算技@数据可视化

2016-11-06 本文已影响101人苏尚君

起因

之前就觉得能够将数据可视化的话将非常有助于读者理解数据的意义，减少沟通成本（即“进行数据分析时”的数据分析者与“其他时刻的人”之间的沟通，包括“一个月以后的自己”）

在 MLND 的课程中，做到 P ... 时，有个 reviewer 的意见启发了我：ta 说，可以把可视化后的数据呈现作为证据。因此在 P3 需要“从数据集中选择三个你希望抽样的数据点的索引”，“找到三个明显不同的客户”时，我就想到：

能不能把我感兴趣的数据点的数据分布趋势作图表示，从而直观地比较了解它们的构成差异，更容易找到明显不同的三个数据点/在呈现报告是更有说服力？

说干就干。在作图前，大约需要了解 3 个方面：

【哪些工具】在进行数据分析时，常见的图形有哪些？
- 例如：频率分布直方图、饼图、……
【工具特点】上述这些图形分别适用于反映/比较数据的哪些特征？
【问题特点】我的问题是什么
- 其实这里已经明确了：由于每个数据点都由多个维度的值组合而成，我需要（通过一种图形来反映出）各个数据点之间的数据构成/分布差异

哪些工具 & 工具特点

很容易想到：Excel 中提供了常用的一些数据绘图工具。因此不妨将 Excel 已有的图形工具以及相应提示作为一个入门索引。

根据 MS Excel 2016 的提示，至少有以下几种图形工具可以考虑：

饼图
条形图/柱状图（bar char）（用于：比较多变量/分类。区别：直方图）
直方图（histogram）（用于：展示单一变量的数据分布。区别：条形图/柱状图）
折线图
直方图/箱形图
散点图/气泡图
曲面图/雷达图
组合图
瀑布图/漏斗图/股价图

问题特点

。。。

绘制方法

饼图

采用 matplotlib.pylot.pie，用法：

matplotlib.pyplot.pie(*x*, *explode=None*, *labels=None*, *colors=None*, *autopct=None*, *pctdistance=0.6*, *shadow=False*, *labeldistance=1.1*, *startangle=None*, *radius=None*, *counterclock=True*, *wedgeprops=None*, *textprops=None*, *center=(0*, *0)*, *frame=False*, *hold=None*, *data=None*)

结合官方文档和例子（1、2、3）理解参数意义：

x: 待绘制为饼图的序列
explode：None 或者不填，表示饼图所有部分边缘之间互相贴合；若非 None，则应该是一个与 x 等长的序列，其中每个值表示对应序号的楔形偏离周围楔形的距离相对于半径的百分比（距离/半径）
labels：若非 None，则是与 x 等长的字符串序列，其中每个字符串为 x 中对应元素的标签名
colors：若非 None，则是与 x 等长的字符（串）序列，其中每个字符（串）代表 x 中对应元素的颜色
autopct：若非 None，则是对楔形对应的【比例数值】进行格式化处理的格式化字符串/格式化函数。前者表示方式很像 C/C++ 中的表达
pctdistance：每个饼切片的中心与由 autopct 生成的标签文本的开头的比例（？？？）。若 autopct = None 则忽略该参数；参数默认取值 0.6
shadow：是否绘制阴影
labeldistance：楔形对应的【文本标签】距离饼图中心的半径距离（倍数？？？）
startangle：若非 None，则表示开始绘制饼图的偏置角度，即饼图将从 X 轴逆时针旋转这个角`度后开始绘制
radius：若非 None，则为饼图半径。若 None，饼图半径将被设为 1
counterclock：指明分数的方向（？？？）是顺时针还是逆时针
wedgeprops：参数字典，将被传给用于绘制饼图的楔形对象。例如，可以传递 wedgeprops = { ‘linewidth’ : 3 } 设置楔形边缘线宽为 3。更多细节请参考楔形对象的文档/参数。默认 default clip_on=False
textprops：若非 None，把参数字典传给文本对象
center：2 维坐标，表示饼图中心位置
frame：是否绘制饼图的坐标系（？？？）
hold：（未知？？？）
data：（未知？？？）

踩坑

当绘制多个饼图时，若未考虑到半径大小（默认为 1）与饼图中心的关系，将出现重叠
当未指定饼图坐标轴时，默认绘制出的饼图是椭圆状的。指定了 plt.axis('equal') 后才能绘制出圆饼图

并列多张饼图

需要用到 matplotlib.pyplot.subplots(nrows=1, ncols=1, sharex=False, sharey=False, squeeze=True, subplot_kw=None, gridspec_kw=None, **fig_kw)

例如要并列 2 张饼图，请参考示例代码：

f, (ax1, ax2) = plt.subplots(1, 2, sharey='col')
ax1.pie(write your args for pie1)
ax1.set_title('pie 1')
ax2.pie(write your args for pie2)
ax2.set_title('pie 2')

是的，第一句代码生成的 2 个 matplotlib.axes.Axes 对象可以直接使用 .pie(args) 方法。更多有关 matplotlib.axes.Axes 对象的方法，请参考这里