python ggplot为什么不能取代matplotlib_【R和Python对比】matplotlib和ggplot（三）

不得不说，matplot感觉就是R中的plot，简单上手，但是扩展不足，而且偶然发现了python也有ggplot包，但是由于C++的问题无法安装，后续再研究下。

先看下高级的散点图，类似R的：

geom_point(aex(x,y),color=z)

也就是说针对不同的种类进行颜色填充，依靠之前的说法，因为matplot图形做的事情很少，需要借助数据整形。

而这个时候应用到了python的map函数，map函数相当于一个匹配：把一个变量匹配成另一个变量，在画散点图的时候，需要对不同的类别进行颜色赋值；

col=iris.Species.map({'setosa':'DarkBlue',

'versicolor':'Green',

'virginica':'Red'})

这段代码其实相当于新建了一个series，针对Species列，如果是setosa，那么赋值成Darkblue，如果是versicolor，赋值为Green，如果为virginica，赋值为Red，然后画图的时候，把color参数设置为col：

iris.plot(kind='scatter',

x='Petal_Length',

y='Sepal_Width',

c=col,

title='Multicolor-scatter')

c这个参数就是颜色参数了。

可以看到这三类的散点图都已经分类了。

然而，还有一种先建一个画布，然后一个一个画：

ax1=iris[iris['Species']=='setosa']. plot(kind='scatter',

x='Petal_Length',

y='Sepal_Width',

color='Darkblue',

label='setosa')

iris[iris['Species']=='versicolor'].plot(kind='scatter',

x='Petal_Length',

y='Sepal_Width',

color='DarkGreen',

label='versicolor',

ax=ax1)

但是这种方法不常用，比较复杂；

下面研究了一种更加普遍的做法，因为Species只有三个factor，然而实际上可能会有很多类别，总不能一个一个map吧，整体的逻辑分为三步：

1、确认总体factor个数

2、针对赋值确定颜色

3、设定map关系

对应的代码为：

iris_labels=iris.Species.unique()

iris_color=cm.rainbow(np.linspace(0,1,len(iris_labels)))

color_map=iris.Species.map(dict(zip(iris_labels,iris_color)))

说明下

cm.rainbow

函数相当于R中的颜色调色板，后面的linspace是等差数列，可以认为通过rainbow函数生成了三个RGB颜色，

最后一步的map中的zip函数就是把iris_labels对应到iris_color上，我们看下color_map前几行：

color_map.head()

0 [0.5, 0.0, 1.0, 1.0]

1 [0.5, 0.0, 1.0, 1.0]

2 [0.5, 0.0, 1.0, 1.0]

3 [0.5, 0.0, 1.0, 1.0]

4 [0.5, 0.0, 1.0, 1.0]

Name: Species, dtype: object

相同的参数具有相同的颜色值；

接下来就可以画图了：

iris.plot(kind='scatter',

x='Petal_Length',

y='Sepal_Width',

c=color_map,

title='Multicolor-scatter-map')

除此之外，还可以做连续变化的图形，例如把Petal_Width作为赋值：

iris.plot(kind='scatter',

x='Petal_Length',

y='Sepal_Width',

c='Petal_Width',

title='Multicolor-scatter-continous')

或者是调整size大小：

iris.plot(kind='scatter',

x='Petal_Length',

y='Sepal_Width',

s=iris['Petal_Width']*100,

c=color_map,

title='Multicolor-scatter-size')

说完散点图，说说六边形图，其实就是类似R的tile，不过size更小，颜色深的地方说明点比较集中：

iris.plot(kind='hexbin',

x='Petal_Length',

y='Sepal_Width',

gridsize=40,

title='Hexbin',

figsize=(12,8))

figsize是图像大小

然后看下饼图：

iris.groupby('Species').sum(). Sepal_Length.plot(kind='pie',

title='Simple-Pie',

figsize=(8,8),

autopct='%.0f') #%.nf保留n百分位

或者是不完全的饼图：

iris.groupby('Species').sum().\

div(iris.iloc[:,0:4].sum()).Sepal_Length[0:2].\

plot(kind='pie',

title='Pie-lessthan1',

figsize=(8,8),

autopct='%.2f')

不完全饼图是各个部分加起来小于1，不会自动填充满。再次印证，数据是数据，图形是图形。

下面几个高级图形：

类似R的scatterplotMatrix函数：

scatter_matrix(iris,

alpha=0.5,

figsize=(6,6),

diagonal='kde',

color='DarkBlue')

plt.suptitle('ScatterMatrix') #suptitle为title，需要分开画

还有调和图：

fig=plt.figure()

fig,axe=plt.subplots(2,1,sharey=True)

andrews_curves(iris,'Species',ax=axe[0])

parallel_coordinates(iris,'Species',ax=axe[1])

plt.suptitle('Compare')

多说一句调和图，parallel_coordinate类似于四个变量，用直线连接，而andrews_curves类似做一个傅里叶变换；

最后一个是检验是否为随机的lagplot

from pandas.tools.plotting import lag_plot

plt.figure()

lag_plot(iris['Petal_Length'])

一般lagplot都是评估时间序列的前后因果的，如果没有显著地线性关系，就认为没有因果性，是随机发生的：

这里面虽然不是时间序列，但是分析逻辑类似