👧🏿 ☹️ ☝🏿 Python中数据科学的高级数据可视化 ⚽️ 💱 ⛏️

如何使用单个Python字符串制作酷炫，完全交互的图表，

有关沉没成本的认知扭曲（沉没成本谬误）是人们成为受害者的许多有害认知偏见之一。这是指我们倾向于继续投入时间的趋势和资源用于失败的事业，因为我们已经花了太多时间淹没了-淹死了。成本低廉的谬误适用于比我们应有的工作更长的时间，即使在很显然无法正常工作的情况下，也要忙于一个项目，是的，是的，继续使用无聊的，过时的绘图库-matplotlib-更高效，互动和更具吸引力的替代方案。

在过去的几个月中，我意识到使用matplotlib的唯一原因是因为花了数百个小时来学习复杂的语法。这些复杂性导致数小时的挫败感在StackOverflow上弄清楚如何格式化日期或添加第二个Y轴... 幸运的是，这是使用Python绘制图形的绝佳时机，在探索了各种选择之后，在易用性，文档和功能方面，显然是赢家。在本文中，我们将深入研究各种情节，学习如何在更短的时间内创建更好的图表（通常只需一行代码）。

GitHub上提供了本文的所有代码。所有图形都是交互式的，可以在NBViewer上查看。

剧情概述

用于Python的plotly 软件包-一个基于plotly.js构建的开源软件库，该库又基于d3.js构建。我们将使用包装上称为Puffs的袖扣的包装来设计与Pandas DataFrame.So，我们的堆栈袖扣> plotly> plotly.js> d3.js-这意味着我们将以令人难以置信的交互式图形功能d3获得Python编程的效率。

（Plotly本身是一家图形公司带有几种开源产品和工具。Python库是免费使用的，我们可以离线创建无限量的图表，最多可以在线创建25个图表以与世界共享。）本文中的

所有工作都是在Jupyter Notebook中完成的，并具有可绘制+袖扣的功能离线。安装plotly和袖扣后，pip install cufflinks plotly 导入以下内容以在Jupiter中运行：

# Standard plotly imports
import plotly.plotly as py
import plotly.graph_objs as go
from plotly.offline import iplot, init_notebook_mode
# Using plotly + cufflinks in offline mode
import cufflinks
cufflinks.go_offline(connected=True)
init_notebook_mode(connected=True)

单变量分布：直方图和箱形图

单变量图-一维是开始分析的标准方法，直方图是用于绘制分布图的过渡图（尽管存在一些问题）。在这里，使用我的平均文章统计信息（您可以在此处查看如何获得自己的统计信息，或使用mine），让我们对文章拍手数量进行交互式直方图处理（df这是标准的Pandas数据框）：

df['claps'].iplot(kind='hist', xTitle='claps',
                  yTitle='count', title='Claps Distribution')

对于那些习惯于此的人matplotlib，我们要做的就是再添加一个字母（iplot而不是plot），我们将获得一个更加美观和互动的图表！我们可以单击数据以获取更多信息，放大图的各个部分，并在稍后看到，选择不同的类别。

如果我们想绘制叠加的直方图，就很简单：

df[['time_started', 'time_published']].iplot(
    kind='hist',
    histnorm='percent',
    barmode='overlay',
    xTitle='Time of Day',
    yTitle='(%) of Articles',
    title='Time Started and Time Published')

稍加操作Pandas，我们就可以制作一个小图：

# Resample to monthly frequency and plot 
df2 = df[['view','reads','published_date']].\
         set_index('published_date').\
         resample('M').mean()
df2.iplot(kind='bar', xTitle='Date', yTitle='Average',
    title='Monthly Average Views and Reads')

如我们所见，我们可以将Pandas的功能与Plots +袖扣结合起来。要对发布的粉丝分布进行箱线图pivot绘制，我们使用，然后绘制：

df.pivot(columns='publication', values='fans').iplot(
        kind='box',
        yTitle='fans',
        title='Fans Distribution by Publication')

交互的好处是，我们可以根据需要浏览和托管数据。箱式木筏中有很多信息，如果看不到数字，我们将错过大多数！

散点图

散点图是大多数分析的核心。这使我们可以看到变量随时间的演变，或者两个（或多个）变量之间的关系。

时间序列

许多真实数据都有时间元素。幸运的是，plotly +袖扣的设计考虑了时间序列的可视化。让我们对TDS文章中的数据进行框架分析，看看趋势如何变化。

 Create a dataframe of Towards Data Science Articles
tds = df[df['publication'] == 'Towards Data Science'].\
         set_index('published_date')
# Plot read time as a time series
tds[['claps', 'fans', 'title']].iplot(
    y='claps', mode='lines+markers', secondary_y = 'fans',
    secondary_y_title='Fans', xTitle='Date', yTitle='Claps',
    text='title', title='Fans and Claps over Time')

我们在这里看到很多不同的东西：

自动在x轴上获取格式正确的时间序列
添加辅助y轴，因为我们的变量具有不同的范围
在悬停时显示文章标题

有关更多信息，我们还可以轻松添加文本注释：

tds_monthly_totals.iplot(
    mode='lines+markers+text',
    text=text,
    y='word_count',
    opacity=0.8,
    xTitle='Date',
    yTitle='Word Count',
    title='Total Word Count by Month')

对于用第三个分类变量着色的二变量散点图，我们使用：

df.iplot(
    x='read_time',
    y='read_ratio',
    # Specify the category
    categories='publication',
    xTitle='Read Time',
    yTitle='Reading Percent',
    title='Reading Percent vs Read Ratio by Publication')

让我们使用指定为plotly布局的对数轴使事情复杂化（请参阅Plotly文档以获取布局规范），并指定数值变量的气泡大小：

tds.iplot(
    x='word_count',
    y='reads',
    size='read_ratio',
    text=text,
    mode='markers',
    # Log xaxis
    layout=dict(
        xaxis=dict(type='log', title='Word Count'),
        yaxis=dict(title='Reads'),
        title='Reads vs Log Word Count Sized by Read Ratio'))

通过一点点工作（有关详细信息，请参见NoteBook），我们甚至可以在一个图形上放置四个变量（不推荐使用）！

和以前一样，我们可以将Pandas与Plotly +袖扣结合使用，以获得有用的图形

df.pivot_table(
    values='views', index='published_date',
    columns='publication').cumsum().iplot(
        mode='markers+lines',
        size=8,
        symbol=[1, 2, 3, 4, 5],
        layout=dict(
            xaxis=dict(title='Date'),
            yaxis=dict(type='log', title='Total Views'),
            title='Total Views over Time by Publication'))

有关功能的更多示例，请参阅笔记本或文档。我们可以使用一行代码并且仍然进行所有交互，将文本注释，参考线和最佳拟合线添加到我们的图中。

高级图表

现在，我们继续介绍一些您可能不会经常使用的图形，但是它们会给人留下深刻的印象。我们将使用plotly fig_factory在一行中甚至完成这些令人难以置信的操作。

散射矩阵

当我们要探索许多变量之间的关系时，分散矩阵（也称为splom）是一个不错的选择：

import plotly.figure_factory as ff
figure = ff.create_scatterplotmatrix(
    df[['claps', 'publication', 'views',      
        'read_ratio','word_count']],
    diag='histogram',
    index='publication')

即使这张图是完全互动的，也使我们能够探索数据。

在Plotly Chart Studio中进行编辑

当您在NoteBook Jupiter中制作这些图形时，您会在“导出到plot.ly”图形的右下角看到一个小链接，如果单击此链接，将转到Chart Studio，您可以在其中调整图形以进行最终演示。您可以添加注释，指定颜色，并通常清除所有内容以生成一个精美的图形。然后，您可以在Internet上发布日程安排，以便任何人都可以通过参考找到它。

以下是我在Chart Studio中调整过的两个图形：