超全代码详解 Python 制作精美炫酷图表教程

（给Python开发者加星标，提升Python技能）

转自：读芯术

生活阶梯（幸福指数）与人均GDP（金钱）正相关的正则图

本文将探讨三种用Python可视化数据的不同方法。以可视化《2019年世界幸福报告》的数据为例，本文用Gapminder和Wikipedia的信息丰富了《世界幸福报告》数据，以探索新的数据关系和可视化方法。

《世界幸福报告》试图回答世界范围内影响幸福的因素。

报告根据对“坎特里尔阶梯问题”的回答来确定幸福指数，被调查者需对自己的生活状况进行打分，10分为最佳状态，0分为最差。

本文将使用Life Ladder作为目标变量。Life Ladder就是指幸福指数。

文章结构

 图片来源：Nik MacMillan/Unsplash

本文旨在提供代码指南和参考点，以便在查找特定类型的图表时进行参考。为了节省空间，有时会将多个图表合并到一张图上。但是请放心，你可以在这个Repo或相应的Jupyter Notebook中找到所有基本代码。

目录

·     我使用Python进行绘图的经历

·     分布的重要性

·     加载数据和包导入

·     迅速：使用Pandas进行基本绘图

·     美观：使用Seaborn进行高级绘图

·     精彩：用plotly创造精彩的互动情节

1. 我使用Python进行绘图的经历

 图片来源：Krys Amon/Unsplash

大约两年前，我开始更认真地学习Python。从那时起，Python几乎每周都会给我一些惊喜，它不仅自身简单易用，而且其生态系统中还有很多令人惊叹的开源库。我对命令、模式和概念越熟悉，就越能充分利用其功能。

Matplotlib

与用Python绘图正好相反。最初，我用matplotlib创建的几乎每个图表看起来都很过时。更糟糕的是，为了创建这些讨厌的东西，我不得不在Stackoverflow上花费数小时。例如，研究改变x斜度的基本命令或者类似这些的蠢事。我一点也不想做多图表。以编程的方式创建这些图表是非常奇妙的，例如，一次生成50个不同变量的图表，结果令人印象深刻。然而，其中涉及大量的工作，需要记住一大堆无用的指令。

Seaborn

学习Seaborn能够节省很多精力。Seaborn可以抽象出大量的微调。毫无疑问，这使得图表在美观上得到巨大的改善。然而，它也是构建在matplotlib之上的。通常，对于非标准的调整，仍然有必要使用机器级的matplotlib代码。

Bokeh

一时间，我以为Bokeh会成为一个后援解决方案。我在做地理空间可视化的时候发现了Bokeh。然而，我很快就意识到，虽然Bokeh有所不同，但还是和matplotlib一样复杂。

Plotly

不久前我确实尝试过 plot.ly （后面就直接用plotly来表示）同样用于地理空间可视化。那个时候，plotly比前面提到的库还要麻烦。它必须通过笔记本账户登录，然后plotly可以在线呈现，接着下载最终图表。我很快就放弃了。但是，我最近看到了一个关于plotlyexpress和plotly4.0的Youtube视频，重点是，他们把那些在线的废话都删掉了。我尝试了一下，本篇文章就是尝试的成果。我想，知道得晚总比不知道的好。

Kepler.gl (地理空间数据优秀奖)

Kepler.gl不是一个Python库，而是一款强大的基于web的地理空间数据可视化工具。只需要CSV文件，就可以使用Python轻松地创建文件。试试吧!

当前工作流程

最后，我决定使用Pandas本地绘图进行快速检查，并使用Seaborn绘制要在报告和演示中使用的图表（视觉效果很重要）。

2. 分布的重要性

 图片来源：Jonny Caspari/Unsplash

我在圣地亚哥从事研究期间，负责教授统计学（Stats119）。Stats119是统计学的入门课程，包括统计的基础知识，如数据聚合（可视化和定量）、概率的概念、回归、抽样、以及最重要的分布。这一次，我对数量和现象的理解几乎完全转变为基于分布的理解（大多数时候是高斯分布）。

直到今天，我仍然惊讶于这两个量的作用，标准差能帮助人理解现象。只要知道这两个量，就可以直接得出具体结果的概率，用户马上就知道大部分的结果的分布情况。它提供了一个参考框架，无需进行过于复杂的计算，就可以快速找出有统计意义的事件。

一般来说，面对新数据时，我的第一步是尝试可视化其分布，以便更好地理解数据。

3. 加载数据和包导入

图片来源：Kelli Tungay/Unsplash

先加载本文使用的数据。我已经对数据进行了预处理。并对它的意义进行了探究和推断。

# Loadthe data
data = pd.read_csv( https://raw.githubusercontent.com/FBosler/AdvancedPlotting/master/combined_set.csv )#this assigns labels per year
data[ Mean Log GDP per capita ]  =data.groupby( Year )[ Log GDP per capita ].transform(
    pd.qcut,
    q=5,
   labels=([ Lowest , Low , Medium , High , Highest ])
)

数据集包含以下值：

·     年份：计量年（2007 -2018）

·     生活阶梯：受访者根据坎特里尔阶梯（CantrilLadder），用0~10分（最满意的为10分）来衡量他们今天的生活

·     人均GDP：根据世界银行2018年11月14日发布的《世界发展指标》（WDI），将人均GDP调整为PPP（2011年不变价国际元）

·     社会支持：对下面问题的回答：“遇到困难时，是否可以随时获得亲戚或朋友的帮助？”

·     出生时预期健康寿命：出生时预期健康寿命是根据世界卫生组织（WHO）全球卫生观察站（GHO）数据库构建的，数据分别来自2005年、2010年、2015年和2016年。

·     自由选择权：回答下面这个问题：“你是否对自己生活的选择自由感到满意？”

·     慷慨：对“过去一个月是否给慈善机构捐过款?”与人均GDP相比

·     政治清廉：回答“腐败现象在政府中是否普遍？”“腐败在企业内部是否普遍？”

·     积极影响：包括前一天快乐、欢笑和享受的平均频率。

·     负面影响：包括前一天焦虑、悲伤和愤怒的平均频率。

·     对国家政府的信心：不言自明

·     民主质量：一个国家的民主程度

·     执行质量：一个国家的政策执行情况

·     Gapminder预期寿命：Gapminder的预期寿命

·     Gapminder人口: 国家人口

导入

import plotlyimport pandas as pdimport numpy as npimport seaborn as snsimport plotly.express as pximport matplotlib%matplotlib inlineassertmatplotlib.__version__ == "3.1.0","""Please install matplotlib version 3.1.0 by running:1) !pip uninstall matplotlib2) !pip install matplotlib==3.1.0"""

4. 迅速：使用Pandas进行基本绘图

 图片来源：Marvin Meyer/Unsplash

Pandas有内置的绘图功能，可以在Series或DataFrame上调用。之所以喜欢这些绘图函数，是因为它们简洁、使用合理的智能默认值、很快就能给出进展程度。

创建图表，在数据中调用.plot(kind=<TYPE OF PLOT>)，如下所示：

np.exp(data[data[ Year ]==2018][ LogGDP per capita ]).plot(
    kind= hist 
)

运行上述命令，生成以下图表。

2018年：人均GDP直方图。大多数国家都很穷，这一点也不奇怪！

用Pandas绘图时，有五个主要参数：

·     kind：Pandas必须知道需要创建什么样的图，可选的有以下几种：直方图（hist），条形图（bar），水平条图（barh），散点图（scatter），面积（area），核密度估计（kde），折线图（line），方框（box），六边形（hexbin），饼状图（pie）。

·     figsize：允许6英寸宽和4英寸高的默认输出尺寸。需要一个元组（例如，我就经常使用figsize=(12,8)）

·     title：为图表添加一个标题。大多数情况下，可以用这个标题来标明图表中所显示的内容，这样回过头来看的时候，就能很快识别出表的内容。title需要一个字符串。

·     bins:直方图的bin宽度。bin需要一个值的列表或类似列表序列（例如， bins=np.arange(2,8,0.25)）

·     xlim/ylim: 轴的最大和最小默认值。xlim和ylim都最好有一个元组（例如， xlim=(0,5)）

下面来快速浏览一下不同类型的图。

垂直条形图

data[
    data[ Year ] == 2018
].set_index( Country name )[ Life Ladder ].nlargest(15).plot(
    kind= bar ,
    figsize=(12,8)
)

2018年：芬兰位居15个最幸福国家之首

水平条形图

np.exp(data[
    data[ Year ] == 2018
].groupby( Continent )[ Log GDP per capita ]
       .mean()).sort_values().plot(
    kind= barh ,
    figsize=(12,8)
)

澳大利亚和新西兰2011年人均GDP（美元）明显领先

盒型图

data[ Life Ladder ].plot(
    kind= box ,
    figsize=(12,8)
)

人生阶梯分布的方框图显示平均值在5.5左右，范围为3~8。

散点图

data[[ Healthy life expectancyat birth , Gapminder Life Expectancy ]].plot(
    kind= scatter ,
    x= Healthy life expectancy at birth ,
    y= Gapminder Life Expectancy ,
    figsize=(12,8)
)

该散点图显示了《世界幸福报告》的预期寿命与Gapminder的预期寿命两者之间的高度相关性

Hexbin图

data[data[ Year ] == 2018].plot(    kind= hexbin ,    x= Healthy life expectancy at birth ,    y= Generosity ,    C= Life Ladder ,    gridsize=20,    figsize=(12,8),    cmap="Blues", # defaults togreenish    sharex=False # required to get rid ofa bug)

2018年：Hexbin图，表示人的平均寿命与慷慨程度之间的关系。格子的颜色表示每个格子的平均寿命。

饼状图

data[data[ Year ] == 2018].groupby(
    [ Continent ]
)[ Gapminder Population ].sum().plot(
    kind= pie ,
    figsize=(12,8),
    cmap="Blues_r", # defaultsto orangish
)

2018年：按大洲划分的总人口数饼状图

堆积面积图

data.groupby(
    [ Year , Continent ]
)[ Gapminder Population ].sum().unstack().plot(
    kind= area ,
    figsize=(12,8),
    cmap="Blues", # defaults toorangish
)

全球人口数量正在增长。

折线图

data[    data[ Country name ] ==  Germany ].set_index( Year )[ Life Ladder ].plot(    kind= line ,    figsize=(12,8))

表示德国幸福指数发展的折线图

关于Pandas绘图的总结

用pandas绘图很方便。易于访问，速度也快。只是图表外观相当丑，几乎不可能偏离默认值。不过这没关系，因为有其他工具来制作更美观的图表。

5. 美观：使用Seaborn进行高级绘图

Seaborn使用的是默认绘图。要确保运行结果与本文一致，请运行以下命令。

sns.reset_defaults()
sns.set(
    rc={ figure.figsize :(7,5)},
    style="white" # nicerlayout
)

绘制单变量分布

如前所述，我非常喜欢分布。直方图和核密度分布都是可视化特定变量关键特征的有效方法。下面来看看如何在一个图表中生成单个变量或多个变量分布。

左图：2018年亚洲国家人生阶梯直方图和核密度估算；右图：五组人均GDP人生阶梯的核心密度估算——体现了金钱与幸福指数的关系

绘制二元分布

每当我想要直观地探索两个或多个变量之间的关系，总是用到某种形式的散点图和分布评估。在概念上相似的图表有三种变体。在每个图中，中心图（散点图，二元KDE，hexbin）有助于理解两个变量之间的联合频率分布。此外，在中心图的右边界和上边界，描述了各自变量的边际单变量分布（用KDE或直方图表示）。

sns.jointplot(
    x= Log GDP per capita ,
    y= Life Ladder ,
    data=data,
    kind= scatter  # or  kde  or  hex 
)

Seaborn双标图，散点图、二元KDE和Hexbin图都在中心图中，边缘分布在中心图的左侧和顶部。

散点图

散点图是一种可视化两个变量联合密度分布的方法。可以通过添加色度来添加第三个变量，通过添加尺寸参数来添加第四个变量。

sns.scatterplot(
    x= Log GDP per capita ,
    y= Life Ladder ,
    data=data[data[ Year ] == 2018],   
    hue= Continent ,
    size= Gapminder Population 
)# both, hue and size are optional
sns.despine() # prettier layout

人均GDP与生活阶梯的关系，不同颜色表示不同大洲和人口规模

小提琴图

小提琴图结合了盒状图和核密度估计值。它的作用类似于盒状图，显示了定量数据在分类变量之间的分布，以便对这些分布进行比较。

sns.set(    rc={ figure.figsize :(18,6)},    style="white")sns.violinplot(    x= Continent ,    y= Life Ladder ,    hue= Mean Log GDP per capita ,    data=data)sns.despine()

小提琴图在绘制大洲与生活阶梯的关系图时，用人均GDP的平均值对数据进行分组。人均GDP越高，幸福指数就越高

配对图

Seaborn配对图是在一个大网格中绘制双变量散点图的所有组合。我通常觉得这有点信息过载，但它有助于发现规律。

sns.set(
    style="white",
    palette="muted",
    color_codes=True
)sns.pairplot(
    data[data.Year == 2018][[
         Life Ladder , Log GDP percapita ,
         Social support , Healthy lifeexpectancy at birth ,
         Freedom to make lifechoices , Generosity ,
         Perceptions of corruption , Positive affect ,
         Negative affect , Confidence innational government ,
         Mean Log GDP per capita 
    ]].dropna(),
    hue= Mean Log GDP per capita 
)

Seaborn散点图网格中，所有选定的变量都分散在网格的下半部分和上半部分，对角线包含Kde图。

FacetGrids

对我来说，Seaborn的FacetGrid是证明它好用最有说服力的证据之一，因为它能轻而易举地创建多图表。通过配对图，我们已经看到了FacetGrid的一个示例。它可以创建多个按变量分组的图表。例如，行可以是一个变量（人均GDP的类别），列是另一个变量（大洲）。

它确实还需要适应客户需求（即使用matplotlib），但是它仍然是令人信服。

FacetGrid— 折线图

g = sns.FacetGrid(
    data.groupby([ Mean Log GDP percapita , Year , Continent ])[ Life Ladder ].mean().reset_index(),
    row= Mean Log GDP per capita ,
    col= Continent ,
    margin_titles=True
)
g = (g.map(plt.plot,  Year , Life Ladder ))

y轴代表生活阶梯，x轴代表年份。网格的列代表大洲，网格的行代表不同水平的人均GDP。总体而言，北美人均GDP平均值较低的国家和欧洲人均GDP平均值中等或较高的国家，情况似乎有所好转

FacetGrid— 直方图

g = sns.FacetGrid(data,col="Continent", col_wrap=3,height=4)
g = (g.map(plt.hist, "Life Ladder",bins=np.arange(2,9,0.5)))

按大洲划分的生活阶梯直方图

FacetGrid— 带注释的KDE图

还可以向网格中的每个图表添加特定的注释。以下示例将平均值和标准偏差以及在平均值处绘制的垂直线相加（代码如下）。

基于大洲的生命阶梯核密度估计值，注释为均值和标准差

defvertical_mean_line(x, **kwargs):
    plt.axvline(x.mean(), linestyle="--",
                color= kwargs.get("color", "r"))
    txkw =dict(size=15, color= kwargs.get("color", "r"))
    label_x_pos_adjustment =0.08# this needs  customization based on your data
    label_y_pos_adjustment =5# this needs  customization based on your data
    if x.mean() <6: # this needs customization based on  your data
        tx ="mean: {:.2f}(std: {:.2f})".format(x.mean(),x.std())
        plt.text(x.mean() +  label_x_pos_adjustment, label_y_pos_adjustment, tx, **txkw)
    else:
        tx ="mean: {:.2f}   (std: {:.2f})".format(x.mean(),x.std())
        plt.text(x.mean() -1.4,  label_y_pos_adjustment, tx, **txkw)
_ =  data.groupby([ Continent , Year ])[ Life Ladder ].mean().reset_index()
g =  sns.FacetGrid(_, col="Continent", height=4, aspect=0.9, col_wrap=3, margin_titles=True)
g.map(sns.kdeplot,  "Life  Ladder", shade=True, color= royalblue )
g.map(vertical_mean_line,  "Life  Ladder")

annotate_facet_grid.py hostedwith ❤ by GitHub

画一条垂直的平均值线并添加注释

FacetGrid— 热图

我最喜欢的一种绘图类型就是FacetGrid的热图，即每一个网格都有热图。这种类型的绘图有助于在一个图中可视化四维和度量。代码有点麻烦，但是可以根据使用者的需要快速调整。需要注意的是，这种图表不能很好地处理缺失的值，所以需要大量的数据或适当的分段。

Facet热图，外层的行显示在一年内，外层的列显示人均GDP，内层的行显示政治清廉，内层的列显示大洲。我们看到幸福指数朝着右上方向增加（即，高人均GDP和高政治清廉）。时间的影响还不确定，一些大洲（欧洲和北美）似乎比其他大洲（非洲）更幸福。

heatmap_facetgrid.py

defdraw_heatmap(data,inner_row,  inner_col, outer_row, outer_col, values, vmin,vmax):
    sns.set(font_scale=1)
    fg = sns.FacetGrid(
        data,
        row=outer_row,
        col=outer_col,
        margin_titles=True
    )
    position = left, bottom, width, height =1.4, .2, .1, .6
    cbar_ax = fg.fig.add_axes(position)
    fg.map_dataframe(
        draw_heatmap_facet,
        x_col=inner_col,
        y_col=inner_row,
        values=values,
        cbar_ax=cbar_ax,
        vmin=vmin,
        vmax=vmax
    )
    fg.fig.subplots_adjust(right=1.3) 
    plt.show()
defdraw_heatmap_facet(*args, **kwargs):
    data = kwargs.pop( data )
    x_col = kwargs.pop( x_col )
    y_col = kwargs.pop( y_col )
    values = kwargs.pop( values )
    d = data.pivot(index=y_col, columns=x_col, values=values)
    annot =round(d,4).values
    cmap = sns.color_palette("Blues",30) +  sns.color_palette("Blues",30)[0::2]
    #cmap =  sns.color_palette("Blues",30)
    sns.heatmap(
        d,
        **kwargs,
        annot=annot,
        center=0,
        cmap=cmap,
        linewidth=.5
    )
# Data  preparation
_ = data.copy()
_[ Year ] = pd.cut(_[ Year ],bins=[2006,2008,2012,2018])
_[ GDP per  Capita ] = _.groupby([ Continent , Year ])[ Log GDP per  capita ].transform(
    pd.qcut,
    q=3,
    labels=([ Low , Medium , High ])
).fillna( Low )
_[ Corruption ] = _.groupby([ Continent , GDP per  Capita ])[ Perceptions  of corruption ].transform(
    pd.qcut,
    q=3,
    labels=([ Low , Medium , High ])
)
_ = _[_[ Continent ] != Oceania ].groupby([ Year , Continent , GDP per  Capita , Corruption ])[ Life Ladder ].mean().reset_index()
_[ Life Ladder ] = _[ Life Ladder ].fillna(-10)
draw_heatmap(
    data=_,
    outer_row= Corruption ,
    outer_col= GDP per Capita ,
    inner_row= Year ,
    inner_col= Continent ,
    values= Life Ladder ,
    vmin=3,
    vmax=8,
)

heatmap_facetgrid.py hostedwith ❤ by GitHub

6. 精彩：用plotly创造精彩的互动情节

图片来源：Chris Leipelt / Unsplash

最后, 无需使用matplotlib！Plotly有三个重要特征：

·     悬停：当鼠标悬停在图表上时，会弹出注释

·     交互性：不需要任何额外设置，图表就可以进行交互（例如，一次穿越时间的旅程）

·     漂亮的地理空间图：Plotly已经内置了一些基本的映射功能，另外，还可以使用mapbox集成来制作令人惊叹的图表。

散点图

通过下列代码来运行plotly图表：

 fig = x.<PLOTTYPE>(PARAMS)然后是 fig.show() ，像这样：
fig = px.scatter(
    data_frame=data[data[ Year ] ==2018],
    x="Log GDP per capita",
    y="Life Ladder",
    size="GapminderPopulation",
    color="Continent",
    hover_name="Country name",
    size_max=60
)
fig.show()

Plotly散点图，绘制人均 GDP与生活阶梯的关系，其中颜色表示大洲和人口的大小

散点图 — 穿越时间的漫步

fig = px.scatter(
    data=data,
    x="Log GDP per capita",
    y="Life Ladder",
    animation_frame="Year",
    animation_group="Countryname",
    size="GapminderPopulation",
    color="Continent",
    hover_name="Country name",
    facet_col="Continent",
    size_max=45,
   category_orders={ Year :list(range(2007,2019))}    
)fig.show()

可视化数年来绘图数据的变化

平行类别——一个能可视化类别的有趣方式

def q_bin_in_3(col):
    return pd.qcut(
        col,
        q=3,
        labels=[ Low , Medium , High ]
    )_ = data.copy()
_[ Social support ] = _.groupby( Year )[ Socialsupport ].transform(q_bin_in_3)_[ Life Expectancy ] =_.groupby( Year )[ Healthy life expectancy atbirth ].transform(q_bin_in_3)_[ Generosity ] =_.groupby( Year )[ Generosity ].transform(q_bin_in_3)_[ Perceptions ofcorruption ] = _.groupby( Year )[ Perceptions ofcorruption ].transform(q_bin_in_3)_ = _.groupby([ Social support , LifeExpectancy , Generosity , Perceptions of corruption ])[ LifeLadder ].mean().reset_index()fig = px.parallel_categories(_, color="LifeLadder", color_continuous_scale=px.colors.sequential.Inferno)
fig.show()

并不是所有预期寿命高的国家的人民都很幸福！

条形图—一个交互式滤波器的示例

fig = px.bar(
    data,
    x="Continent",
    y="Gapminder Population",
    color="Mean Log GDP percapita",
    barmode="stack",
    facet_col="Year",
    category_orders={"Year":range(2007,2019)},
    hover_name= Country name ,
    hover_data=[
        "Mean Log GDP percapita",
        "Gapminder Population",
        "Life Ladder"
    ]
)
fig.show()

过滤条形图很容易。毫无疑问，韩国是亚洲富裕国家之一。

等值线图— —幸福指数与时间的关系

fig = px.choropleth(    data,    locations="ISO3",    color="Life Ladder",    hover_name="Country name",   animation_frame="Year")fig.show()

可视化不同地域的幸福指数是如何随时间变化的。叙利亚和阿富汗正处于人生阶梯的末端（这不足为奇）。

结束语

本文展示了如何成为一名真正的Python可视化专家、如何在快速探索时更有效率、以及如何在董事会会议前创建更漂亮的图表、还有如何创建交互式绘图图表，尤其是在绘制地理空间数据时，十分有用。

推荐阅读

（点击标题可跳转阅读）

觉得本文对你有帮助？请分享给更多人

关注「Python开发者」加星标，提升Python技能

好文章，我在看❤️