一文教會你用Python繪制動態(tài)可視化圖表

第一文教會你用Python繪制動態(tài)可視化圖表目錄前言安裝模塊可視化動態(tài)圖太陽圖指針圖?；鶊D平行坐標圖總結(jié)

前言

對數(shù)據(jù)科學家來說，講故事是一個至關(guān)重要的技能。為了表達我們的思想并且說服別人，我們需要有效的溝通。而漂漂亮亮的可視化是完成這一任務(wù)的絕佳工具。

本文將介紹5種非傳統(tǒng)的可視化技術(shù)，可讓你的數(shù)據(jù)故事更漂亮和更有效。這里將使用Python的Plotly圖形庫，讓你可以毫不費力地生成動畫圖表和交互式圖表。

安裝模塊

如果你還沒安裝Plotly，只需在你的終端運行以下命令即可完成安裝：

pipinstallplotly

可視化動態(tài)圖

在研究這個或那個指標的演變時，我們常涉及到時間數(shù)據(jù)。Plotly動畫工具僅需一行代碼就能讓人觀看數(shù)據(jù)隨時間的變化情況，如下圖所示：

代碼如下：

importplotly.expressaspx

fromvega_datasetsimportdata

df=data.disasters()

df=df[df.Year1990]

fig=px.bar(df,

y="Entity",

x="Deaths",

animation_frame="Year",

orientation='h',

range_x=[0,df.Deaths.max()],

color="Entity")

#improveaesthetics(size,gridsetc.)

fig.update_layout(width=1000,

height=800,

xaxis_showgrid=False,

yaxis_showgrid=False,

paper_bgcolor='rgba(0,0,0,0)',

plot_bgcolor='rgba(0,0,0,0)',

title_text='EvolutionofNaturalDisasters',

showlegend=False)

fig.update_xaxes(title_text='NumberofDeaths')

fig.update_yaxes(title_text='')

fig.show()

只要你有一個時間變量來過濾，那么幾乎任何圖表都可以做成動畫。下面是一個制作散點圖動畫的例子：

importplotly.expressaspx

df=px.data.gapminder()

fig=px.scatter(

x="gdpPercap",

y="lifeExp",

animation_frame="year",

size="pop",

color="continent",

hover_name="country",

log_x=True,

size_max=55,

range_x=[100,100000],

range_y=[25,90],

#color_continuous_scale=px.colors.sequential.Emrld

fig.update_layout(width=1000,

height=800,

xaxis_showgrid=False,

yaxis_showgrid=False,

paper_bgcolor='rgba(0,0,0,0)',

plot_bgcolor='rgba(0,0,0,0)')

太陽圖

太陽圖（sunburstchart）是一種可視化groupby語句的好方法。如果你想通過一個或多個類別變量來分解一個給定的量，那就用太陽圖吧。

假設(shè)我們想根據(jù)性別和每天的時間分解平均小費數(shù)據(jù)，那么相較于表格，這種雙重groupby語句可以通過可視化來更有效地展示。

這個圖表是交互式的，讓你可以自己點擊并探索各個類別。你只需要定義你的所有類別，并聲明它們之間的層次結(jié)構(gòu)（見以下代碼中的parents參數(shù)）并分配對應(yīng)的值即可，這在我們案例中即為groupby語句的輸出。

importplotly.graph_objectsasgo

importplotly.expressaspx

importnumpyasnp

importpandasaspd

df=px.data.tips()

fig=go.Figure(go.Sunburst(

labels=["Female","Male","Dinner","Lunch",'Dinner','Lunch'],

parents=["","","Female","Female",'Male','Male'],

values=np.append(

df.groupby('sex').tip.mean().values,

df.groupby(['sex','time']).tip.mean().values),

marker=dict(colors=px.colors.sequential.Emrld)),

layout=go.Layout(paper_bgcolor='rgba(0,0,0,0)',

plot_bgcolor='rgba(0,0,0,0)'))

fig.update_layout(margin=dict(t=0,l=0,r=0,b=0),

title_text='TippingHabbitsPerGender,TimeandDay')

fig.show()

現(xiàn)在我們向這個層次結(jié)構(gòu)再添加一層：

為此，我們再添加另一個涉及三個類別變量的groupby語句的值。

importplotly.graph_objectsasgo

importplotly.expressaspx

importpandasaspd

importnumpyasnp

df=px.data.tips()

fig=go.Figure(go.Sunburst(labels=[

"Female","Male","Dinner","Lunch",'Dinner','Lunch','Fri','Sat',

'Sun','Thu','Fri','Thu','Fri','Sat','Sun','Fri','Thu'

parents=[

"","","Female","Female",'Male','Male',

'Dinner','Dinner','Dinner','Dinner',

'Lunch','Lunch','Dinner','Dinner',

'Dinner','Lunch','Lunch'

values=np.append(

np.append(

df.groupby('sex').tip.mean().values,

df.groupby(['sex',

'time']).tip.mean().values,

df.groupby(['sex','time',

'day']).tip.mean().values),

marker=dict(colors=px.colors.sequential.Emrld)),

layout=go.Layout(paper_bgcolor='rgba(0,0,0,0)',

plot_bgcolor='rgba(0,0,0,0)'))

fig.update_layout(margin=dict(t=0,l=0,r=0,b=0),

title_text='TippingHabbitsPerGender,TimeandDay')

fig.show()

指針圖

指針圖僅僅是為了好看。在報告KPI等成功指標并展示其與你的目標的距離時，可以使用這種圖表。

importplotly.graph_objectsasgo

fig=go.Figure(go.Indicator(

domain={'x':[0,1],'y':[0,1]},

value=4.3,

mode="gauge+number+delta",

title={'text':"SuccessMetric"},

delta={'reference':3.9},

gauge={'bar':{'color':"lightgreen"},

'axis':{'range':[None,5]},

'steps':[

{'range':[0,2.5],'color':"lightgray"},

{'range':[2.5,4],'color':"gray"}],

fig.show()

?；鶊D

另一種探索類別變量之間關(guān)系的方法是以下這種平行坐標圖。你可以隨時拖放、高亮和瀏覽值，非常適合演示時使用。

代碼如下：

importplotly.expressaspx

fromvega_datasetsimportdata

importpandasaspd

df=data.movies()

df=df.dropna()

df['Genre_id']=df.Major_Genre.factorize()[0]

fig=px.parallel_categories(

dimensions=['MPAA_Rating','Creative_Type','Major_Genre'],

color="Genre_id",

color_continuous_scale=px.colors.sequential.Emrld,

fig.show()

平行坐標圖

平行坐標圖是上面的圖表的衍生版本。這里，每一根弦都代表單個觀察。這是一種可用于識別離群值（遠離其它數(shù)據(jù)的單條線）、聚類、趨勢和冗余變量（比如如果兩個變量在每個觀察上的值都相近，那么它們將位于同一水平線上，表示存在冗余）的好用工具。

代碼如下：

importplotly.expressaspx

fromvega_datasetsimportdata

importpandasaspd

df=data.movies()

df=df.dropna()

df['Genre_id']=df.Major_Genre.factorize()[0]

fig=px.parallel_c