Python数据科学分享——3.数据可视化(2)¶

有简洁高效的seaborn，声明式的altair，还有一键生成的voila，以及不用写react的dash

toc: true
badges: true
comments: true
categories: [jupyter,Python,Data Science]

In [5]:

%load_ext autoreload
%autoreload 2

%matplotlib inline
from matplotlib.font_manager import _rebuild

_rebuild()
import matplotlib.pyplot as plt
import seaborn as sns

sns.set_style("whitegrid", {"font.sans-serif": ["SimHei", "Arial"]})

import pandas_alive
import pandas as pd
import numpy as np

import ssl
ssl._create_default_https_context = ssl._create_unverified_context

iris = sns.load_dataset("iris")
tips = sns.load_dataset("tips")

In [16]:

df_covid = pd.read_json("3.data-viz/timeseries.json")
df_covid.index = pd.DatetimeIndex(df_covid.iloc[:, 0].apply(lambda _: _["date"]))
df_covid.index.name = "日期"
df_covid = df_covid.applymap(lambda _: int(_["confirmed"]))
df_covid.replace(0, np.nan, inplace=True)
top20 = df_covid.iloc[-1].sort_values().tail(20).index
df_covid = df_covid[top20]

seaborn统计图¶

面朝大海，春暖花开——海子（原名查海生，1964-1989，安徽安庆市怀宁县人）

2012年，美国斯坦福大学（Stanford）Michael Waskom（目前就职纽约大学NYU）用高级接口在Matplotlib基础上为数据探索和模型拟合创建各种统计图

频次直方图、KDE图¶

In [14]:

data = np.random.multivariate_normal(mean=[0, 0], cov=[[5, 2], [2, 2]], size=2000)
data = pd.DataFrame(data, columns=["x", "y"])

In [255]:

plt.figure(figsize=(6, 6))
for col in "xy":
    plt.hist(data[col], density=True, alpha=0.5)

除了频次直方图，我们还可以用KDE获取变量的平滑分布估计图。Seaborn通过sns.kdeplot实现：

In [273]:

plt.figure(figsize=(6, 6))
for col in "xy":
    sns.kdeplot(data[col], shade=True)

用sns.distplot可以让频次直方图与KDE叠加：

In [261]:

plt.figure(figsize=(6, 6))
for col in "xy":
    sns.distplot(data[col])

如果向kdeplot输入的是二维数据集，那么就可以获得一个二维数据可视化图：

In [268]:

plt.figure(figsize=(6, 6))
sns.kdeplot(data.x, data.y);

用sns.jointplot可以同时看到两个变量的联合分布与单变量分布：

In [270]:

with sns.axes_style("white"):
    sns.jointplot("x", "y", data, kind="kde")

可以向jointplot函数传递一些参数。例如，可以用六边形块代替频次直方图：

In [271]:

with sns.axes_style("white"):
    sns.jointplot("x", "y", data, kind="hex")

矩阵图（pair plot）¶

用sns.pairplot探索多维数据不同维度间的相关性，例如费舍尔鸢尾花数据集记录了3种鸢尾花的花瓣与花萼数据：

In [45]:

sns.pairplot(iris, hue="species");

分面频次直方图¶

sns.FacetGrid获取数据子集的频次直方图。例如，饭店服务员收小费的数据集：

In [46]:

tips["tip_pct"] = 100 * tips["tip"] / tips["total_bill"]
tips.head()

Out[46]:

	total_bill	tip	sex	smoker	day	time	size	tip_pct
0	16.99	1.01	Female	No	Sun	Dinner	2	5.944673
1	10.34	1.66	Male	No	Sun	Dinner	3	16.054159
2	21.01	3.50	Male	No	Sun	Dinner	3	16.658734
3	23.68	3.31	Male	No	Sun	Dinner	2	13.978041
4	24.59	3.61	Female	No	Sun	Dinner	4	14.680765

In [47]:

grid = sns.FacetGrid(tips, row="sex", col="time", margin_titles=True, height=4)
grid.map(plt.hist, "tip_pct", bins=np.linspace(0, 40, 15))

Out[47]:

<seaborn.axisgrid.FacetGrid at 0x1a1ddd0f50>

分类图（Categorical plot）¶

展示分类数据分布情况：

Categorical scatterplots:
- :func:stripplot (with kind="strip"; the default)
- :func:swarmplot (with kind="swarm")
Categorical distribution plots:
- :func:boxplot (with kind="box")
- :func:violinplot (with kind="violin")
- :func:boxenplot (with kind="boxen")
Categorical estimate plots:
- :func:pointplot (with kind="point")
- :func:barplot (with kind="bar")
- :func:countplot (with kind="count")

In [48]:

def show_factor(kind="strip"):
    g = sns.catplot("day", "total_bill", "sex", kind=kind, data=tips, height=7)
    g.set_axis_labels("日期", "小费金额")
    g._legend.set_bbox_to_anchor((1.1, 0.5))

In [49]:

show_factor()

In [50]:

show_factor(kind="swarm")