选自Medium
作者：Aaron Frederick
机器之心编译
参与：李诗萌、王淑婷
喜欢用 Python 做项目的小伙伴不免会遇到这种情况：做图表时，用哪种好看又实用的可视化工具包呢？之前文章里出现过漂亮的图表时，也总有读者在后台留言问该图表时用什么工具做的。下面，作者介绍了八种在 Python 中实现的可视化工具包，其中有些包还能用在其它语言中。快来试试你喜欢哪个？
用 Python 创建图形的方法有很多，但是哪种方法是最好的呢？当我们做可视化之前，要先明确一些关于图像目标的问题：你是想初步了解数据的分布情况？想展示时给人们留下深刻印象？也许你想给某人展示一个内在的形象，一个中庸的形象？
本文将介绍一些常用的 Python 可视化包，包括这些包的优缺点以及分别适用于什么样的场景。这篇文章只扩展到 2D 图，为下一次讲 3D 图和商业报表（dashboard）留了一些空间，不过这次要讲的包中，许多都可以很好地支持 3D 图和商业报表。
Matplotlib、Seaborn 和 Pandas
把这三个包放在一起有几个原因：首先 Seaborn 和 Pandas 是建立在 Matplotlib 之上的，当你在用 Seaborn 或 Pandas 中的 df.plot() 时，用的其实是别人用 Matplotlib 写的代码。因此，这些图在美化方面是相似的，自定义图时用的语法也都非常相似。
当提到这些可视化工具时，我想到三个词：探索（Exploratory）、数据（Data）、分析（Analysis）。这些包都很适合第一次探索数据，但要做演示时用这些包就不够了。
Matplotlib 是比较低级的库，但它所支持的自定义程度令人难以置信（所以不要简单地将其排除在演示所用的包之外！），但还有其它更适合做展示的工具。
Matplotlib 还可以选择样式（style selection），它模拟了像 ggplot2 和 xkcd 等很流行的美化工具。下面是我用 Matplotlib 及相关工具所做的示例图：
在处理篮球队薪资数据时，我想找出薪资中位数最高的团队。为了展示结果，我将每个球队的工资用颜色标成条形图，来说明球员加入哪一支球队才能获得更好的待遇。
import
 seaborn 
as
 sns

import
 matplotlib.pyplot 
as
 plt


color_order = [
'xkcd:cerulean'
, 
'xkcd:ocean'
,

'xkcd:black'
,
'xkcd:royal purple'
,

'xkcd:royal purple'
, 
'xkcd:navy blue'
,

'xkcd:powder blue'
, 
'xkcd:light maroon'
, 

'xkcd:lightish blue'
,
'xkcd:navy'
]


sns.barplot(x=top10.Team,

            y=top10.Salary,

            palette=color_order).set_title(
'Teams with Highest Median Salary'
)


plt.ticklabel_format(style=
'sci'
, axis=
'y'
, scilimits=(
0
,
0
))
第二个图是回归实验残差的 Q-Q 图。这张图的主要目的是展示如何用尽量少的线条做出一张有用的图，当然也许它可能不那么美观。
import
 matplotlib.pyplot 
as
 plt

import
 scipy.stats 
as
 stats


#model2 is a regression model

log_resid = model2.predict(X_test)-y_test

stats.probplot(log_resid, dist=
"norm"
, plot=plt)

plt.title(
"Normal Q-Q plot"
)

plt.show()

最终证明，Matplotlib 及其相关工具的效率很高，但就演示而言它们并不是最好的工具。
ggplot(2)
你可能会问，「Aaron，ggplot 是 R 中最常用的可视化包，但你不是要写 Python 的包吗？」。人们已经在 Python 中实现了 ggplot2，复制了这个包从美化到语法的一切内容。
在我看过的所有材料中，它的一切都和 ggplot2 很像，但这个包的好处是它依赖于 Pandas Python 包。不过 Pandas Python 包最近弃用了一些方法，导致 Python 版本不兼容。
如果你想在 R 中用真正的 ggplot（除了依赖关系外，它们的外观、感觉以及语法都是一样的），我在另外一篇文章中对此进行过讨论。
也就是说，如果你一定要在 Python 中用 ggplot，那你就必须要安装 0.19.2 版的 Pandas，但我建议你最好不要为了使用较低级的绘图包而降低 Pandas 的版本。
ggplot2（我觉得也包括 Python 的 ggplot）举足轻重的原因是它们用「图形语法」来构建图片。基本前提是你可以实例化图，然后分别添加不同的特征；也就是说，你可以分别对标题、坐标轴、数据点以及趋势线等进行美化。
下面是 ggplot 代码的简单示例。我们先用 ggplot 实例化图，设置美化属性和数据，然后添加点、主题以及坐标轴和标题标签。
#All Salaries

ggplot(data=df, aes(x=season_start, y=salary, colour=team)) +

  geom_point() +

  theme(legend.position=
"none"
) +

  labs(title = 
'Salary Over Time'
, x=
'Year'
, y=
'Salary ($)'
)

Bokeh
Bokeh 很美。从概念上讲，Bokeh 类似于 ggplot，它们都是用图形语法来构建图片，但 Bokeh 具备可以做出专业图形和商业报表且便于使用的界面。为了说明这一点，我根据 538 Masculinity Survey 数据集写了制作直方图的代码：
import
 pandas 
as
 pd

from
 bokeh.plotting 
import
 figure

from
 bokeh.io 
import
 show


# is_masc is a one-hot encoded dataframe 
of
 responses to the question:

# 
"Do you identify as masculine?"

#Dataframe Prep

counts = is_masc.sum()

resps = is_masc.columns


#Bokeh

p2 = figure(title=
'Do You View Yourself As Masculine?'
,

          x_axis_label=
'Response'
,

          y_axis_label=
'Count'
,

          x_range=list(resps))

p2.vbar(x=resps, top=counts, width=
0.6
, fill_color=
'red'
, line_color=
'black'
)

show(p2)


#Pandas

counts.plot(kind=
'bar'
)

用 Bokeh 表示调查结果
红色的条形图表示 538 个人关于「你认为自己有男子汉气概吗？」这一问题的答案。9~14 行的 Bokeh 代码构建了优雅且专业的响应计数直方图——字体大小、y 轴刻度和格式等都很合理。
我写的代码大部分都用于标记坐标轴和标题，以及为条形图添加颜色和边框。在制作美观且表现力强的图片时，我更倾向于使用 Bokeh——它已经帮我们完成了大量美化工作。
用 Pandas 表示相同的数据
蓝色的图是上面的第 17 行代码。这两个直方图的值是一样的，但目的不同。在探索性设置中，用 Pandas 写一行代码查看数据很方便，但 Bokeh 的美化功能非常强大。
Bokeh 提供的所有便利都要在 matplotlib 中自定义，包括 x 轴标签的角度、背景线、y 轴刻度以及字体（大小、斜体、粗体）等。下图展示了一些随机趋势，其自定义程度更高：使用了图例和不同的颜色和线条。
Bokeh 还是制作交互式商业报表的绝佳工具。
Plotly
Plotly 非常强大，但用它设置和创建图形都要花费大量时间，而且都不直观。在用 Plotly 忙活了大半个上午后，我几乎什么都没做出来，干脆直接去吃饭了。我只创建了不带坐标标签的条形图，以及无法删掉线条的「散点图」。Ploty 入门时有一些要注意的点：
  • 安装时要有 API 秘钥，还要注册，不是只用 pip 安装就可以；
  • Plotly 所绘制的数据和布局对象是独一无二的，但并不直观；
  • 图片布局对我来说没有用（40 行代码毫无意义！）
但它也有优点，而且设置中的所有缺点都有相应的解决方法：
  • 你可以在 Plotly 网站和 Python 环境中编辑图片；
  • 支持交互式图片和商业报表；
  • Plotly 与 Mapbox 合作，可以自定义地图；
  • 很有潜力绘制优秀图形。
以下是我针对这个包编写的代码：
#plot 
1
 - barplot

# **note** - the layout lines 
do
 nothing and trip no errors

data = [go.Bar(x=team_ave_df.team,

              y=team_ave_df.turnovers_per_mp)]


layout = go.Layout(


    title=go.layout.Title(

        text=
'Turnovers per Minute by Team'
,

        xref=
'paper'
,

        x=
0
    ),


    xaxis=go.layout.XAxis(

        title = go.layout.xaxis.Title(

            text=
'Team'
,

            font=dict(

                    family=
'Courier New, monospace'
,

                    size=
18
,

                    color=
'#7f7f7f'
                )

        )

    ),


    yaxis=go.layout.YAxis(

        title = go.layout.yaxis.Title(

            text=
'Average Turnovers/Minute'
,

            font=dict(

                    family=
'Courier New, monospace'
,

                    size=
18
,

                    color=
'#7f7f7f'
                )

        )

    ),


    autosize=True,

    hovermode=
'closest'
)


py.iplot(figure_or_data=data, layout=layout, filename=
'jupyter-plot'
, sharing=
'public'
, fileopt=
'overwrite'
)




#plot 
2
 - attempt at a scatterplot

data = [go.Scatter(x=player_year.minutes_played,

                  y=player_year.salary,

                  marker=go.scatter.Marker(color=
'red'
,

                                          size=
3
))]


layout = go.Layout(title=
"test"
,

                xaxis=dict(title=
'why'
),

                yaxis=dict(title=
'plotly'
))


py.iplot(figure_or_data=data, layout=layout, filename=
'jupyter-plot2'
, sharing=
'public'
)


[Image: image.png]

表示不同 NBA 球队每分钟平均失误数的条形图。
表示薪水和在 NBA 的打球时间之间关系的散点图
总体来说，开箱即用的美化工具看起来很好，但我多次尝试逐字复制文档和修改坐标轴标签时却失败了。但下面的图展示了 Plotly 的潜力，以及我为什么要在它身上花好几个小时：
Plotly 页面上的一些示例图
Pygal
Pygal 的名气就不那么大了，和其它常用的绘图包一样，它也是用图形框架语法来构建图像的。由于绘图目标比较简单，因此这是一个相对简单的绘图包。使用 Pygal 非常简单：
  • 实例化图片；
  • 用图片目标属性格式化；
  • 用 figure.add() 将数据添加到图片中。
我在使用 Pygal 的过程中遇到的主要问题在于图片渲染。必须要用 render_to_file 选项，然后在 web 浏览器中打开文件，才能看见我刚刚构建的东西。
最终看来这是值得的，因为图片是交互式的，有令人满意而且便于自定义的美化功能。总而言之，这个包看起来不错，但在文件的创建和渲染部分比较麻烦。
Networkx
虽然 Networkx 是基于 matplotlib 的，但它仍是图形分析和可视化的绝佳解决方案。图形和网络不是我的专业领域，但 Networkx 可以快速简便地用图形表示网络之间的连接。以下是我针对一个简单图形构建的不同的表示，以及一些从斯坦福 SNAP 下载的代码（关于绘制小型 Facebook 网络）。
我按编号（1~10）用颜色编码了每个节点，代码如下：
options = {

'node_color'
 : range(len(G)),

'node_size'
 : 
300
,

'width'
 : 
1
,

'with_labels'
 : False,

'cmap'
 : plt.cm.coolwarm

}

nx.draw(G, **options)

用于可视化上面提到的稀疏 Facebook 图形的代码如下：
import
 itertools

import
 networkx 
as
 nx

import
 matplotlib.pyplot 
as
 plt


f = open(
'data/facebook/1684.circles'
, 
'r'
)

circles = [line.split() 
for
 line 
in
 f]

f.close()


network = []

for
 circ 
in
 circles:

    cleaned = [int(val) 
for
 val 
in
 circ[
1
:]]

    network.append(cleaned)


G = nx.Graph()

for
 v 
in
 network:

    G.add_nodes_from(v)


edges = [itertools.combinations(net,
2
) 
for
 net 
in
 network]


for
 edge_group 
in
 edges:

    G.add_edges_from(edge_group)


options = {

'node_color'
 : 
'lime'
,

'node_size'
 : 
3
,

'width'
 : 
1
,

'with_labels'
 : False,

}

nx.draw(G, **options)
这个图形非常稀疏，Networkx 通过最大化每个集群的间隔展现了这种稀疏化。
有很多数据可视化的包，但没法说哪个是最好的。希望阅读本文后，你可以了解到在不同的情境下，该如何使用不同的美化工具和代码。
原文链接：https://towardsdatascience.com/reviewing-python-visualization-packages-fa7fe12e622b
本文为机器之心编译，转载请联系本公众号获得授权。
✄------------------------------------------------
加入机器之心（全职记者 / 实习生）：[email protected]
投稿或寻求报道：content@jiqizhixin.com
广告 & 商务合作：[email protected]
继续阅读
阅读原文