用 Python 绘制动态可视化图表，太酷了！

百变鹏仔 3周前 (01-21) #Python

文章标签图表

对数据科学家来说，讲故事是一个至关重要的技能。为了表达我们的思想并且说服别人，我们需要有效的沟通。而漂漂亮亮的可视化是完成这一任务的绝佳工具。

本文将介绍5种非传统的可视化技术，可让你的数据故事更漂亮和更有效。这里将使用Python的Plotly图形库，让你可以毫不费力地生成动画图表和交互式图表。

安装模块

如果你还没安装 Plotly，只需在你的终端运行以下命令即可完成安装：

pip install plotly

可视化动态图

在研究这个或那个指标的演变时，我们常涉及到时间数据。Plotly动画工具仅需一行代码就能让人观看数据随时间的变化情况，如下图所示：

代码如下：

import plotly.express as pxfrom vega_datasets import datadf = data.disasters()df = df[df.Year &gt; 1990]fig = px.bar(df, y="Entity", x="Deaths", animation_frame="Year", orientation='h', range_x=[0, df.Deaths.max()], color="Entity")# improve aesthetics (size, grids etc.)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='Evolution of Natural Disasters',showlegend=False)fig.update_xaxes(title_text='Number of Deaths')fig.update_yaxes(title_text='')fig.show()

只要你有一个时间变量来过滤，那么几乎任何图表都可以做成动画。下面是一个制作散点图动画的例子：

import plotly.express as pxdf = px.data.gapminder()fig = px.scatter(df,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)')

太阳图

太阳图（sunburst chart）是一种可视化group by语句的好方法。如果你想通过一个或多个类别变量来分解一个给定的量，那就用太阳图吧。

假设我们想根据性别和每天的时间分解平均小费数据，那么相较于表格，这种双重group by语句可以通过可视化来更有效地展示。

这个图表是交互式的，让你可以自己点击并探索各个类别。你只需要定义你的所有类别，并声明它们之间的层次结构（见以下代码中的parents参数）并分配对应的值即可，这在我们案例中即为group by语句的输出。

import plotly.graph_objects as goimport plotly.express as pximport numpy as npimport pandas as pddf = 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='Tipping Habbits Per Gender, Time and Day')fig.show()

现在我们向这个层次结构再添加一层：

为此，我们再添加另一个涉及三个类别变量的group by语句的值。

import plotly.graph_objects as goimport plotly.express as pximport pandas as pdimport numpy as npdf = 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='Tipping Habbits Per Gender, Time and Day')fig.show()

指针图

指针图仅仅是为了好看。在报告 KPI 等成功指标并展示其与你的目标的距离时，可以使用这种图表。

import plotly.graph_objects as gofig = go.Figure(go.Indicator(domain = {'x': [0, 1], 'y': [0, 1]},value = 4.3,mode = "gauge+number+delta",title = {'text': "Success Metric"},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()

桑基图

另一种探索类别变量之间关系的方法是以下这种平行坐标图。你可以随时拖放、高亮和浏览值，非常适合演示时使用。

代码如下：

import plotly.express as pxfrom vega_datasets import dataimport pandas as pddf = data.movies()df = df.dropna()df['Genre_id'] = df.Major_Genre.factorize()[0]fig = px.parallel_categories(df,dimensions=['MPAA_Rating', 'Creative_Type', 'Major_Genre'],color="Genre_id",color_continuous_scale=px.colors.sequential.Emrld,)fig.show()

平行坐标图

平行坐标图是上面的图表的衍生版本。这里，每一根弦都代表单个观察。这是一种可用于识别离群值（远离其它数据的单条线）、聚类、趋势和冗余变量（比如如果两个变量在每个观察上的值都相近，那么它们将位于同一水平线上，表示存在冗余）的好用工具。

代码如下：

import plotly.express as pxfrom vega_datasets import dataimport pandas as pddf = data.movies()df = df.dropna()df['Genre_id'] = df.Major_Genre.factorize()[0]fig = px.parallel_coordinates(df,dimensions=['IMDB_Rating', 'IMDB_Votes', 'Production_Budget', 'Running_Time_min','US_Gross', 'Worldwide_Gross', 'US_DVD_Sales'],color='IMDB_Rating',color_continuous_scale=px.colors.sequential.Emrld)fig.show()

文章推荐

用 Python 绘制动态可视化图表，太酷了！

安装模块

可视化动态图

太阳图

指针图

桑基图

平行坐标图

Python正则表达式【2】

Python守护进程和脚本单例运行详解

python 捕获shell脚本的输出结果实例

如何用C语言、Python实现栈及典型应用

【Python教程】绘制瀑布图