這5種數(shù)據(jù)可視化方式是數(shù)據(jù)科學(xué)家標(biāo)配！

數(shù)據(jù) 可視化工具

李佳惠 | 2018-03-06 11:49

【數(shù)據(jù)猿導(dǎo)讀】在這篇博客文章中，我們將著眼于5個(gè)數(shù)據(jù)可視化，并使用Python的Matplotlib為他們編寫一些快速簡(jiǎn)單的功能。與此同時(shí)，這里有一個(gè)很棒的圖表，用于為工作選擇正確的可視化圖表

這5種數(shù)據(jù)可視化方式是數(shù)據(jù)科學(xué)家標(biāo)配！

數(shù)據(jù)可視化是數(shù)據(jù)科學(xué)家工作的重要組成部分。在項(xiàng)目的早期階段，你通常會(huì)進(jìn)行探索性數(shù)據(jù)分析(EDA)以獲取對(duì)數(shù)據(jù)的一些洞察。創(chuàng)建可視化確實(shí)有助于使事情更清晰易懂，特別是對(duì)于大型高維數(shù)據(jù)集。在你的項(xiàng)目結(jié)束時(shí)，能夠以清晰、簡(jiǎn)潔和引人注目的方式展示你的最終結(jié)果非常重要，因?yàn)槟愕氖鼙娡欠羌夹g(shù)性客戶，他們可以理解。

Matplotlib是一個(gè)流行的Python庫(kù)，可以用來(lái)很容易地創(chuàng)建數(shù)據(jù)可視化。但是，每次執(zhí)行新項(xiàng)目時(shí)，設(shè)置數(shù)據(jù)、參數(shù)、圖形和繪圖都會(huì)變得非常繁瑣。在這篇博客文章中，我們將著眼于5個(gè)數(shù)據(jù)可視化，并使用Python的Matplotlib為他們編寫一些快速簡(jiǎn)單的功能。與此同時(shí)，這里有一個(gè)很棒的圖表，用于為工作選擇正確的可視化圖表!

數(shù)據(jù)_可視化_工具-1

　　▲用于為給定情況選擇適當(dāng)?shù)臄?shù)據(jù)可視化技術(shù)的圖表

散點(diǎn)圖

散點(diǎn)圖非常適合顯示兩個(gè)變量之間的關(guān)系，因?yàn)槟憧梢灾苯涌吹綌?shù)據(jù)的原始分布。你還可以通過(guò)對(duì)組進(jìn)行顏色編碼來(lái)簡(jiǎn)單地查看不同組數(shù)據(jù)的關(guān)系，如下圖所示。想要可視化三個(gè)變量之間的關(guān)系沒問(wèn)題!只需使用另一個(gè)參數(shù)(如點(diǎn)大小)就可以對(duì)第三個(gè)變量進(jìn)行編碼，如下面的第二個(gè)圖所示。

數(shù)據(jù)_可視化_工具-2

　　▲散點(diǎn)圖與顏色分組

數(shù)據(jù)_可視化_工具-3

現(xiàn)在我們看一下代碼。我們首先用別名“plt”導(dǎo)入Matplotlib的pyplot。要?jiǎng)?chuàng)建一個(gè)新的情節(jié)圖，我們稱之為plt.subplots()。將x軸和y軸數(shù)據(jù)傳遞給函數(shù)，然后將這些數(shù)據(jù)傳遞給ax.scatter()以繪制散點(diǎn)圖。我們還可以設(shè)置點(diǎn)的大小，點(diǎn)顏色和alpha透明度。你甚至可以設(shè)置Y軸為對(duì)數(shù)刻度。標(biāo)題和軸標(biāo)簽然后專門為該圖設(shè)置。這是一個(gè)易于使用的函數(shù)，可以首尾相連創(chuàng)建散點(diǎn)圖!

　　數(shù)據(jù)_可視化_工具-4

線條圖

如果能清楚地看到一個(gè)變量與另一個(gè)變量差異很大，即它們具有高協(xié)方差，則最好使用線圖。讓我們看看下圖來(lái)說(shuō)明。我們可以清楚地看到，所有專業(yè)的百分比隨時(shí)間變化很大。用散點(diǎn)圖繪制這些圖將會(huì)非常混亂，這使得很難真正理解并看到發(fā)生了什么。線圖非常適合這種情況，因?yàn)樗鼈兓旧辖o了我們兩個(gè)變量(百分比和時(shí)間)的協(xié)方差的快速總結(jié)。同樣，我們也可以使用顏色編碼進(jìn)行分組。

數(shù)據(jù)_可視化_工具-5

　　▲示例線圖

這是線圖的代碼。這與上面的分散很相似。只有一些變量的微小變化。

數(shù)據(jù)_可視化_工具-6

直方圖

直方圖對(duì)查看(或真正發(fā)現(xiàn))數(shù)據(jù)點(diǎn)的分布很有用。查看下面我們繪制頻率與IQ直方圖的直方圖。我們可以清楚地看到中心的集中度和中位數(shù)，也可以看到它遵循高斯分布。例如，使用條(而不是散點(diǎn))可以清楚地顯示出每個(gè)箱的頻率之間的相對(duì)差異。使用分箱(離散化)確實(shí)有助于我們看到“更大的圖像”，就像我們使用所有沒有離散分箱的數(shù)據(jù)點(diǎn)一樣，可能會(huì)在可視化中產(chǎn)生大量噪音，使得很難看到到底發(fā)生了什么。

數(shù)據(jù)_可視化_工具-7
▲直方圖示例

下面顯示了Matplotlib中直方圖的代碼。有兩個(gè)參數(shù)需要注意。首先，n_bins參數(shù)控想象一下，我們想要比較數(shù)據(jù)中兩個(gè)變量的分布。有人可能會(huì)認(rèn)為你必須制作兩個(gè)獨(dú)立的直方圖并將它們并排放在一起進(jìn)行比較。但是，實(shí)際上有更好的方法：我們可以用不同的透明度覆蓋直方圖?？纯聪旅娴膱D。統(tǒng)一分布被設(shè)置為具有0.5的透明度，以便我們可以看到它的后面是什么。這允許用戶直接查看同一圖上的兩個(gè)分布。

數(shù)據(jù)_可視化_工具-8

在疊加直方圖的代碼中需要設(shè)置幾件事情。首先，我們?cè)O(shè)置水平范圍以適應(yīng)兩種可變分布。根據(jù)這個(gè)范圍和期望數(shù)量的箱子，我們實(shí)際上可以計(jì)算每個(gè)箱子的寬度。最后，我們?cè)谕粋€(gè)圖上繪制兩個(gè)直方圖，其中一個(gè)直觀圖更透明?！　?/p>

數(shù)據(jù)_可視化_工具-9

當(dāng)你嘗試對(duì)幾乎沒有(可能<10個(gè))類別的分類數(shù)據(jù)進(jìn)行可視化時(shí)，條形圖最為有效。如果我們有太多的類別，那么圖中的酒吧會(huì)非?；靵y，很難理解。它們對(duì)分類數(shù)據(jù)很好，因?yàn)槟憧梢愿鶕?jù)條的大小(即大小)輕松查看類別之間的差異，類別也很容易分割和顏色編碼。有三種不同類型的柱狀圖我們將要看：定期、分組和堆疊。看看下面的代碼。

　數(shù)據(jù)_可視化_工具-10 　

條形圖

常規(guī)的條狀圖在下面的第一張圖中。在barplot()函數(shù)中，x_data表示x軸上的代號(hào)，y_data代表y軸上的條高。錯(cuò)誤欄是在每個(gè)可以繪制的條上居中顯示標(biāo)準(zhǔn)偏差的額外行。

分組條形圖允許我們比較多個(gè)分類變量。看看下面的第二個(gè)條形圖。我們比較的第一個(gè)變量是分?jǐn)?shù)如何隨組(組G1，G2，...等)而變化。我們還將性別本身與顏色代碼進(jìn)行比較?？纯创a，y_data_list變量現(xiàn)在實(shí)際上是一個(gè)列表列表，其中每個(gè)子列表代表一個(gè)不同的組。然后，我們循環(huán)遍歷每個(gè)組，并為每個(gè)組繪制x軸上每個(gè)刻度的條形;每個(gè)組都是彩色編碼的。

堆疊的條形圖非常適合可視化不同變量的分類構(gòu)成。在下面的堆積條形圖中，我們比較了日常的服務(wù)器負(fù)載。使用彩色編碼堆棧，我們可以輕松查看并了解哪臺(tái)服務(wù)器每天的工作效率最高，以及每天的負(fù)載如何，并與其他服務(wù)器進(jìn)行比較。此代碼遵循與分組條形圖相同的樣式。我們循環(huán)遍歷每一個(gè)組，除了這次我們?cè)谂f的欄上畫新的，而不是在他們旁邊繪制。

數(shù)據(jù)_可視化_工具-11
▲常規(guī)條形圖

數(shù)據(jù)_可視化_工具-12
▲分組條形圖　

數(shù)據(jù)_可視化_工具-13
▲堆積條形圖　

數(shù)據(jù)_可視化_工具-14

數(shù)據(jù)_可視化_工具-15

數(shù)據(jù)_可視化_工具-16

箱型圖

我們之前查看了直方圖，這些直方圖非常適合可視化變量的分布。但是如果我們需要更多的信息呢也許我們想要更清楚地看待標(biāo)準(zhǔn)偏差也許中位數(shù)與平均值有很大差異，因此我們有很多異常值怎么辦如果存在如此歪斜，并且許多值都集中在一方怎么辦

這就是箱形圖出現(xiàn)的地方。箱形圖給我們提供了上述所有信息。實(shí)線框的底部和頂部總是第一和第三四分位數(shù)(即數(shù)據(jù)的25%和75%)，并且框內(nèi)的帶總是第二四分位數(shù)(中值)。箱須圖(即末端具有條紋的虛線)從框中延伸以顯示數(shù)據(jù)的范圍。

由于箱形圖是為每個(gè)組、變量都繪制了，因此很容易設(shè)置。 x_data是組/變量的列表。 Matplotlib函數(shù)boxplot()為y_data的每列或每個(gè)向量的序列y_data生成一個(gè)箱形圖;因此x_data中的每個(gè)值都對(duì)應(yīng)于y_data中的列/向量。所有我們所要設(shè)定的是情節(jié)的美學(xué)?！　?/p>

數(shù)據(jù)_可視化_工具-17
▲箱型實(shí)例

數(shù)據(jù)_可視化_工具-18

數(shù)據(jù)_可視化_工具-19

結(jié)論：使用Matplotlib有5個(gè)快速簡(jiǎn)單的數(shù)據(jù)可視化。將事物抽象成函數(shù)總是會(huì)讓你的代碼更易于閱讀和使用!希望這篇文章能夠幫助到你！

來(lái)源：IT168

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會(huì)注明來(lái)源與作者；轉(zhuǎn)載我們?cè)瓌?chuàng)內(nèi)容時(shí)，也請(qǐng)務(wù)必注明“來(lái)源：數(shù)據(jù)猿”與作者名稱，否則將會(huì)受到數(shù)據(jù)猿追責(zé)。