数据可视化指的是通过可视化表示来探索数据,它与数据挖掘紧密相关,而数据挖掘指的是使用代码来探索数据集的规律和关联。数据集可以是用一行代码就能表示的小型数字列表,也可以是数以吉字节的数据。最流行的工具之一是matplotlib,它是一个数学绘图库,我们将使用它来制作简单的图表,如折线图和散点图。然后,我们将基于随机漫步概念生成一个更有趣的数据集——根据一系列随机决策生成的图表。我们还将使用Pygal包,它专注于生成适合在数字设备上显示的图表。通过使用Pygal,可在用户与图表交互时突出元素以及调整其大小,还可轻松地调整整个图表的尺寸,使其适合在微型智能手表或巨型显示器上显示。我们将使用Pygal以各种方式探索掷骰子的结果。
一 折线图
1 绘制简单的折线图
下面来使用matplotlib绘制一个简单的折线图,再对其进行定制,以实现信息更丰富的数据可视化。我们将使用平方数序列1、4、9、16和25来绘制这个图表。
1
2
3
4
|
import
matplotlib.pyplot as plt
squares
=
[
1
,
4
,
9
,
16
,
25
]
plt.plot(squares)
plt.show()
|
运行结果如下图:
plt.show()打开matplotlib查看器,并显示绘制的图形,
2 修改标签文字和线条粗细
1
2
3
4
5
6
7
8
9
10
11
12
13
|
import
matplotlib.pyplot as plt
squares
=
[
1
,
4
,
9
,
16
,
25
]
plt.plot(squares,linewidth
=
5
)
#设置图标标题,并给坐标轴加上标签
plt.title(
"Square Numbers"
,fontsize
=
24
)
plt.xlabel(
"value"
,fontsize
=
14
)
plt.ylabel(
"Square of value"
,fontsize
=
14
)
#设置刻度标记的大小
plt.tick_params(axis
=
"both"
,labelsize
=
14
)
plt.show()
|
代码注释的很详细了,这里再强调几点:
(1)参数linewidth决定了plot()绘制的线条的粗细。函数title()给图表指定标题
(2)函数xlabel()和ylabel()让你能够为每条轴设置标题
(3)在上述代码中,出现了多次的参数fontsize指定了图表中文字的大小。
(4)函数tick_params()设置刻度的样式
运行结果如下图:
3 校正图像
图形更容易阅读后,我们发现没有正确地绘制数据:折线图的终点指出4.0的平方为25!下面修复这个问题。
当你向plot()提供一系列数字时,它假设第一个数据点对应的x坐标值为0,但我们的第一个点对应的x值为1。为改变这种默认行为,我们可以给plot()同时提供输入值和输出值:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
|
import
matplotlib.pyplot as plt
input_values
=
[
1
,
2
,
3
,
4
,
5
]
squares
=
[
1
,
4
,
9
,
16
,
25
]
plt.plot(input_values,squares,linewidth
=
5
)
#设置图标标题,并给坐标轴加上标签
plt.title(
"Square Numbers"
,fontsize
=
24
)
plt.xlabel(
"value"
,fontsize
=
14
)
plt.ylabel(
"Square of value"
,fontsize
=
14
)
#设置刻度标记的大小
plt.tick_params(axis
=
"both"
,labelsize
=
14
)
plt.show()
|
结果如下:
二 散点图
1 使用scatter()绘制散点图并设置其样式
要绘制单个点,可使用函数scatter(),并向它传递一对x和y坐标,它将在指定位置绘制一个点:
1
2
3
4
|
import
matplotlib.pyplot as plt
plt.scatter(
2
,
4
)
plt.show()
|
下面来设置输出的样式,使其更有趣:添加标题,给轴加上标签,并确保所有文本都大到能够看清:
1
2
3
4
5
6
7
8
9
10
|
import
matplotlib.pyplot as plt
plt.scatter(
2
,
4
,s
=
400
)
# 设置图表标题并给坐标轴加上标签
plt.title(
"Square Numbers"
, fontsize
=
24
)
plt.xlabel(
"Value"
, fontsize
=
14
)
plt.ylabel(
"Square of Value"
, fontsize
=
14
)
# 设置刻度标记的大小
plt.tick_params(axis
=
'both'
, which
=
'major'
, labelsize
=
14
)
plt.show()
|
2 使用scatter()绘制一系列的点
要绘制一系列的点,可向scatter()传递两个分别包含x值和y值的列表,如下所示:
1
2
3
4
5
6
7
8
9
10
11
12
|
import
matplotlib.pyplot as plt
x_values
=
[
1
,
2
,
3
,
4
,
5
]
y_values
=
[
1
,
4
,
9
,
16
,
25
]
plt.scatter(x_values,y_values,s
=
400
)
# 设置图表标题并给坐标轴加上标签
plt.title(
"Square Numbers"
, fontsize
=
24
)
plt.xlabel(
"Value"
, fontsize
=
14
)
plt.ylabel(
"Square of Value"
, fontsize
=
14
)
# 设置刻度标记的大小
plt.tick_params(axis
=
'both'
, which
=
'major'
, labelsize
=
14
)
plt.show()<br>
|
列表x_values包含要计算其平方值的数字,而列表y_values包含前述每个数字的平方值。将这些列表传递给scatter()时,matplotlib依次从每个列表中读取一个值来绘制一个点。要绘制的点的坐标分别为 (1, 1)、(2, 4)、(3, 9)、(4, 16)和(5, 25),最终的结果如图:
三 自动计算数据
手工计算列表要包含的值可能效率低下,需要绘制的点很多时尤其如此。可以不必手工计算包含点坐标的列表,而让Python循环来替我们完成这种计算。下面是绘制1000个点的代码:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
|
import
matplotlib.pyplot as plt
x_values
=
list
(
range
(
1
,
1001
))
y_values
=
[x
*
*
2
for
x
in
x_values]
plt.scatter(x_values,y_values,s
=
40
)
# 设置图表标题并给坐标轴加上标签
plt.title(
"Square Numbers"
, fontsize
=
24
)
plt.xlabel(
"Value"
, fontsize
=
14
)
plt.ylabel(
"Square of Value"
, fontsize
=
14
)
# 设置刻度标记的大小
plt.tick_params(axis
=
'both'
, which
=
'major'
, labelsize
=
14
)
#设置每个坐标的取值范围
plt.axis([
0
,
1100
,
0
,
1100000
])
plt.show()
|
由于这个数据集较大,我们将点设置得较小,并使用函数axis()指定了每个坐标轴的取值范围。函数axis()要求提供四个值:x和y坐标轴的最小值和最大值,结果如下图:
四 删除数据点的轮廓
matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓,在散点图包含的数据点不多时效果很好。但绘制很多点时,黑色轮廓可能会粘连在一起。要删除数据点的轮廓可在调用scatter()时传递实参edgecolor='none':
plt.scatter(x_values, y_values, edgecolor='none', s=40)将相应调用修改为上述代码后,如果再运行scatter_squares.py,在图表中看到的将是蓝色实心点。
五 自定义颜色
要修改数据点的颜色,可向scatter()传递参数c,并将其设置为要使用的颜色的名称,如下
plt.scatter(x_values, y_values, c='red', edgecolor='none', s=40)
你还可以使用RGB颜色模式自定义颜色。要指定自定义颜色,可传递参数c,并将其设置为一个元组,其中包含三个0~1之间的小数值,它们分别表示红色、绿色和蓝色分量。例如,下面的代码行创建一个由淡蓝色点组成的散点图:
plt.scatter(x_values, y_values, c=(0, 0, 0.8), edgecolor='none', s=40)
值越接近0,指定的颜色越深,值越接近1,指定的颜色越浅。
六 使用颜色映射
颜色映射(colormap)是一系列颜色,它们从起始颜色渐变到结束颜色。在可视化中,颜色映射用于突出数据的规律,例如,你可能用较浅的颜色来显示较小的值,并使用较深的颜色来显示较大的值。
模块pyplot内置了一组颜色映射。要使用这些颜色映射,你需要告诉pyplot该如何设置数据集中每个点的颜色。下面演示了如何根据每个点的y值来设置其颜色:
1
|
plt.scatter(x_values, y_values, c
=
y_values, cmap
=
plt.cm.Blues,edgecolor
=
"none"
,s
=
40
)
|
我们将参数c设置成了一个y值列表,并使用参数cmap告诉pyplot使用哪个颜色映射。这些代码将y值较小的点显示为浅蓝色,并将y值较大的点显示为深蓝色,生成的图形如图。
七 自动保存图片
要让程序自动将图表保存到文件中,可将对plt.show()的调用替换为对plt.savefig()的调用:
1
|
plt.savefig(
'squares_plot.png'
, bbox_inches
=
'tight'
)
|
第一个实参指定要以什么样的文件名保存图表,这个文件将存储到scatter_squares.py所在的目录中;第二个实参指定将图表多余的空白区域裁剪掉。如果要保留图表周围多余的空白区域,可省略这个实参。
八、生成随机漫步数据
我们将使用Python来生成随机漫步数据,再使用matplotlib以引人瞩目的方式将这些数据呈现出来。随机漫步是这样行走得到的路径:每次行走都完全是随机的,没有明确的方向,结果是由一系列随机决策决定的。你可以这样认为,随机漫步就是蚂蚁在晕头转向的情况下,每次都沿随机的方向前行所经过的路径。
一 随机漫步
1 创建RandomWalk()类
为模拟随机漫步,我们将创建一个名为RandomWalk的类,它随机地选择前进方向。这个类需要三个属性,其中一个是存储随机漫步次数的变量,其他两个是列表,分别存储随机漫步经过的每个点的x和y坐标。代码如下:
1
2
3
4
5
6
7
8
9
10
11
12
|
from
random
import
choice
class
RandomWalk() :
'''一个生成随机漫步数的类'''
def
__init__(
self
,num_points
=
50000
):
'''初始化随机漫步的属性'''
self
.num_points
=
num_points
#所有随机漫步都始于(0,0)
self
.x_values
=
[
0
]
self
.y_values
=
[
0
]
|
2 选择方向
我们将使用fill_walk()来生成漫步包含的点,并决定每次漫步的方向,如下所示。请将这个方法添加到random_walk.py中:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
def
fill_walk(
self
):
#计算随机漫步包含的所有点
#不断漫步,直到列表达到指定的长度
while
len
(
self
.x_values) <
self
.num_points :
#决定前进方向以及沿着个方向前进的距离
x_direction
=
choice([
1
,
-
1
])
x_distance
=
choice([
0
,
1
,
2
,
3
,
4
])
x_step
=
x_direction
*
x_distance
y_direction
=
choice([
1
,
-
1
])
y_distance
=
choice([
0
,
1
,
2
,
3
,
4
])
y_step
=
y_direction
*
y_distance
#拒绝原地踏步
if
x_step
=
=
0
and
y_step
=
=
0
:
continue
#计算下一个点的x和y值
next_x
=
self
.x_values[
-
1
]
+
x_step
next_y
=
self
.y_values[
-
1
]
+
y_step
self
.x_values.append(next_x)
self
.y_values.append(next_y)
|
代码注释的很清楚了,我再强调几点:
(1)我们建立了一个循环,这个循环不断运行,直到漫步包含所需数量的点。
(2)如何模拟四种漫步决定:向右走还是向左走?沿指定的方向走多远?向上走还是向下走?沿选定的方向走多远?
3 绘制随机漫步的图像
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
|
import
matplotlib.pyplot as plt
from
random_walk
import
RandomWalk
while
True
:
random_walk
=
RandomWalk()
random_walk.fill_walk()
plt.figure(figsize
=
(
10
,
6
))
point_numbers
=
list
(
range
(random_walk.num_points))
plt.scatter(random_walk.x_values,random_walk.y_values,c
=
point_numbers,cmap
=
plt.cm.Blues,edgecolor
=
"none"
,s
=
1
)
# 突出起点和终点
plt.scatter(
0
,
0
, c
=
'green'
, edgecolors
=
'none'
, s
=
100
)
plt.scatter(random_walk.x_values[
-
1
], random_walk.y_values[
-
1
], c
=
'red'
, edgecolors
=
'none'
,
s
=
100
)
#隐藏坐标轴
plt.axes().get_xaxis().set_visible(
False
)
plt.axes().get_yaxis().set_visible(
False
)
plt.show()
input_flag
=
input
(
"是否结束?(Y/N)"
)
if
input_flag
=
=
"Y"
:
break
|
运行效果图如下:
注意几点:
(1)模拟多次随机漫步:每次随机漫步都不同,因此探索可能生成的各种模式很有趣。要在不多次运行程序的情况下使用前面的代码模拟多次随机漫步,一种办法是将这些代码放在一个while循环中。
(2)给点着色:我们将使用颜色映射来指出漫步中各点的先后顺序,并删除每个点的黑色轮廓,让它们的颜色更明显。为根据漫步中各点的先后顺序进行着色。
(3)重新绘制起点和终点:,可在绘制随机漫步图后重新绘制起点和终点。我们让起点和终点变得更大,并显示为不同的颜色,以突出它们。
(4)隐藏坐标轴:为修改坐标轴,使用了函数plt.axes()来将每条坐标轴的可见性都设置为False。随着你越来越多地进行数据可视化,经常会看到这种串接方法的方式。
(5)增加点数:增大num_points的值,并在绘图时调整每个点的大小。
(6)调整尺寸以适合屏幕:函数figure()用于指定图表的宽度、高度、分辨率和背景色。你需要给形参figsize指定一个元组,向matplotlib指出绘图窗口的尺寸,单位为英寸。