python ggplot画等值线图,plotnine: Python版的ggplot2作图库

R语言的ggplot2绘图能力超强，python虽有matplotlib，但是语法臃肿，使用复杂，入门极难，seaborn的出现稍微改善了matplotlib代码量问题，但是定制化程度依然需要借助matplotlib，使用难度依然很大。

而且咱们经管专业学编程语言，一直有一个经久不衰的问题-“学数据分析，到底选择R还是Python”。通过plotnine这个库，你就可以在python世界中体验下R语言的新奇感，体验可视化之美，如果着迷上瘾，再学R也不迟。

plotnine包，可以实现绝大多数ggplot2的绘图功能，两者语法十分相似，R和Python的语法转换成本大大降低。

pip install plotnine

**准备数据**

from plotnine.data import mpg

#dataframe

mpg.head()


**快速作图qplot**

我们先直接看最简单好用的快速作图函数qplot(x, y, data)

* 横坐标displ

* 纵坐标cty

* 数据mpg

*

from plotnine import qplot

qplot(x='displ',

y='cty',

data=mpg)


**ggplot图层**

qplot是快速作图函数，如果想让图更好看，进行私人订制，那么我们需要进行图层设计

首先设置ggplot图层(相当于买了一个高级画布)，

* 数据mpg

* 横坐标x轴为displ

* 纵坐标y轴cty

在plotnine中，变量所对应的数据均可通过字段名调用

from plotnine import ggplot, geom_point, aes

ggplot(aes(x='displ', y='cty'), mpg)


**图层叠加**

我们可以看到，已经绘制出一个空的ggplot图层，x轴为displ，y轴为cty。

接下来我们给这个图层上加上数据对应的散点，使用geom_point()直接追加在ggplot图层之上即可。

(

ggplot(aes(x='displ', y='cty'), mpg)

geom_point()

)


**color**

在上图中，散点是没有区分每辆车的气缸数cyl。

在geom_point()中，我们可以按照气缸数cyl分门别类，按照颜色显示出来

(

ggplot(aes(x='displ', y='cty'), mpg)

geom_point(aes(color='cyl'))

)

图片

上图挺好看的，有时候需要绘制的字段是离散型数值，但是上色后可能不够明显，需要声明该字段为离散型。这时候用factor()来告诉plotnine，这个字段是离散型数值

(

ggplot(aes(x='displ', y='cty'), mpg)

geom_point(aes(color='factor(cyl)'))

)

size

有时候为了增加可视化显示的维度数，还可以考虑加入点的大小size

(

ggplot(aes(x='displ', y='cty'), mpg)

+ geom_point(aes(size='hwy'))

)

梯度色

如果你想自己设置颜色的梯度，可以通过scale_color_gradient设置

from plotnine import scale_color_gradient

(

ggplot(aes(x='displ', y='cty'), mpg)

+ geom_point(aes(color='hwy'))

+ scale_color_gradient(low='blue', high='red')

)

条形图

plotnine中可绘制的图有很多，刚刚已经讲了散点图，接下来我们看看plotnine中的条形图。

首先准备一下数据

import pandas as pd

df = pd.DataFrame({

'variable': ['gender', 'gender', 'age', 'age', 'age', 'income', 'income', 'income', 'income'],

'category': ['Female', 'Male', '1-24', '25-54', '55+', 'Lo', 'Lo-Med', 'Med', 'High'],

'value': [60, 40, 50, 30, 20, 10, 25, 25, 40],

})

df['variable'] = pd.Categorical(df['variable'], categories=['gender', 'age', 'income'])

df['category'] = pd.Categorical(df['category'], categories=df['category'])

df

#调整文本位置

dodge_text = position_dodge(width=0.9) # new

(

ggplot(df, aes(x='variable',

y='value',

fill='category')) #类别填充颜色

+ geom_col(position='dodge',

show_legend=False) # modified

+ geom_text(aes(y=-.5, label='category'), # new

position=dodge_text,

color='gray', #文本颜色

size=8, #字号

angle=30, #文本的角度

va='top')

+ lims(y=(-5, 60)) # new

)

from plotnine.data import economics_long

economics_long.head()

from plotnine import ggplot, aes, geom_line

(

ggplot(economics_long, aes(x='date', y='value01', color='variable'))

+ geom_line()

)

plotnine目前已经支持绝大多数ggplot2，但是文档方面没有ggplot2全，所以学习plotnine时可以参考ggplot2。