摘要：最終證明，及其相關工具的效率很高，但就演示而言它們并不是最好的工具。我按編號用顏色編碼了每個節點，代碼如下用于可視化上面提到的稀疏圖形的代碼如下這個圖形非常稀疏，通過最大化每個集群的間隔展現了這種稀疏化。

用 Python 創建圖形的方法有很多，但是哪種方法是最好的呢？當我們做可視化之前，要先明確一些關于圖像目標的問題：你是想初步了解數據的分布情況？想展示時給人們留下深刻印象？也許你想給某人展示一個內在的形象，一個中庸的形象？

本文將介紹一些常用的 Python 可視化包，包括這些包的優缺點以及分別適用于什么樣的場景。這篇文章只擴展到 2D 圖，為下一次講 3D 圖和商業報表（dashboard）留了一些空間，不過這次要講的包中，許多都可以很好地支持 3D 圖和商業報表。

Matplotlib、Seaborn 和 Pandas

把這三個包放在一起有幾個原因：首先 Seaborn 和 Pandas 是建立在 Matplotlib 之上的，當你在用 Seaborn 或 Pandas 中的 df.plot() 時，用的其實是別人用 Matplotlib 寫的代碼。因此，這些圖在美化方面是相似的，自定義圖時用的語法也都非常相似。

當提到這些可視化工具時，我想到三個詞：探索（Exploratory）、數據（Data）、分析（Analysis）。這些包都很適合第一次探索數據，但要做演示時用這些包就不夠了。

Matplotlib 是比較低級的庫，但它所支持的自定義程度令人難以置信（所以不要簡單地將其排除在演示所用的包之外！），但還有其它更適合做展示的工具。

Matplotlib 還可以選擇樣式（style selection），它模擬了像 ggplot2 和 xkcd 等很流行的美化工具。下面是我用 Matplotlib 及相關工具所做的示例圖：

在處理籃球隊薪資數據時，我想找出薪資中位數最高的團隊。為了展示結果，我將每個球隊的工資用顏色標成條形圖，來說明球員加入哪一支球隊才能獲得更好的待遇。

import seaborn as sns
import matplotlib.pyplot as plt

color_order = ["xkcd:cerulean", "xkcd:ocean",
                "xkcd:black","xkcd:royal purple",
                "xkcd:royal purple", "xkcd:navy blue",
                "xkcd:powder blue", "xkcd:light maroon", 
                "xkcd:lightish blue","xkcd:navy"]

sns.barplot(x=top10.Team,
            y=top10.Salary,
            palette=color_order).set_title("Teams with Highest Median Salary")

plt.ticklabel_format(style="sci", axis="y", scilimits=(0,0))

第二個圖是回歸實驗殘差的 Q-Q 圖。這張圖的主要目的是展示如何用盡量少的線條做出一張有用的圖，當然也許它可能不那么美觀。

import matplotlib.pyplot as plt
import scipy.stats as stats

#model2 is a regression model
log_resid = model2.predict(X_test)-y_test
stats.probplot(log_resid, dist="norm", plot=plt)
plt.title("Normal Q-Q plot")
plt.show()

最終證明，Matplotlib 及其相關工具的效率很高，但就演示而言它們并不是最好的工具。

ggplot(2)

你可能會問，「Aaron，ggplot 是 R 中最常用的可視化包，但你不是要寫 Python 的包嗎？」。人們已經在 Python 中實現了 ggplot2，復制了這個包從美化到語法的一切內容。

在我看過的所有材料中，它的一切都和 ggplot2 很像，但這個包的好處是它依賴于 Pandas Python 包。不過 Pandas Python 包最近棄用了一些方法，導致 Python 版本不兼容。

如果你想在 R 中用真正的 ggplot（除了依賴關系外，它們的外觀、感覺以及語法都是一樣的），我在另外一篇文章中對此進行過討論。

也就是說，如果你一定要在 Python 中用 ggplot，那你就必須要安裝 0.19.2 版的 Pandas，但我建議你最好不要為了使用較低級的繪圖包而降低 Pandas 的版本。

ggplot2（我覺得也包括 Python 的 ggplot）舉足輕重的原因是它們用「圖形語法」來構建圖片。基本前提是你可以實例化圖，然后分別添加不同的特征；也就是說，你可以分別對標題、坐標軸、數據點以及趨勢線等進行美化。

下面是 ggplot 代碼的簡單示例。我們先用 ggplot 實例化圖，設置美化屬性和數據，然后添加點、主題以及坐標軸和標題標簽。

#All Salaries
ggplot(data=df, aes(x=season_start, y=salary, colour=team)) +
  geom_point() +
  theme(legend.position="none") +
  labs(title = "Salary Over Time", x="Year", y="Salary ($)")

Bokeh

Bokeh 很美。從概念上講，Bokeh 類似于 ggplot，它們都是用圖形語法來構建圖片，但 Bokeh 具備可以做出專業圖形和商業報表且便于使用的界面。為了說明這一點，我根據 538 Masculinity Survey 數據集寫了制作直方圖的代碼：

import pandas as pd
from bokeh.plotting import figure
from bokeh.io import show

# is_masc is a one-hot encoded dataframe of responses to the question:
# "Do you identify as masculine?"

#Dataframe Prep
counts = is_masc.sum()
resps = is_masc.columns

#Bokeh
p2 = figure(title="Do You View Yourself As Masculine?",
          x_axis_label="Response",
          y_axis_label="Count",
          x_range=list(resps))
p2.vbar(x=resps, top=counts, width=0.6, fill_color="red", line_color="black")
show(p2)

#Pandas
counts.plot(kind="bar")

紅色的條形圖表示 538 個人關于「你認為自己有男子漢氣概嗎？」這一問題的答案。9~14 行的 Bokeh 代碼構建了優雅且專業的響應計數直方圖——字體大小、y 軸刻度和格式等都很合理。

我寫的代碼大部分都用于標記坐標軸和標題，以及為條形圖添加顏色和邊框。在制作美觀且表現力強的圖片時，我更傾向于使用 Bokeh——它已經幫我們完成了大量美化工作。

藍色的圖是上面的第 17 行代碼。這兩個直方圖的值是一樣的，但目的不同。在探索性設置中，用 Pandas 寫一行代碼查看數據很方便，但 Bokeh 的美化功能非常強大。

Bokeh 提供的所有便利都要在 matplotlib 中自定義，包括 x 軸標簽的角度、背景線、y 軸刻度以及字體（大小、斜體、粗體）等。下圖展示了一些隨機趨勢，其自定義程度更高：使用了圖例和不同的顏色和線條。

Plotly

Plotly 非常強大，但用它設置和創建圖形都要花費大量時間，而且都不直觀。在用 Plotly 忙活了大半個上午后，我幾乎什么都沒做出來，干脆直接去吃飯了。我只創建了不帶坐標標簽的條形圖，以及無法刪掉線條的「散點圖」。Ploty 入門時有一些要注意的點：

安裝時要有 API 秘鑰，還要注冊，不是只用 pip 安裝就可以；

Plotly 所繪制的數據和布局對象是獨一無二的，但并不直觀；

圖片布局對我來說沒有用（40 行代碼毫無意義！）

但它也有優點，而且設置中的所有缺點都有相應的解決方法：

你可以在 Plotly 網站和 Python 環境中編輯圖片；

支持交互式圖片和商業報表；

Plotly 與 Mapbox 合作，可以自定義地圖；

很有潛力繪制優秀圖形。

以下是我針對這個包編寫的代碼：

#plot 1 - barplot
# **note** - the layout lines do nothing and trip no errors
data = [go.Bar(x=team_ave_df.team,
              y=team_ave_df.turnovers_per_mp)]

layout = go.Layout(

    title=go.layout.Title(
        text="Turnovers per Minute by Team",
        xref="paper",
        x=0
    ),

    xaxis=go.layout.XAxis(
        title = go.layout.xaxis.Title(
            text="Team",
            font=dict(
                    family="Courier New, monospace",
                    size=18,
                    color="#7f7f7f"
                )
        )
    ),

    yaxis=go.layout.YAxis(
        title = go.layout.yaxis.Title(
            text="Average Turnovers/Minute",
            font=dict(
                    family="Courier New, monospace",
                    size=18,
                    color="#7f7f7f"
                )
        )
    ),

    autosize=True,
    hovermode="closest")

py.iplot(figure_or_data=data, layout=layout, filename="jupyter-plot", sharing="public", fileopt="overwrite")

#plot 2 - attempt at a scatterplot
data = [go.Scatter(x=player_year.minutes_played,
                  y=player_year.salary,
                  marker=go.scatter.Marker(color="red",
                                          size=3))]

layout = go.Layout(title="test",
                xaxis=dict(title="why"),
                yaxis=dict(title="plotly"))

py.iplot(figure_or_data=data, layout=layout, filename="jupyter-plot2", sharing="public")

[Image: image.png]

總體來說，開箱即用的美化工具看起來很好，但我多次嘗試逐字復制文檔和修改坐標軸標簽時卻失敗了。但下面的圖展示了 Plotly 的潛力，以及我為什么要在它身上花好幾個小時：

Pygal

Pygal 的名氣就不那么大了，和其它常用的繪圖包一樣，它也是用圖形框架語法來構建圖像的。由于繪圖目標比較簡單，因此這是一個相對簡單的繪圖包。使用 Pygal 非常簡單：

實例化圖片；

用圖片目標屬性格式化；

用 figure.add() 將數據添加到圖片中。

我在使用 Pygal 的過程中遇到的主要問題在于圖片渲染。必須要用 render_to_file 選項，然后在 web 瀏覽器中打開文件，才能看見我剛剛構建的東西。

最終看來這是值得的，因為圖片是交互式的，有令人滿意而且便于自定義的美化功能。總而言之，這個包看起來不錯，但在文件的創建和渲染部分比較麻煩。

Networkx

雖然 Networkx 是基于 matplotlib 的，但它仍是圖形分析和可視化的絕佳解決方案。圖形和網絡不是我的專業領域，但 Networkx 可以快速簡便地用圖形表示網絡之間的連接。以下是我針對一個簡單圖形構建的不同的表示，以及一些從斯坦福 SNAP 下載的代碼（關于繪制小型 Facebook 網絡）。

我按編號（1~10）用顏色編碼了每個節點，代碼如下：

options = {
    "node_color" : range(len(G)),
    "node_size" : 300,
    "width" : 1,
    "with_labels" : False,
    "cmap" : plt.cm.coolwarm
}
nx.draw(G, **options)

用于可視化上面提到的稀疏 Facebook 圖形的代碼如下：

import itertools
import networkx as nx
import matplotlib.pyplot as plt

f = open("data/facebook/1684.circles", "r")
circles = [line.split() for line in f]
f.close()

network = []
for circ in circles:
    cleaned = [int(val) for val in circ[1:]]
    network.append(cleaned)

G = nx.Graph()
for v in network:
    G.add_nodes_from(v)

edges = [itertools.combinations(net,2) for net in network]

for edge_group in edges:
    G.add_edges_from(edge_group)

options = {
    "node_color" : "lime",
    "node_size" : 3,
    "width" : 1,
    "with_labels" : False,
}
nx.draw(G, **options)

這個圖形非常稀疏，Networkx 通過最大化每個集群的間隔展現了這種稀疏化。

有很多數據可視化的包，但沒法說哪個是最好的。希望閱讀本文后，你可以了解到在不同的情境下，該如何使用不同的美化工具和代碼。

轉載至 機器之血