shí)間來適應(yīng)這個(gè)新的方式。

5、Bokeh

官方文檔地址：

https://docs.bokeh.org/en/latest/

Gallery畫廊地址：

https://docs.bokeh.org/en/latest/docs/gallery.html

與ggplot一樣，Bokeh同樣基于The Grammar of Graphics，但與ggplot不同的是，它是原生Python的，而不是從R語言移植過來的。它的優(yōu)勢(shì)在于能夠創(chuàng)建交互式的網(wǎng)站圖，它可以很容易地輸出為JSON對(duì)象、HTML或交互式Web應(yīng)用程序。Bokeh還支持流媒體和實(shí)時(shí)數(shù)據(jù)。

6、Pygal

官方文檔地址：

http://www.pygal.org/en/stable/

與Bokeh和Plotly一樣，pygal提供可以嵌入Web瀏覽器的交互式圖。它的主要區(qū)別在于能夠?qū)D表輸出為SVG格式。如果你使用較小的數(shù)據(jù)集，SVG格式的圖像就可以了。但是如果制作的圖表包含數(shù)十萬個(gè)數(shù)據(jù)點(diǎn)，它們就會(huì)很難渲染并變得反應(yīng)遲鈍。

7、Plotly

官方文檔地址：

https://plotly.com/

你可能知道Plotly是一個(gè)數(shù)據(jù)可視化的在線平臺(tái)，但你是否也知道可以從Python筆記本使用它的功能?與Bokeh一樣，Plotly的強(qiáng)項(xiàng)正在制作交互式圖，但它提供了一些在大多數(shù)庫中沒有的圖表，如等高線圖，樹狀圖和3D圖表。

8、Geoplotlib

Github地址：

https://github.com/andrea-cuttone/geoplotlib

geoplotlib是一個(gè)用于創(chuàng)建地圖和繪制地理數(shù)據(jù)的工具庫?？梢允褂盟鼇韯?chuàng)建各種地圖類型，例如等值線，熱圖和點(diǎn)密度貼圖。你必須安裝Pyglet(面向?qū)ο蟮木幊探涌?才能使用geoplotlib。盡管如此，由于大多數(shù)的Python數(shù)據(jù)可視化庫都沒有提供地圖類型，因此有一個(gè)專門的庫還是可以的。