【資料科學】Python資料視覺化概述
注 ：很早之前就打算專門寫一篇與Python資料視覺化相關的部落格，對一些基本概念和常用技巧做一個小結。今天終於有時間來完成這個計劃了！
0. Python中常用的視覺化工具
Python在資料科學中的地位，不僅僅是因為numpy, scipy, pandas, scikit-learn這些高效易用、介面統一的科學計算包，其強大的資料視覺化工具也是重要組成部分。在Python中，使用的最多的資料視覺化工具是matplotlib，除此之外還有很多其他可選的視覺化工具包，主要包括以下幾大類：
- matplotlib以及基於matplotlib開發的工具包：pandas中的封裝matplotlib API的畫圖功能，seaborn，networkx等；
- 基於JavaScript和d3.js開發的視覺化工具：plotly等，這類工具可以顯示動態圖且具有一定的互動性；
- 其他提供了Python呼叫介面的視覺化工具：OpenGL, GraphViz等，這一類工具各有特點且在特定領域應用廣泛.
對於資料科學，用的比較多的是matplotlib和seaborn，對資料進行動態或互動式展示時會用到plotly.
1. matplotlib與MATLAB
Matplotlib是建立在NumPy陣列基礎上的多平臺資料視覺化程式庫，John Hunter在2002年提出了matplotlib的初步構想——在Python中畫出類似MATLAB風格的互動式圖形。鑑於此種淵源，類似MATLAB風格的畫圖介面是matplotlib的兩種畫圖介面之一。這類介面直觀、便捷，許多語法與MATLAB類似，也是初學者常用的方式。
這種介面最重要的特性是有狀態的（stateful）：它會持續跟蹤"當前的"圖形和座標軸，所有 plt 命令都可以應用。可以用 plt.gcf() （獲取當前圖形）和 plt.gca() （獲取當前座標軸）來檢視具體資訊。
matplotlib畫圖的基本設定：
1 import matplotlib as mpl 2 import matplotlib.pyplot as plt 3 mpl.rcParams['axes.linewidth'] = 1.5 #set the value globally, 設定座標軸線寬 4 import seaborn as sns 5 sns.set()# 使用seaborn設定繪圖風格
更多自定義設定可以參考官方文件： ofollow,noindex">Customizing matplotlib
下面使用MATLAB風格畫圖，對一組分類變數（categorical variables）進行視覺化
1 names = ['group_a', 'group_b', 'group_c']# 不同分類的名稱
2 values = [1, 10, 100]# 不同分類對應的值
3
4 plt.figure(1, figsize=(9, 3))# 設定圖片大小
5
6 plt.subplot(131)# 1x3, 第一個子圖
7 plt.bar(names, values)# 柱狀圖
8 plt.subplot(132)# 1x3, 第二個子圖
9 plt.scatter(names, values)# 散點圖
10 plt.subplot(133)# 1x3, 第三個子圖
11 plt.plot(names, values)# 折線圖
12 plt.suptitle('Categorical Plotting')# 圖片的標題
13 # w_pad設定子圖之間的間隔寬度;rect設定整個影象部分（矩形）的左上點座標和右下點座標，預設值為[0, 0, 1, 1]
14 plt.tight_layout(w_pad=0.1, rect=[0, 0.03, 1, 0.95])
15 plt.savefig('demo1.png', dpi=200)# 儲存圖片
圖片如下：
圖1：分類變數的視覺化
這種方式畫圖非常直觀，每一步都對" plt "物件有一個特定的操作，畫圖的過程至上而下，畫好之後儲存圖片。其他命令說明如下：
- subplot(131) 表示設定子圖為1行3列，且當前為第1個子圖；
- 在儲存圖片之前呼叫 tight_layout() 函式可以使圖片更加緊湊，邊框更窄，更多關於該函式的用法可參考 官方文件 ；
- 儲存圖片是可以使用引數 dpi 設定圖片的解析度.
在官方文件中，這種風格的API被稱為" pyplot API ".
- 一個簡短的入門級教程： Pyplot tutorial
- 更多的介紹可以參考文件： The pyplot API
- 更多例子可以參考 官方的Gallery
2. matplotlib的第二種風格——面向物件的畫圖介面
在面向物件程式設計中有一句口號："一切皆物件"，Python既然是一種面向物件的程式語言，畫圖也自然可以使用面向物件的方式。MATLAB風格的畫圖介面直觀易用，但是遇到一些精細操作時，就會比較麻煩。面向物件的畫圖介面可以適應更復雜的場景，更精細的控制需要展示的圖形。
在面向物件介面中，畫圖函式不再受到當前"活動"圖形或座標軸的限制，而變成了顯式的 Figure 和 Axes 的方法。在畫圖的過程中，實際操作的是這兩個類的例項：figure和axes.
figure （ plt.Figure 類的一個例項）可以被看成是一個能夠容納各種座標軸、圖形、文字和標籤的容器。 axes （ plt.Axes 類的一個例項）是一個帶有刻度和標籤的矩形，最終會包含所有視覺化的圖形元素。通常使用變數 fig 表示一個圖形例項，用變數 ax 表示一個座標軸例項或一組座標軸例項。
下面是一個使用面向物件的API畫圖的例子：
1 import numpy as np
2 import matplotlib.pyplot as plt
3 %matplotlib inline
4
5 # example data
6 x = np.arange(0.1, 4, 0.5)
7 y = np.exp(-x)
8
9 #設定error bar的(單側)長度
10 error = 0.1 + 0.2 * x
11
12 # 使用subplots返回fig和ax例項
13 fig, (ax0, ax1) = plt.subplots(nrows=2, sharex=True, figsize=(8, 6))# 兩個子圖，返回兩個Axes例項
14
15 # 第一個子圖，對稱的error bar
16 ax0.errorbar(x, y, yerr=error, fmt='-o')
17 ax0.set_title('variable, symmetric error')
18
19 # 分別設定error bar兩側的長度
20 lower_error = 0.4 * error
21 upper_error = error
22 asymmetric_error = [lower_error, upper_error]
23
24 # 第二個子圖，不對稱的error
25 ax1.errorbar(x, y, xerr=asymmetric_error, fmt='o')
26 ax1.set_title('variable, asymmetric error')
27 ax1.set_yscale('log')
28 fig.tight_layout()
29 fig.savefig('demo2.png', dpi=200)# 儲存圖片
結果如下：
圖2：error bar的視覺化
如上面的例子顯示的那樣，可以使用函式 plt.subplots() 返回 fig 和 ax 例項，也可以直接使用 plt.Figure 和 plt.Axes 這兩個類來返回各自的例項：
1 import numpy as np
2 import matplotlib.pyplot as plt
3 plt.style.use('seaborn-whitegrid')
4 %matplotlib inline
5
6 fig = plt.figure(figsize=(8, 6))
7 ax = plt.axes()
8 x = np.linspace(0, 10, 100)
9 ax.plot(x, np.sin(x))
10 ax.set_xlabel('x', size=14)
11 ax.set_ylabel('sin x', size=14)
12 ax.set_title('sin plot', size=16)
13 fig.tight_layout()
14 fig.savefig('demo3.png', dpi=200)
結果如下：
圖3：sin函式影象
當我們獲取 fig 和 ax 例項後，就可以直接操作這兩個例項來完成想要視覺化效果。操作這兩個例項的方法眾多，可參考下面的官方文件：
- 關於該API的描述： The object-oriented API
- 所有元素的最高等級容器： Figure
- 座標軸ax類： The Axes class
- 一些使用ax例項的例子： Examples using matplotlib.pyplot.axes
- 建立fig和座標軸例項的subplots函式： subplots
3. 統計作圖以及圖片的風格
除了matplotlib之外， seaborn 是專門為統計製圖開發的視覺化工具。除了直接用於資料的視覺化之外，還能夠完成一些常見的統計功能來輔助畫圖，例如誤差線的估計，密度估計，箱形圖分位數的計算等。此外，與matplotlib相比，seborn畫圖的風格更美觀。因此該視覺化工具在資料分析中也用的比較多。
按照文件中對 API的介紹 ，seaborn主要將統計製圖分為下面幾類：
- 關係圖
- 分類圖
- 分佈圖
- 迴歸圖
- 矩陣圖：heatmap或聚類圖
使用seaborn畫圖的例子可以參考：Example gallery
上面例子中涉及到兩次對畫圖風格的設定，風格主要包括對圖的配色，背景色、座標軸、字型、透明度等的設定。在matplotlib中主要有以下風格可選：
> print(plt.style.available) #---output---# ['dark_background', 'seaborn-notebook', 'seaborn-darkgrid', '_classic_test', 'ggplot', 'seaborn-bright', 'classic', 'Solarize_Light2', 'fast', 'fivethirtyeight', 'seaborn-dark-palette', 'seaborn', 'tableau-colorblind10', 'seaborn-muted', 'seaborn-whitegrid', 'seaborn-ticks', 'seaborn-dark', 'seaborn-white', 'grayscale', 'seaborn-deep', 'seaborn-poster', 'seaborn-talk', 'seaborn-colorblind', 'bmh', 'seaborn-pastel', 'seaborn-paper']
參考上面的Customizing matplotlib連結，各種不同樣式的比較可以參考： Matplotlib Style Gallery
4. 常見的作圖型別及功能
matplotlib可以畫大部分常見的圖，例如柱狀圖、折線圖、餅圖、直方圖等。
更多詳情可以參考： Plotting-basic
Reference
https://tonysyu.github.io/raw_content/matplotlib-style-gallery/gallery.html
https://jakevdp.github.io/PythonDataScienceHandbook/
https://seaborn.pydata.org/index.html
https://matplotlib.org/index.html
https://stackoverflow.com/questions/8248467/matplotlib-tight-layout-doesnt-take-into-account-figure-suptitle