【学习】Python可视化工具概述-外文编译

本文由 PPV课 - korobas 翻译，未经许可，禁止转载！ 原文翻译链接：http://pbpython.com/visualization-tools-1.html 一、介绍 在Python中，有很多数据可视化途径。因为这种多样性，造成很难选择。本文包括一些比较常见的可视化工具的样例，并将指导如何利用它们来创建简单的条形图。我将采用下面的工具来创建绘图数据示例： Pandas Seaborn ggplot Bokeh pygal Plotly 在实例中，我们利用pandas来操作数据，驱动可视化。大多数情况下，这些工具的使用是不需要pandas的，但我觉得混用pandas和可视化工具比较常见，也是很好的起点。 Matplotlib是什么？ python可视化工具包起源于Matplotlib。它非常强大，也很复杂。你可以使用它做几乎所有的事情，然而，它并不是很易于学习。我不打算讲述纯Matplotlib实例，因为很多工具（尤其是Pandas和Seaborn）都对它进行了封装。如果你需要更多的了解，请参考我的simple graphing相关文章: http://pbpython.com/simple-graphing-pandas.html 我对Matplotlib抱怨最多的就是，要得到合理的图表，需要付出很多。在练习下面这些例子中，我发现不需要很多代码，就可以得到很好看的可视化效果。如果你需要一些较小例子，用来学习matplotlib详细特征，可以在ggplot post中找到相关的实例：http://pbpython.com/simple-graphing-pandas.html 关于方法 本文中是我所提到的方法。我相信大家在阅读时，也会想到更好的使用这些工具的方法。我的目标，不是在每个示例中去创建完全一致的图表，而是关注，在每个例子中以大致相同的方式对数据进行可视化，以及大致相同的时间的研究方案。 在学习过程中，碰到的最大的挑战，就是格式化x轴和y轴，使用大的标签使数据看起来合理。同样还需要时间弄清楚每个工具需要格式化的数据。一旦搞清楚这些，其它的就相对简单了。 另一个需要考虑的地方，条形图可能是一种比较简单的类型。这些工具允许你使用数据创建各种各样的图形。我的实例更多关注的是格式化相关的易用性，而不是可视化创新。另外，因为标签，一些图占用更多的空间，所以，我已进行处理，以便文章长度适中。最后，图片大小也修改了，缩放后有些模糊，但不影响学习。 最后，我试着使用另一个工具代替Excel。我想让我的例子能更直观地显示在报告，展示，邮件或者是静态页面。如果你正在评估工具的实时数据可视化或通过其它方式的共享机制，以及这些工具更多的功能，我在本文中暂时不作介绍。 数据集 在上一篇文章中（http://pbpython.com/web-scraping-mn-budget.html），描述了我们用到的数据。在数据抓取例子中，更深入点，在每个类别中确定详细的支出项。数据集包括125行支出项，但我只需要关注top10，这样可以简单些。你可以在此找到详细的数据集：http://pbpython.com/extras/mn- ... 4.csv Pandas 我将使用pandas的DataFrame来开始画各种图形。幸运的是，pandas提供内置的图表功能，它封装了matplotlib。我将使用它来作为基线。 首先，导入我们的模块，将数据读入设定的DataFrame。我们还需要对数据排序，并限制在top10中。 budget = pd.read_csv("mn-budget-detail-2014.csv") budget = budget.sort('amount',ascending=False)[:10] 我们将在所有实例中，使用同样的设定，下面是查看到的top5情况：

现在可以建立display，使用更好的defaults，创建条形图：

pd.options.display.mpl_style = 'default'
budget_plot = budget.plot(kind="bar",x=budget\["detail"\],
                      title="MN Capital Budget - 2014",
                      legend=False

这使用"default"列创建的图表，显示标题，去掉了图例。 再加上下面的代码，可以将图片保存为png格式文件 。

fig = budget_plot.get_figure()
fig.savefig("2014-mn-capital-budget.png")

看看生成的效果：

基本上，看起来很好了。想想，还可以在y轴上做更多的格式化处理，但这样，就需要了解matplotlib了。好了，就这样，仅通过pandas，我们不能做更多的定制了。 Seaborn Seaborn是一个可视化库，基于matplotlib。它会使用数据看起来更具有吸引力，还可以很简单地创建更复杂的图表，也可以和pandas集成。 我的seaborn例子不能搞得太差异化了。有一件事，我喜欢seaborn各种内置的样式,你可以快速地改变调色板，这样看起来更好一些。否则，对于简单图形，seaborn不能做更多了。 先import以及读入数据：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

budget = pd.read_csv("mn-budget-detail-2014.csv")
budget = budget.sort('amount',ascending=False)[:10]

我发现一件事情，就是需要使用x_order设置x轴上各项的顺序。 下面的代码设置顺序，并设置图表样式和条形图颜色：

sns.set_style("darkgrid")
bar_plot = sns.barplot(x=budget["detail"],y=budget["amount"],
                    palette="muted",
                    x_order=budget["detail"].tolist())
plt.xticks(rotation=90)
plt.show()

你可以看到，我使用matplotlib旋转x轴标题，这样可以看到它们。看起来，确实不错了。再想想，我还想格式化一下，在y轴上的点，在不使用matplotlib的plt.yticks的情况下，但我不知道如何做。 ggplot ggplot与seaborn相似，也是基于matplotlib，用于简化matplotlib可视化，并改善可视化效果。与seaborn不同的是，它是R语言ggplot2的移值。因此，一些API对于python不太友好，但它确实非常强大。 我没有在R中使用过ggplot，所以，这有点学习曲线。但我可以开始了解下ggplot的魅力。这个库还处在活跃的开发期，希望它一直发展下去，慢慢成熟，我觉得它将会是一个真正强大的工具。我花了些时间学习使用它，在看了代码和google所需后，我能够解决大部分问题。 开始吧！导入并读取数据：

import pandas as pd
from ggplot import *

budget = pd.read_csv("mn-budget-detail-2014.csv")
budget = budget.sort('amount',ascending=False)[:10]

现在可以构造一些情节让几个ggplot命令一起运行：

p = ggplot(budget, aes(x="detail",y="amount")) + \
geom_bar(stat="bar", labels=budget["detail"].tolist()) +\
ggtitle("MN Capital Budget - 2014") + \
xlab("Spending Detail") +  \
ylab("Amount") + scale_y_continuous(labels='millions') + \
theme(axis_text_x=element_text(angle=90))
print p

看起来有点奇怪-----尤其是使用print p来显示图表。但我觉得这样相当直观。 它做了些深入，可以知道怎么将文字旋转90度，以及在x轴上怎么对标签排序。 最酷的是scale_y_continous 它可以使标签更好看。 如果你想保存为图片，直接使用ggsave:

ggsave(p, "mn-budget-capital-ggplot.png")

最终图片如下。是灰图压缩，本来想加些颜色，但没空做这些了。:)

Bokeh Bokeh与前3个库不一样，它不依赖matplotlib，而是在浏览器中生成可视化。这意味着可以产生交互的web可视化，这样我的实例有点简单了。 Import,然后读取数据：

import pandas as pd
from bokeh.charts import Bar

budget = pd.read_csv("mn-budget-detail-2014.csv")
budget = budget.sort('amount',ascending=False)[:10]</pre>
bokeh不同的方面，在于，我需要明确地列出，我们需要绘图的值。<pre class="brush: python">details = budget["detail"].values.tolist()
amount = list(budget["amount"].astype(float).values)

现在可以画图了。下面的代码可以在浏览器中显示HTML页面，包括图表。可以保存为png文件，用于其它目的。

bar = Bar(amount, details, filename="bar.html")
bar.title("MN Capital Budget - 2014").xlabel("Detail").ylabel("Amount")
bar.show()

png图如下：

可以看到图片，很好，很清晰。还没有找到更易于格式化y轴的方式。Bokeh还有很多功能，在本例中不能一一列举，请参考相关文档。 Pygal Pygal用来创建svg图表。把依赖包都安装好后，你也可以保存图表为png文件。svg文件对于创建交互图表非常有用。我同样发现用这个工作，可以很容易创建个性化的，视觉体验很好的图表。 下面导入，并读取数据：

import pandas as pd
import pygal
from pygal.style import LightStyle

budget = pd.read_csv("mn-budget-detail-2014.csv")
budget = budget.sort('amount',ascending=False)[:10]

我们需要建立图表类型，并设置一些基本参数：

bar_chart = pygal.Bar(style=LightStyle, width=800, height=600,
                  legend_at_bottom=True, human_readable=True,
                  title='MN Capital Budget - 2014')

一个有趣的地方：human_readable 可以很好地格式化数据，很管用。 再加些数据到图表中。这个地方，与pandas的集成不是很紧密，但我发现它能很好的处理数据量小的情况。对于大数据量的情况，性能可能会是个问题。

for index, row in budget.iterrows():
bar_chart.add(row["detail"], row["amount"])

现在可以渲染到svg和png文件中去了：

bar_chart.render_to_file('budget.svg')
bar_chart.render_to_png('budget.png')

我觉得svg演示，相当不错，而且，我喜欢图表拥有独立，视觉愉悦的风格。我也发现用这个工具，哪些可做，哪些不可做，都比较容易了解。我建议你下载svg文件，在浏览器中查看图表的交互效果。 Plot.ly Plot.ly作为在线工具，用来做数据分析和可视化，有点特别。它拥有健状的API，包括python版本。去网上查查，就知道，它有很丰富的，交互的图表。感谢这些文档，创建条形图相当简单多了。 按照文档，获取API key。然后所有工作，都很容易进行了。需要注意的一点是，所有东西，都将发到web上，所以，请确保你对付web没有问题。有一个选项，可以让图表私有，这样，你可以在这方面进行控制。 Plotly能很好地与pandas集成。有问题的时候，可以向开发方发邮件，能很快收到回复。对他们的答复很满意。 好了，Import并读入数据：

import plotly.plotly as py
import pandas as pd
from plotly.graph_objs import *

budget=pd.read_csv("mn-budget-detail-2014.csv")
budget.sort('amount',ascending=False,inplace=True)
budget = budget[:10]

设置数据和图表类型：

data = Data([
Bar(
    x=budget["detail"],
    y=budget["amount"]
)
])

再加上layout信息：

layout = Layout(
title='2014 MN Capital Budget',
font=Font(
    family='Raleway, sans-serif'
),
showlegend=False,
xaxis=XAxis(
    tickangle=-45
),
bargap=0.05
)

最后，显示图表数据。这会打开浏览器，显示已完成的图表。我本来没有看这些，但可以使用py.image.save_as 保存为图像的。很酷吧！你不但可以看到基于web的报告，还有可以嵌入到文档中的本地版本。

fig = Figure(data=data, layout=layout)
plot_url = py.plot(data,filename='MN Capital Budget - 2014')
py.image.save_as(fig, 'mn-14-budget.png')

打开这个链接，可以在线看一下效果：https://plot.ly/~chris1610/12，还有其它更多例子在这个网站。 所见所得的图表，非常吸引人，而且高度互动。得益于文档和python API，起步入门是很容易的，我喜欢这个最终产品。 总结 在Python生态系统中绘图，既有优点，也有缺点。好处是，有很多工具可用。缺点也是，有很多工具可用。找到适合自己的，取决于你需达到的目标。有时候，你需要试用这些工具后，才知道哪个适合你。我们不能断定哪个好，哪个不好。 下面是我总结的看法： 1、Pandas对于简单绘图，可以随手用，但你需要学习定制matplotlib。 2、Seaborn可以支持更多复杂的可视化方式，但仍然需要matplotlib知识，上色功能是个亮点。 3、ggplot有很多功能，但还需要发展。 4、bokeh是一个有效的工具，如果你想建立一个可视化的服务器，这几乎是杀鸡用牛刀的事情。 5、pygal独立运行，可用来生成交互的svg图表和png文件。它没有基于matploglib的方案那样灵活。 6、Plotly可生成大多数可交互图表。你可以保存为离线文件，然后建立丰富的基于web的可视化。 相比之下，我会继续跟踪ggplot， 在交互上有需要的时候，会考虑使用pygal和plotly。