一、基础篇

利用python实现可视化的三个步骤：

1、确定问题，选择图形

2、转换数据，应用函数

3、参数设置，一目了然

01

首先，要知道我们用哪些库来画图?

matplotlib

python中最基本的作图库就是matplotlib，是一个最基础的Python可视化库，一般都是从matplotlib上手Python数据可视化，然后开始做纵向与横向拓展。

Seaborn

是一个基于matplotlib的高级可视化效果库，针对的点主要是数据挖掘和机器学习中的变量特征选取，seaborn可以用短小的代码去绘制描述更多维度数据的可视化效果图。

其他库还包括

Bokeh（是一个用于做浏览器端交互可视化的库，实现分析师与数据的交互）Mapbox（处理地理数据引擎更强的可视化工具库）等等

本篇文章主要使用matplotlib进行案例分析

确定问题，选择图形

业务可能很复杂，但是经过拆分，我们要找到我们想通过图形表达什么具体问题。分析思维的训练可以学习《麦肯锡方法》和《金字塔原理》中的方法。

这是网上的一张关于图表类型选择的总结。

在python中，我们可以总结为以下四种基本视觉元素来展现图形：

点：scatter plot 二维数据，适用于简单二维关系线：line plot 二维数据，适用于时间序列柱状：bar plot 二维数据，适用于类别统计颜色：heatmap 适用于展示第三维度

数据间存在分布，构成，比较，联系以及变化趋势等关系。对应不一样的关系，选择相应的图形进行展示。

转换数据，应用函数

数据分析和建模方面的大量编程工作都是用在数据准备的基础上的：加载、清理、转换以及重塑。我们可视化步骤也需要对数据进行整理，转换成我们需要的格式再套用可视化方法完成作图。

下面是一些常用的数据转换方法：

合并：merge，concat，combine_frist(类似于数据库中的全外连接)重塑：reshape；轴向旋转：pivot（类似excel数据透视表）去重：drop_duplicates映射：map填充替换：fillna,replace重命名轴索引：rename将分类变量转换‘哑变量矩阵’的get_dummies函数以及在df中对某列数据取限定值等等

函数则根据第一步中选择好的图形，去找python中对应的函数。

参数设置，一目了然

原始图形画完后，我们可以根据需求修改颜色（color），线型（linestyle），标记（maker）或者其他图表装饰项标题（Title），轴标签（xlabel，ylabel），轴刻度（set_xticks），还有图例（legend）等，让图形更加直观。

第三步是在第二步的基础上,为了使图形更加清晰明了，做的修饰工作。具体参数都可以在制图函数中找到。

下面，我总结了实现可视化会用到的一些基础知识

02

可视化作图基础

Matplotlib

#导入包import numpy as npimport pandas as pdimport matplotlib.pyplot as plt

Figure和Subplot

matplotlib的图形都位于Figure（画布）中，Subplot创建图像空间。不能通过figure绘图，必须用add_subplot创建一个或多个subplot。

figsize可以指定图像尺寸。

#创建画布fig = plt.figure()<Figure size 432x288 with 0 Axes>#创建subplot，221表示这是2行2列表格中的第1个图像。ax1 = fig.add_subplot(221)#但现在更习惯使用以下方法创建画布和图像，2,2表示这是一个2*2的画布，可以放置4个图像fig , axes = plt.subplots(2,2,sharex=True,sharey=True)#plt.subplot的sharex和sharey参数可以指定所有的subplot使用相同的x，y轴刻度。

利用Figure的subplots_adjust方法可以调整间距。 subplots_adjust(left=None,bottom=None,right=None,top=None,wspace=None,hspace=None)

fig.subplots_adjust(wspace=0,hspace=0)#将间距调整为0#举个栗子fig , axes = plt.subplots(2,2,sharex=True,sharey=True)for i in range(2):    for j in range(2):        axes[i,j].hist(np.random.randn(500),bins=50,color='k',alpha=0.5)fig.subplots_adjust(wspace=0,hspace=0)

颜色color，标记marker，和线型linestyle

matplotlib的plot函数接受一组X和Y坐标，还可以接受一个表示颜色和线型的字符串缩写：'g--'，表示颜色是绿色green，线型是'--'虚线。 也可以使用参数明确的指定。

线型图还可以加上一些标记（marker），来突出显示数据点的位置。标记也可以放在格式字符串中，但标记类型和线型必须放在颜色后面。

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')[<matplotlib.lines.Line2D at 0x8c919b0>]

刻度，标签和图例

plt的xlim、xticks和xtickslabels方法分别控制图表的范围和，刻度位置和刻度标签。

调用方法时不带参数，则返回当前的参数值；调用时带参数，则设置参数值。

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')plt.xlim()   #不带参数调用，显示当前参数；#可将xlim替换为另外两个方法试试(-1.4500000000000002, 30.45)

plt.plot(np.random.randn(30),color='g',linestyle='--',marker='o')plt.xlim([0,15])    #横轴刻度变成0-15(0, 15)

设置标题，轴标签，刻度以及刻度标签

fig = plt.figure();ax = fig.add_subplot(1,1,1)ax.plot(np.random.randn(1000).cumsum())ticks = ax.set_xticks([0,250,500,750,1000])  #设置刻度值labels = ax.set_xticklabels(['one','two','three','four','five'])  #设置刻度标签ax.set_title('My first Plot')  #设置标题ax.set_xlabel('Stage')  #设置轴标签Text(0.5,0,'Stage')

添加图例

图例legend是另一种用于标识图标元素的重要工具。 可以在添加subplot的时候传入label参数

fig = plt.figure(figsize=(12,5));ax = fig.add_subplot(111)ax.plot(np.random.randn(1000).cumsum(),'k',label='one')  #传入label参数，定义label名称ax.plot(np.random.randn(1000).cumsum(),'k--',label='two')ax.plot(np.random.randn(1000).cumsum(),'k.',label='three')#图形创建完后，只需要调用legend参数将label调出来即可。ax.legend(loc='best')  #要求不是很严格的话，建议使用loc=‘best’参数来让它自己选择最佳位置<matplotlib.legend.Legend at 0xa8f5a20>

注解

除标准的图表对象之外，我们还可以自定义添加一些文字注解或者箭头。

注解可以通过text，arrow和annotate等函数进行添加。 text函数可以将文本绘制在指定的x，y坐标位置，还可以进行自定义格式

plt.plot(np.random.randn(1000).cumsum())plt.text(600,10,'test ',family='monospace',fontsize=10) #中文注释在默认环境下并不能正常显示，需要修改配置文件，使其支持中文字体。具体步骤请自行搜索。

保存图表到文件

利用plt.savefig可以将当前图表保存到文件。 例如，要将图表保存为png文件，可以执行

plt.savefig('figpath.png')

文件类型是根据拓展名而定的。其他参数还有：

fname 含有文件路径的字符串，拓展名指定文件类型

dpi 分辨率，默认100 facecolor,edgcolor 图像的背景色，默认‘w’白色

format 显示设置文件格式（'png','pdf','svg','ps','jpg'等）

bbox_inches： 图表需要保留的部分。如果设置为“tight”，则将尝试剪除图像周围的空白部分

plt.savefig('./plot.jpg')   #保存图像为plot名称的jpg格式图像<Figure size 432x288 with 0 Axes>

Pandas中的绘图函数

matplotlib是最基础的绘图函数，也是相对较低级的工具。组装一张图表需要单独调用各个基础组件才行。Pandas中有许多基于matplotlib的高级绘图方法，原本需要多行代码才能搞定的图表，使用pandas只需要短短几行。

我们使用的

import matplotlib.pyplot as plt 就调用了pandas中的绘图包

线形图

Series和DataFrame都有一个用于生成各类图表的plot方法。默认情况下，他们生成的是线型图。

s = pd.Series(np.random.randn(10).cumsum(),index=np.arange(0,100,10))s.plot()  #Series对象的索引index会传给matplotlib用作绘制x轴。<matplotlib.axes._subplots.AxesSubplot at 0xf553128>

df = pd.DataFrame(np.random.randn(10,4).cumsum(0),columns=['A','B','C','D'])df.plot()  #plot会自动为不同变量改变颜色，并添加图例<matplotlib.axes._subplots.AxesSubplot at 0xf4f9eb8>

Series.plot方法的参数

label 用于图表的标签

style 风格字符串，'g--'

alpha 图像的填充不透明度（0-1）

kind 图表类型（bar，line，hist，kde等）

xticks 设定x轴刻度值

yticks 设定y轴刻度值

xlim，ylim 设定轴界限，[0,10]

grid 显示轴网格线，默认关闭

rot 旋转刻度标签

use_index 将对象的索引用作刻度标签

logy 在Y轴上使用对数标尺

DataFrame.plot方法的参数

DataFrame除了Series中的参数外，还有一些独有的选项。

subplots 将各个DataFrame列绘制到单独的subplot中

sharex，sharey 共享x，y轴

figsize 控制图像大小

title 图像标题

legend 添加图例，默认显示

sort_columns 以字母顺序绘制各列，默认使用当前顺序

柱状图

在生成线型图的代码中加上kind=‘bar’或者kind=‘barh’，可以生成柱状图或水平柱状图。

fig,axes = plt.subplots(2,1)data = pd.Series(np.random.rand(10),index=list('abcdefghij'))data.plot(kind='bar',ax=axes[0],rot=0,alpha=0.3)data.plot(kind='barh',ax=axes[1],grid=True)<matplotlib.axes._subplots.AxesSubplot at 0xfe39898>

柱状图有一个非常实用的方法：利用value_counts图形化显示Series或者DF中各值的出现频率。

比如df.value_counts().plot(kind='bar')

Python可视化的基础语法就到这里，其他图形的绘制方法大同小异。

二、实践篇

%matplotlib inlineimport numpy as npimport pandas as pdimport matplotlib.pyplot as plt #导入pltimport seaborn as snsimport warnings warnings.filterwarnings('ignore')#忽略警告

加载数据

数据采用kaggle中的共享单车项目 (本案例数据经过预处理） 下载地址：

比赛提供了跨越两年的每小时共享单车租赁数据，包含天气信息和日期信息。

字段说明

datetime（日期） - hourly date + timestampseason（季节） - 1 = spring, 2 = summer, 3 = fall, 4 = winterholiday（是否假日） - whether the day is considered a holidayworkingday（是否工作日） - whether the day is neither a weekend nor holiday

weather（天气等级） -

1: Clear, Few clouds, Partly cloudy 清澈，少云，多云。

2: Mist + Cloudy, Mist + Broken clouds, Mist + Few clouds, Mist 雾+阴天，雾+碎云、雾+少云、雾

3: Light Snow, Light Rain + Thunderstorm + Scattered clouds, Light Rain + Scattered clouds 小雪、小雨+雷暴+散云，小雨+云

4: Heavy Rain + Ice Pallets + Thunderstorm + Mist, Snow + Fog 暴雨+冰雹+雷暴+雾，雪+雾

temp（温度） - temperature in Celsiusatemp（体感温度） - "feels like" temperature in Celsiushumidity（相对湿度） - relative humiditywindspeed（风速） - wind speedcasual（临时租赁数量） - number of non-registered user rentals initiatedregistered（会员租赁数量） - number of registered user rentals initiatedcount（总租赁数量） - number of total rentalsdate(日期) - 由datetime拆分得到hour（小时）-由datetime拆分得到year（年份）-由datetime拆分得到month（月份）-由datetime拆分得到weeekday（周几）-由datetime拆分得到windspeed_rfr（经过随机森林树填充0值得到的风速）

#读取数据#Bikedata = pd.read_csv('./Bike.csv')Bikedata.head()

#查看描述统计Bikedata.describe()

#对于整体数据，我们希望查看与三个租赁数量相关的其他特征值的关系，可以选用seaborn包的pairplot函数（多变量图）sns.pairplot(Bikedata,x_vars=['holiday','workingday','season','weather','hour','windspeed_rfr','atemp','humidity','temp'],y_vars=['count','registered','casual'],plot_kws={'alpha': 0.1})<seaborn.axisgrid.PairGrid at 0xadcef98>

大致可以看出：会员在工作日出行较多，节假日次数减少，而临时用户相反，第一季度出行人数总体偏低，出行人数受天气影响较大，会员在每天早晚有两个高峰期，对应上下班时间；非会员在下午出行较密集 风速对出行人数有较大的影响 相对湿度，温度和体感温度对非会员出行影响较大，对会员出行影响较小。

#接下来，我们通过相关系数的大小来依次对特征进行可视化分析#首先，列出相关系数矩阵：df.corr()corrdf = Bikedata.corr()corrdf

#各特征按照与租赁总量count的相关系数大小进行排序corrdf['count'].sort_values(ascending=False)count            1.000000registered       0.966209casual           0.704764hour             0.405437temp             0.385954atemp            0.381967year             0.234959month            0.164673season           0.159801windspeed_rfr    0.111783windspeed        0.106074weekday          0.022602holiday          0.002978workingday      -0.020764weather         -0.127519humidity        -0.317028Name: count, dtype: float64

可见，特征对租赁总量的影响力为：

时段>温度>湿度>年份>月份>季节>天气>风速>工作日>节假日

对特征逐项分析

首先对时段进行分析

第一步

提出问题：租赁总量对应时段的变化趋势

适合图形：因为时段属于连续性数值变量，我们可以选择折线图反应变化趋势

第二步

转换数据：我们需要一个二维数据框，存储每个时段对应的三个租赁数，租赁数取平均值

应用函数：直接应用plt的plot函数即可完成折线图

workingday_df = Bikedata[Bikedata['workingday']==1]#tworkingday_df = workingday_df.groupby(['hour'],as_index=True).agg({'count':'mean','registered':'mean','casual':'mean'})nworkingday_df = Bikedata[Bikedata['workingday']==0]nworkingday_df = nworkingday_df.groupby(['hour'],as_index=True).agg({'count':'mean','registered':'mean','casual':'mean'})nworkingday_df.head()

figure,axes = plt.subplots(1,2,sharey=True)#设置一个1*2的画布，且共享y轴workingday_df.plot(figsize=(15,5),title='The average number of rentals initiated per hour in the working day',ax=axes[0])nworkingday_df.plot(figsize=(15,5),title='The average number of rentals initiated per hour in the nworking day',ax=axes[1])<matplotlib.axes._subplots.AxesSubplot at 0xe452940>

可以看出：1.在工作日，会员出行对应两个很明显的早晚高峰期，并且在中午会有一个小的高峰，可能对应中午外出就餐需求；2.工作日非会员用户出行高峰大概在下午三点；3.工作日会员出行次数远多于非会员用户；4.在周末，总体出行趋势一致，大部分用车发生在11-5点这段时间，早上五点为用车之最

对温度进行分析

第一步

提出问题：租赁总量对应温度的变化趋势

适合图形：因为温度属于连续性数值变量，我们可以选择折线图反应变化趋势

第二步

转换数据：我们需要一个二维数据框，按照温度变化排序，取对应的三个租赁数的平均值

应用函数：直接应用plt的plot函数即可完成折线图

第三步

参数设置：只需要设置折线图的标题，其他参数默认

temp_df = Bikedata.groupby(['temp'],as_index='True').agg({'count':'mean','registered':'mean','casual':'mean'})temp_df.plot(title = 'The average number of rentals initiated  per hour changes with the temperature')<matplotlib.axes._subplots.AxesSubplot at 0xe57d7f0>

1.随着温度的升高，租赁数量呈上升趋势；2.在温度达到35度时，因天气炎热，总体数量开始下降；3.在温度在4度时，租赁数达到最低点；

湿度对租赁数量的影响

第一步

提出问题：租赁总量对应湿度的变化趋势

适合图形：因为湿度属于连续性数值变量，我们可以选择折线图反应变化趋势

第二步

转换数据：我们需要一个二维数据框，按照温度变化排序，取对应的三个租赁数的平均值

应用函数：直接应用plt的plot函数即可完成折线图

第三步

参数设置：只需要设置折线图的标题，其他参数默认

humidity_df = Bikedata.groupby(['humidity'],as_index=True).agg({'count':'mean','registered':'mean','casual':'mean'}humidity_df.plot(title='Average number of rentals initiated  per hour in different humidity')<matplotlib.axes._subplots.AxesSubplot at 0xe582400>

可以观察到在湿度20左右租赁数量迅速达到高峰值，此后缓慢递减。

年份，月份和季节作图方法类似，都采用折线图绘制，这里省略。

查看不同天气对出行情况的影响

第一步

提出问题：租赁总量对应湿度的变化趋势

适合图形：因为湿度属于连续性数值变量，我们可以选择折线图反应变化趋势

第二步

转换数据：我们需要一个二维数据框，按照温度变化排序，取对应的三个租赁数的平均值

应用函数：直接应用plt的plot函数即可完成折线图

第三步

参数设置：只需要设置折线图的标题，其他参数默认

weather_df = Bikedata.groupby(['weather'],as_index=True).agg({'registered':'mean','casual':'mean'})weather_df.plot.bar(stacked=True,title='Average number of rentals initiated per hour in different weather')<matplotlib.axes._subplots.AxesSubplot at 0xe7e0a90>

观察到天气等级为4时，平均出行人数比天气等级为2时还要高，这不符合常理

我们查看一下天气等级为4的详细情况:

count_weather = Bikedata.groupby('weather')count_weather[['casual','registered','count']].count()

天气状况为4级的只有一天，我们把数据打印出来查看一下

Bikedata[Bikedata['weather']==4]

时间为工作日的下午六点钟，属于晚高峰异常数据，不具有代表性。

查看会员用户和临时用户在整体用户中的比例

第一步

提出问题：查看会员用户和临时用户在整体用户中的比例

适合图形：查看占比，适合用饼图pie

第二步

转换数据：需要一个二维数据框，按天数取两种用户的平均值

应用函数：应用plt的plot.pie函数绘制饼图

第三步

参数设置：这是数据标签和类别标签

#考虑到相同日期是否工作日，星期几，以及所属年份等信息是一样的，把租赁数据按天求和，其它日期类数据取平均值day_df = Bikedata.groupby(['date'], as_index=False).agg({'casual':'sum','registered':'sum','count':'sum', 'workingday':'mean','weekday':'mean','holiday':'mean','year':'mean'})day_df.head()

#按天取两种类型用户平均值number_pei=day_df[['casual','registered']].mean()number_peicasual         517.411765registered    2171.067031dtype: float64#绘制饼图plt.axes(aspect='equal')  plt.pie(number_pei, labels=['casual','registered'], autopct='%1.1f%%', pctdistance=0.6 , labeldistance=1.05 , radius=1 )  plt.title('Casual or registered in the total lease')Text(0.5,1,'Casual or registered in the total lease')

python作图的简单案例

总结

1.要清楚自己想表达什么，有了明确的问题，选择合适的图形，然后按照需求从整体数据中选择自己需要的数据，查阅资料了解函数的参数设置，最后完成图形的绘制。

2.matplotlib是python绘图的基础，也是其他拓展包的基础，认真学习matplotlib的常用图形和参数是很有必要的。

3.学习期间思考为什么要加载matplotlib.pyplot？

End.

作者：开运张

来源：知乎专栏