高效使用 Python 可視化工具 Matplotlib
(點擊
上方藍字
,快速關注我們)
編譯:伯樂在線 - 李大萌
如有好文章投稿,請點擊 → 這裡了解詳情
Matplotlib是Python中最常用的可視化工具之一,可以非常方便地創建海量類型的2D圖表和一些基本的3D圖表。本文主要介紹了在學習Matplotlib時面臨的一些挑戰,為什麼要使用Matplotlib,並推薦了一個學習使用Matplotlib的步驟。
簡介
對於新手來說,進入Python可視化領域有時可能會令人感到沮喪。Python有很多不同的可視化工具,選擇一個正確的工具有時是一種挑戰。 例如,即使兩年過去了,這篇《Overview of Python Visualization Tools》是引導人們到這個網站的頂級帖子之一。 在那篇文章中,我對matplotlib留下了一些陰影,並在分析過程中不再使用。 然而,在使用諸如pandas,scikit-learn,seaborn和其他數據科學技術棧的python工具後,覺得丟棄matplotlib有點過早了。說實話,之前我不太了解matplotlib,也不知道如何在工作流程中有效地使用。
現在我花時間學習了其中的一些工具,以及如何使用matplotlib,已經開始將matplotlib看作是不可或缺的工具了。這篇文章將展示我是如何使用matplotlib的,並為剛入門的用戶或者沒時間學習matplotlib的用戶提供一些建議。我堅信matplotlib是python數據科學技術棧的重要組成部分,希望本文能幫助大家了解如何將matplotlib用於自己的可視化。
為什麼對matplotlib都是負面評價?
在我看來,新用戶學習matplotlib之所以會面臨一定的挑戰,主要有以下幾個原因。
首先,matplotlib有兩種介面。第一種是基於MATLAB並使用基於狀態的介面。第二種是面向對象的介面。為什麼是這兩種介面不在本文討論的範圍之內,但是知道有兩種方法在使用matplotlib進行繪圖時非常重要。
兩種介面引起混淆的原因在於,在stack overflow社區和谷歌搜索可以獲得大量信息的情況下,新用戶對那些看起來有些相似但不一樣的問題,面對多個解決方案會感到困惑。從我自己的經歷說起。回顧一下我的舊代碼,一堆matplotlib代碼的混合——這對我來說非常混亂(即使是我寫的)。
關鍵點
matplotlib的新用戶應該學習使用面向對象的介面。
matplotlib的另一個歷史性挑戰是,一些默認風格選項相當沒有吸引力。 在R語言世界裡,可以用ggplot生成一些相當酷的繪圖,相比之下,matplotlib的選項看起來有點丑。令人欣慰的是matplotlib 2.0具有更美觀的樣式,以及非常便捷對可視化的內容進行主題化的能力。
使用matplotlib我認為第三個挑戰是,當繪製某些東西時,應該單純使用matplotlib還是使用建立在其之上的類似pandas或者seaborn這樣的工具,你會感到困惑。任何時候都可以有多種方式來做事,對於新手或不常用matplotlib的用戶來講,遵循正確的路徑是具有挑戰性的。將這種困惑與兩種不同的API聯繫起來,是解決問題的秘訣。
為什麼堅持要用matplotlib?
儘管有這些問題,但是我慶幸有matplotlib,因為它非常強大。這個庫允許創建幾乎任何你可以想像的可視化。此外,圍繞著它還有一個豐富的python工具生態系統,許多更先進的可視化工具用matplotlib作為基礎庫。如果在python數據科學棧中進行任何工作,都將需要對如何使用matplotlib有一個基本的了解。這是本文的其餘部分的重點——介紹一種有效使用matplotlib的基本方法。
基本前提
如果你除了本文之外沒有任何基礎,建議用以下幾個步驟學習如何使用matplotlib:
學習基本的matplotlib術語,尤其是什麼是圖和坐標軸
始終使用面向對象的介面,從一開始就養成使用它的習慣
用基礎的pandas繪圖開始你的可視化學習
用seaborn進行更複雜的統計可視化
用matplotlib來定製pandas或者seaborn可視化
這幅來自matplotlib faq的圖非常經典,方便了解一幅圖的不同術語。
大多數術語都非常直接,但要記住的要點是,Figure是最終的圖像,可能包含一個或多個坐標軸。坐標軸代表一個單獨的劃分。一旦你了解這些內容,以及如何通過面向對象的API訪問它們,下面的步驟才能開始進行。
這些術語知識有另一個好處,當你在網上看某些東西時,就有了一個起點。如果你花時間了解了這一點,才會理解matplotlib API的其餘部分。此外,許多python的高級軟體包,如seaborn和ggplot都依賴於matplotlib。因此,了解這些基礎知識後再學那些功能更強大的框架會容易一些。
最後,我不是說你應該避免選擇例如ggplot(aka ggpy),bokeh,plotly或者altair等其他更好的工具。我只是認為你需要從對matplotlib + pandas + seaborn 有一個基本了解開始。一旦理解了基本的可視化技術,就可以探索其他工具,並根據自己的需要做出明智的選擇。
入門
本文的其餘部分將作為一個入門教程,介紹如何在pandas中進行基本的可視化創建,並使用matplotlib自定義最常用的項目。一旦你了解了基本過程,進一步的定製化創建就相對比較簡單。
重點講一下我遇到的最常見的繪圖任務,如標記軸,調整限制,更新繪圖標題,保存圖片和調整圖例。如果你想跟著繼續學習,在鏈接https://github.com/chris1610/pbpython/blob/master/notebooks/Effectively-Using-Matplotlib.ipynb 中包含附加細節的筆記,應該非常有用。
準備開始,我先引入庫並讀入一些數據:
import
pandas
as
pd
import
matplotlib
.
pyplot
as
plt
from
matplotlib
.
ticker
import
FuncFormatter
df
=
pd
.
read_excel
(
"https://github.com/chris1610/pbpython/blob/master/data/sample-salesv3.xlsx?raw=true"
)
df
.
head
()
這是2014年的銷售交易數據。為了使這些數據簡短一些,我將對數據進行聚合,以便我們可以看到前十名客戶的總購買量和總銷售額。為了清楚我還會在繪圖中重新命名列。
top_10
=
(
df
.
groupby
(
"name"
)[
"ext price"
,
"quantity"
].
agg
({
"ext price"
:
"sum"
,
"quantity"
:
"count"
})
.
sort_values
(
by
=
"ext price"
,
ascending
=
False
))[
:
10
].
reset_index
()
top_10
.
rename
(
columns
=
{
"name"
:
"Name"
,
"ext price"
:
"Sales"
,
"quantity"
:
"Purchases"
},
inplace
=
True
)
下面是數據的處理結果。
現在,數據被格式化成一個簡單的表格,我們來看如何將這些結果繪製成條形圖。
如前所述,matplotlib有許多不同的樣式可用於渲染繪圖,可以用plt.style.available查看系統中有哪些可用的樣式。
plt.style.available
[
"seaborn-dark"
,
"seaborn-dark-palette"
,
"fivethirtyeight"
,
"seaborn-whitegrid"
,
"seaborn-darkgrid"
,
"seaborn"
,
"bmh"
,
"classic"
,
"seaborn-colorblind"
,
"seaborn-muted"
,
"seaborn-white"
,
"seaborn-talk"
,
"grayscale"
,
"dark_background"
,
"seaborn-deep"
,
"seaborn-bright"
,
"ggplot"
,
"seaborn-paper"
,
"seaborn-notebook"
,
"seaborn-poster"
,
"seaborn-ticks"
,
"seaborn-pastel"
]
這樣簡單使用一個樣式:
plt.style.use("ggplot")
我鼓勵大家嘗試不同的風格,看看你喜歡哪些。
現在我們準備好了一個更美觀的樣式,第一步是使用標準的pandas繪圖功能繪製數據:
top_10.plot(kind="barh", y="Sales", x="Name")
我推薦先使用pandas繪圖,是因為它是一種快速簡便構建可視化的方法。 由於大多數人可能已經在pandas中進行過一些數據處理/分析,所以請先從基本的繪圖開始。
定製化繪圖
假設你對這個繪圖的要點很滿意,下一步就是定製它。使用pandas繪圖功能定製(如添加標題和標籤)非常簡單。但是,你可能會發現自己的需求在某種程度上超越該功能。這就是我建議養成這樣做的習慣的原因:
fig
,
ax
=
plt
.
subplots
()
top_10
.
plot
(
kind
=
"barh"
,
y
=
"Sales"
,
x
=
"Name"
,
ax
=
ax
)
得到的圖看起來與原始圖看起來相同,但是我們向plt.subplots() 添加了一個額外的調用,並將ax傳遞給繪圖函數。為什麼要這樣做? 記得當我說在matplotlib中要訪問坐標軸和數字至關重要嗎?這就是我們在這裡完成的工作。將來任何定製化都將通過ax或fig對象完成。
我們得益於pandas快速繪圖,獲得了訪問matplotlib的所有許可權。我們現在可以做什麼呢?用一個例子來展示。另外,通過命名約定,可以非常簡單地把別人的解決方案改成適合自己獨特需求的方案。
假設我們要調整x限制並更改一些坐標軸的標籤?現在坐標軸保存在ax變數中,我們有很多的控制權:
fig
,
ax
=
plt
.
subplots
()
top_10
.
plot
(
kind
=
"barh"
,
y
=
"Sales"
,
x
=
"Name"
,
ax
=
ax
)
ax
.
set_xlim
([
-
10000
,
140000
])
ax
.
set_xlabel
(
"Total Revenue"
)
ax
.
set_ylabel
(
"Customer"
);
下面是一個快捷方式,可以用來更改標題和兩個標籤:
fig
,
ax
=
plt
.
subplots
()
top_10
.
plot
(
kind
=
"barh"
,
y
=
"Sales"
,
x
=
"Name"
,
ax
=
ax
)
ax
.
set_xlim
([
-
10000
,
140000
])
ax
.
set
(
title
=
"2014 Revenue"
,
xlabel
=
"Total Revenue"
,
ylabel
=
"Customer"
)
為了進一步驗證這種方法,還可以調整圖像的大小。通過plt.subplots() 函數,可以用英寸定義figsize。也可以用ax.legend().set_visible(False)來刪除圖例。
fig
,
ax
=
plt
.
subplots
(
figsize
=
(
5
,
6
))
top_10
.
plot
(
kind
=
"barh"
,
y
=
"Sales"
,
x
=
"Name"
,
ax
=
ax
)
ax
.
set_xlim
([
-
10000
,
140000
])
ax
.
set
(
title
=
"2014 Revenue"
,
xlabel
=
"Total Revenue"
)
ax
.
legend
().
set_visible
(
False
)
基於很多原因你可能想要調整一下這個圖。看著最彆扭的地方是總收入數字的格式。 Matplotlib可以通過FuncFormatter來幫我們實現。這個功能可以將用戶定義的函數應用於值,並返回一個格式整齊的字元串放置在坐標軸上。
下面是一個貨幣格式化函數,可以優雅地處理幾十萬範圍內的美元格式:
def
currency
(
x
,
pos
)
:
"The two args are the value and tick position"
if
x
>=
1000000
:
return
"${:1.1f}M"
.
format
(
x
*
1e
-
6
)
return
"${:1.0f}K"
.
format
(
x
*
1e
-
3
)
現在我們有一個格式化函數,需要定義它並將其應用到x軸。以下是完整的代碼:
fig
,
ax
=
plt
.
subplots
()
top_10
.
plot
(
kind
=
"barh"
,
y
=
"Sales"
,
x
=
"Name"
,
ax
=
ax
)
ax
.
set_xlim
([
-
10000
,
140000
])
ax
.
set
(
title
=
"2014 Revenue"
,
xlabel
=
"Total Revenue"
,
ylabel
=
"Customer"
)
formatter
=
FuncFormatter
(
currency
)
ax
.
xaxis
.
set_major_formatter
(
formatter
)
ax
.
legend
().
set_visible
(
False
)
這樣更美觀,也是一個很好的例子,展示如何靈活地定義自己的問題解決方案。
我們最後要去探索的一個自定義功能是通過添加註釋到繪圖。繪製一條垂直線,可以用ax.axvline()。添加自定義文本,可以用ax.text()。
在這個例子中,我們將繪製一條平均線,並顯示三個新客戶的標籤。 下面是完整的代碼和注釋,把它們放在一起。
# Create the figure and the axes
fig
,
ax
=
plt
.
subplots
()
# Plot the data and get the averaged
top_10
.
plot
(
kind
=
"barh"
,
y
=
"Sales"
,
x
=
"Name"
,
ax
=
ax
)
avg
=
top_10
[
"Sales"
].
mean
()
# Set limits and labels
ax
.
set_xlim
([
-
10000
,
140000
])
ax
.
set
(
title
=
"2014 Revenue"
,
xlabel
=
"Total Revenue"
,
ylabel
=
"Customer"
)
# Add a line for the average
ax
.
axvline
(
x
=
avg
,
color
=
"b"
,
label
=
"Average"
,
linestyle
=
"--"
,
linewidth
=
1
)
# Annotate the new customers
for
cust
in
[
3
,
5
,
8
]
:
ax
.
text
(
115000
,
cust
,
"New Customer"
)
# Format the currency
formatter
=
FuncFormatter
(
currency
)
ax
.
xaxis
.
set_major_formatter
(
formatter
)
# Hide the legend
ax
.
legend
().
set_visible
(
False
)
雖然這可能不是讓人感到興奮(眼前一亮)的繪圖方式,但它展示了你在用這種方法時有多大許可權。
圖形和圖像
到目前為止,我們所做的所有改變都是單個圖形。幸運的是,我們也有能力在圖上添加多個圖形,並使用各種選項保存整個圖像。
如果決定要把兩幅圖放在同一個圖像上,我們應對如何做到這一點有基本了解。 首先,創建圖形,然後創建坐標軸,然後將其全部繪製在一起。我們可以用plt.subplots()來完成:
fig, (ax0, ax1) = plt.subplots(nrows=1, ncols=2, sharey=True, figsize=(7, 4))
在這個例子中,用nrows和ncols來指定大小,這樣對新用戶來說比較清晰。在示例代碼中,經常看到像1,2這樣的變數。我覺得使用命名的參數,之後在查看代碼時更容易理解。
用sharey = True這個參數,以便yaxis共享相同的標籤。
這個例子也很好,因為各個坐標軸被解壓縮到ax0和ax1。有這些坐標軸軸,你可以像上面的例子一樣繪製圖形,但是在ax0和ax1上各放一個圖。
# Get the figure and the axes
fig
,
(
ax0
,
ax1
)
=
plt
.
subplots
(
nrows
=
1
,
ncols
=
2
,
sharey
=
True
,
figsize
=
(
7
,
4
))
top_10
.
plot
(
kind
=
"barh"
,
y
=
"Sales"
,
x
=
"Name"
,
ax
=
ax0
)
ax0
.
set_xlim
([
-
10000
,
140000
])
ax0
.
set
(
title
=
"Revenue"
,
xlabel
=
"Total Revenue"
,
ylabel
=
"Customers"
)
# Plot the average as a vertical line
avg
=
top_10
[
"Sales"
].
mean
()
ax0
.
axvline
(
x
=
avg
,
color
=
"b"
,
label
=
"Average"
,
linestyle
=
"--"
,
linewidth
=
1
)
# Repeat for the unit plot
top_10
.
plot
(
kind
=
"barh"
,
y
=
"Purchases"
,
x
=
"Name"
,
ax
=
ax1
)
avg
=
top_10
[
"Purchases"
].
mean
()
ax1
.
set
(
title
=
"Units"
,
xlabel
=
"Total Units"
,
ylabel
=
""
)
ax1
.
axvline
(
x
=
avg
,
color
=
"b"
,
label
=
"Average"
,
linestyle
=
"--"
,
linewidth
=
1
)
# Title the figure
fig
.
suptitle
(
"2014 Sales Analysis"
,
fontsize
=
14
,
fontweight
=
"bold"
);
# Hide the legends
ax1
.
legend
().
set_visible
(
False
)
ax0
.
legend
().
set_visible
(
False
)
到目前為止,我一直用jupyter notebook,藉助%matplotlib內聯指令來顯示圖形。但是很多時候,需要以特定格式保存數字,和其他內容一起展示。
Matplotlib支持許多不同格式文件的保存。 你可以用fig.canvas.get_supported_filetypes()查看系統支持的格式:
fig.canvas.get_supported_filetypes()
{
"eps"
:
"Encapsulated Postscript"
,
"jpeg"
:
"Joint Photographic Experts Group"
,
"jpg"
:
"Joint Photographic Experts Group"
,
"pdf"
:
"Portable Document Format"
,
"pgf"
:
"PGF code for LaTeX"
,
"png"
:
"Portable Network Graphics"
,
"ps"
:
"Postscript"
,
"raw"
:
"Raw RGBA bitmap"
,
"rgba"
:
"Raw RGBA bitmap"
,
"svg"
:
"Scalable Vector Graphics"
,
"svgz"
:
"Scalable Vector Graphics"
,
"tif"
:
"Tagged Image File Format"
,
"tiff"
:
"Tagged Image File Format"
}
由於我們有fig對象,我們可以用多個選項來保存圖像:
fig.savefig("sales.png", transparent=False, dpi=80, bbox_inches="tight")
上面的代碼把圖像保存為背景不透明的png。還指定了解析度dpi和bbox_inches =「tight」來盡量減少多餘的空格。
結論
希望這個過程有助於你了解如何在日常的數據分析中更有效地使用matplotlib。 如果在做分析時養成使用這種方法的習慣,你應該可以快速定製出任何你需要的圖像。
作為最後的福利,我引入一個快速指南來總結所有的概念。希望這有助於把這篇文章聯繫起來,並為今後使用參考提供方便。
看完本文有收穫?請轉
發分享給更多人
關注「P
ython開發者」,提升Python技能
※Python 調用 C 模塊以及性能分析
※代碼這樣寫更優雅,15篇 Python 技術熱文
※如何用Python從海量文本抽取主題?
※使用Python自动提取内容摘要
※Python Virtualenv 介紹
TAG:Python |
※HiddenLayer:可視化PyTorch、TensorFlow神經網路圖的輕量級工具!
※Cytoscape:強大的pathway分析可視化工具
※資源 | HiddenLayer:可視化PyTorch、TensorFlow神經網路圖的輕量級工具!
※教程 | 5種快速易用的Python Matplotlib數據可視化方法
※Python 數據可視化神器分享:pyecharts
※3ds Max+Stingray 可視化VR
※Python可視化神器——pyecharts的超詳細使用指南!
※Plotly Dash數據可視化
※比Excel製圖更強大,Python可視化工具Altair入門教程
※用於可視化人工神經網路的 Python庫——ANN Visualizer
※sqlitestudio可視化操作sqlite資料庫
※CreativeDrive收購三維可視化和AR創業公司Decora
※互動式數據可視化處理工具Microsoft Power BI簡介
※Datalore:用於機器學習可視化的新Web方案!
※Tensorflow可視化教程
※scrapydweb:實現 Scrapyd 集群管理,Scrapy 日誌分析和可視化
※linux-快速安裝可視化面板grafana
※房地產沉浸式可視化服務商Matterport收購AI創企Arraiy
※這5小段代碼輕鬆實現數據可視化(Python+Matplotlib)
※Wandb用起來,一行Python代碼實現Keras模型可視化