科技獵高效使用 Python 可視化工具 Matplotlib-36大數據
作者：Chris Moffitt
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，為什么要使用Matplotlib，并推薦了一個學習使用Matplotlib的步驟。
簡介
對于新手來說，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，并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工具后，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，并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用于自己的可視化。
為什么對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有兩種接口。第一種是基于MATLAB并使用基于狀態的接口。第二種是面向對象的接口。為什么是這兩種接口不在本文討論的范圍之內，但是知道有兩種方法在使用matplotlib進行繪圖時非常重要。
兩種接口引起混淆的原因在于，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接口。
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語言世界里，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，當繪制某些東西時，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，對于新手或不常用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聯系起來，是解決問題的秘訣。
為什么堅持要用matplotlib？
盡管有這些問題，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象的可視化。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。這是本文的其余部分的重點——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，尤其是什么是圖和坐標軸
- 始終使用面向對象的接口，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進行更復雜的統計可視化
- 用matplotlib來定制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的其余部分。此外，許多python的高級軟件包，如seaborn和ggplot都依賴于matplotlib。因此，了解這些基礎知識后再學那些功能更強大的框架會容易一些。
最后，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，并根據自己的需要做出明智的選擇。
入門
本文的其余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，并使用matplotlib自定義最常用的項目。一旦你了解了基本過程，進一步的定制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。
準備開始，我先引入庫并讀入一些數據：
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()
| account number | name | sku | quantity | unit price | ext price | date | |
|---|---|---|---|---|---|---|---|
| 0 | 740150 | Barton? LLC | B1-20000 | 39 | 86.69 | 3380.91 | 2014-01-01 07:21:51 |
| 1 | 714466 | Trantow-Barrows | S2-77896 | -1 | 63.16 | -63.16 | 2014-01-01 10:00:47 |
| 2 | 218895 | Kulas Inc | B1-69924 | 23 | 90.70 | 2086.10 | 2014-01-01 13:24:58 |
| 3 | 307599 | Kassulke, Ondricka and Metz | S1-65481 | 41 | 21.05 | 863.05 | 2014-01-01 15:05:22 |
| 4 | 412290 | Jerde-Hilpert | S2-34077 | 6 | 83.21 | 499.26 | 2014-01-01 23:26:55 |
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。
| Name | Purchases | Sales | |
|---|---|---|---|
| 0 | Kulas Inc | 94 | 137351.96 |
| 1 | White-Trantow | 86 | 135841.99 |
| 2 | Trantow-Barrows | 94 | 123381.38 |
| 3 | Jerde-Hilpert | 89 | 112591.43 |
| 4 | Fritsch, Russel and Anderson | 81 | 112214.71 |
| 5 | Barton? LLC | 82 | 109438.50 |
| 6 | Will? LLC | 74 | 104437.60 |
| 7 | Koepp Ltd | 82 | 103660.54 |
| 8 | Frami, Hills and Schmidt | 72 | 103569.59 |
| 9 | Keeling? LLC | 74 | 100934.30 |
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制成條形圖。
如前所述，matplotlib有許多不同的樣式可用于渲染繪圖，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繪圖功能繪制數據：
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。 由于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。
定制化繪圖
假設你對這個繪圖的要點很滿意，下一步就是定制它。使用pandas繪圖功能定制（如添加標題和標簽）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，并將ax傳遞給繪圖函數。為什么要這樣做？ 記得當我說在matplotlib中要訪問坐標軸和數字至關重要嗎？這就是我們在這里完成的工作。將來任何定制化都將通過ax或fig對象完成。
我們得益于pandas快速繪圖，獲得了訪問matplotlib的所有權限。我們現在可以做什么呢？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限制并更改一些坐標軸的標簽？現在坐標軸保存在ax變量中，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簽：
Python 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 )
基于很多原因你可能想要調整一下這個圖。看著最別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于值，并返回一個格式整齊的字符串放置在坐標軸上。
下面是一個貨幣格式化函數，可以優雅地處理幾十萬范圍內的美元格式：
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，需要定義它并將其應用到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。
我們最后要去探索的一個自定義功能是通過添加注釋到繪圖。繪制一條垂直線，可以用ax.axvline()。添加自定義文本，可以用ax.text()。
在這個例子中，我們將繪制一條平均線，并顯示三個新客戶的標簽。 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權限。
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，并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，然后創建坐標軸，然后將其全部繪制在一起。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這樣的變量。我覺得使用命名的參數，之后在查看代碼時更容易理解。
用sharey = True這個參數，以便yaxis共享相同的標簽。
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制圖形，但是在ax0和ax1上各放一個圖。
Python
# 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，借助％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' }
由于我們有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。還指定了分辨率dpi和bbox_inches =“tight”來盡量減少多余的空格。
結論
希望這個過程有助于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，你應該可以快速定制出任何你需要的圖像。
作為最后的福利，我引入一個快速指南來總結所有的概念。希望這有助于把這篇文章聯系起來，并為今后使用參考提供方便。
End.
轉載請注明來自36大數據（36dsj.com)： 36大數據 ? 高效使用 Python 可視化工具 Matplotlib
