本文中我們將一起學習：

• 結(jié)合圖形語法的不同元素
• 使用 plotnine創(chuàng)建可視化高效又一致
• 將數(shù)據(jù)可視化導出到文件

設置環(huán)境

這里我們將一起學習如何設置我們的環(huán)境。

1. 創(chuàng)建一個虛擬環(huán)境
2. 安裝plotnine
3. 安裝Juptyer筆記本

虛擬環(huán)境使我們能夠在隔離的環(huán)境中安裝軟件包。當我們想嘗試一些軟件包或項目，而又不想搞亂已配置好的系統(tǒng)安裝時，這是非常有用的。

運行以下命令，創(chuàng)建一個名為data-visualization的目錄，并在其中創(chuàng)建一個虛擬環(huán)境。

運行上述命令后，會在 data-visualization 目錄中找到我們的虛擬環(huán)境。運行下面的命令來激活虛擬環(huán)境并開始使用它。

$ source ./venv/bin/activate

當我們激活一個虛擬環(huán)境時，安裝的任何軟件包都將被安裝在環(huán)境內(nèi)，而不影響原有系統(tǒng)范圍的安裝。

接下來，使用 pip 包在虛擬環(huán)境中安裝 plotnine。通過運行此命令安裝 plotnine。

最后，安裝 Jupyter Notebook。雖然這不是使用 plotnine 的嚴格必要條件，但 Jupyter Notebook 在處理數(shù)據(jù)和建立可視化時超級有用。

要安裝Jupyter筆記本，使用以下命令。

$ python -m pip install jupyter

現(xiàn)在有了一個安裝了 plotnine 和 Jupyter 筆記本的虛擬環(huán)境！有了這個設置，接下來就可以繼續(xù)本文的學習了。

其實還有另一種創(chuàng)建虛擬環(huán)境的方法，如果你已經(jīng)安裝了anaconda，用它來創(chuàng)建虛擬環(huán)境，也不失為一種好的方法，由于該方法我們之前已經(jīng)介紹了，此處不做過多介紹，

建立第一個圖表

在本節(jié)中，我們將學習如何在Python中使用ggplot建立我們的第一個數(shù)據(jù)可視化。我們還將學習如何檢查和使用 plotnine 附帶的示例數(shù)據(jù)集。

當我們熟悉 plotnine 了功能時，這些例子數(shù)據(jù)集確實很方便。每個數(shù)據(jù)集都是以 pandas DataFrame 的形式提供的，它是一種用來保存數(shù)據(jù)的二維的表格數(shù)據(jù)結(jié)構(gòu)。

我們將使用下列數(shù)據(jù)集做演示?？梢栽?span>plotnine參考資料^[2]中找到完整的示例數(shù)據(jù)集列表。

• **economics**：美國經(jīng)濟數(shù)據(jù)的時間序列
• **mpg**：一系列車輛的燃油經(jīng)濟性數(shù)據(jù)
• **Huron**：休倫湖在1875年至1972年間的水位。

我們可以使用Jupyter筆記本來檢查任何數(shù)據(jù)集。用以下命令啟動 Jupyter 筆記本。

然后，一旦進入Jupyter筆記本，運行下面的代碼就可以看到經(jīng)濟學數(shù)據(jù)集中的原始數(shù)據(jù)。

from plotnine.data import economics
economics

該代碼從 plotnine.data 導入經(jīng)濟學數(shù)據(jù)集，并在一個表格中顯示。

如表所示，該數(shù)據(jù)集包括1967年至2015年間每個月的經(jīng)濟信息。每一行都有以下字段。

• date：收集數(shù)據(jù)的月份
• pce：個人消費支出(以十億美元計)
• pop：總?cè)丝?以千計)
• psavert：個人儲蓄率
• uempmed：失業(yè)時間的中位數(shù)(以周計)
• unemploy：失業(yè)人數(shù)(以千計)

現(xiàn)在，使用plotnine，我們可以創(chuàng)建一個圖來顯示人口歷年的演變。

from plotnine.data import economics
from plotnine import ggplot, aes, geom_line

(
    ggplot(economics)  # 使用什么數(shù)據(jù)？
    + aes(x='date', y='pop')  # 使用什么變量
    + geom_line()  # 用來繪圖的幾何對象
)

該代碼例子從economics數(shù)據(jù)集中創(chuàng)建了一個圖。

1. 第1行 導入的是經(jīng)濟學數(shù)據(jù)集。
2. 第2行 導入了 ggplot() 類，以及plotnine的一些有用的函數(shù)：aes() 和geom_line()。
3. 第5行 使用 ggplot() 創(chuàng)建一個繪圖對象，并將DataFrame傳遞給構(gòu)造函數(shù)。
4. 第6行 添加 aes() 來設置每個軸使用的變量，在這里是 date 和 pop。
5. 第7行 添加了geom_line()來指定圖表應該被繪制成線形圖。

運行上述代碼產(chǎn)生的輸出結(jié)果如下。

這里使用圖形語法時需要指定的三個必要的組件。

1. 想要繪制的數(shù)據(jù)
2. 每個軸上要使用的變量
3. 繪圖時使用的幾何對象

注意到，不同的組件是用 + 運算符組合的。

在下面的章節(jié)中，我們將更深入地了解圖形語法以及如何使用 plotnine 創(chuàng)建數(shù)據(jù)可視化。

了解圖形語法

我們可以在文檔中查閱很多有用的信息：

圖形語法是一種高級工具，它描述圖形的組成部分，將在畫布上實際繪制像素的低層次細節(jié)中抽象出來。

稱之為語法，是因為它定義了組件和規(guī)則，該規(guī)則定義了如何組合組件以創(chuàng)建圖形，就像語言語法定義了如何組合單詞和標點符號以形成句子。

有許多不同的圖形語法，它們在使用的組件和規(guī)則方面都有所不同。plotnine實現(xiàn)的圖形語法是基于R編程語言中的ggplot2。這種特定的語法在Hadley Wickham的論文 ['A Layered Grammar of Graphics '](http://vita./papers/layered-grammar.pdf ''A Layered Grammar of Graphics '')中提出。

下面，我們將了解 plotnine 的圖形語法的主要組成部分和規(guī)則，以及如何使用它們來創(chuàng)建數(shù)據(jù)可視化。首先，回顧一下創(chuàng)建繪圖的三個必要組成部分。

1. 數(shù)據(jù) 是在創(chuàng)建繪圖時要使用的信息。
2. Aesthetics (aes) 提供了數(shù)據(jù)變量和底層繪圖系統(tǒng)使用的aesthetic，或圖形變量之間的映射。在上一節(jié)中，我們將日期和人口的數(shù)據(jù)變量映射到X軸和Y軸的aesthetic變量。
3. 幾何對象 (geoms)  定義了繪圖中使用的幾何對象的類型?？梢允褂命c、線、條和許多其他東西。

如果沒有這三個組成部分中的任何一個，plotnine就不知道如何繪制圖形。

接下來了解可以使用的可選組件。

• 統(tǒng)計轉(zhuǎn)換指定了在繪制數(shù)據(jù)之前對其進行的計算和匯總。
• 在從data到aes的映射過程中，軸刻度應用了一些轉(zhuǎn)換。例如，可以使用一個對數(shù)log刻度來更好地反映數(shù)據(jù)的某些方面。
• Facets 根據(jù)一些屬性將數(shù)據(jù)分為幾組，然后在同一個圖形中把每組繪制成一個單獨的面板。
• 坐標系統(tǒng)將對象的位置映射到圖中的二維圖形位置。例如，我們可以選擇翻轉(zhuǎn)縱軸和橫軸，如果這在我們建立的可視化中更有意義。
• 主題允許我們控制視覺屬性，如顏色、字體和形狀。

上面概括性地介紹了繪圖所需要用的組件，有個簡單直觀印象，接下來我們將逐個學習。

繪制數(shù)據(jù)圖

在本節(jié)中，我們將了解更多關(guān)于使用 plotnine 創(chuàng)建數(shù)據(jù)可視化的三個必要組件。

1. Data
2. Aesthetics
3. Geometric objects

我們還會看到它們是如何被組合起來，從數(shù)據(jù)集中創(chuàng)建一個圖。

Data -- 信息的來源

當創(chuàng)建一個數(shù)據(jù)可視化時，第一步是指定要繪制的數(shù)據(jù)。在plotnine中，可以通過創(chuàng)建一個ggplot對象并將我們想使用的數(shù)據(jù)集傳遞給構(gòu)造函數(shù)來完成。

下面的代碼使用plotnine的燃油經(jīng)濟性示例數(shù)據(jù)集mpg創(chuàng)建了一個ggplot對象。

這段代碼使用mpg數(shù)據(jù)集創(chuàng)建了一個屬于ggplot類的對象。注意，由于我們還沒有指定aes或geoms，上面的代碼將生成一個空白的畫布。接下來，我們將一塊一塊地構(gòu)建這個繪圖。

導入并檢查數(shù)據(jù)集

from plotnine.data import mpg
mpg

這兩行代碼導入并顯示了數(shù)據(jù)集，顯示了以下輸出。

輸出是一個包含1999年至2008年234輛汽車的油耗數(shù)據(jù)的表格。排量( displ )字段是發(fā)動機的大小，單位是升。cty 和 hwy 是城市和公路駕駛的燃油經(jīng)濟性，單位是英里/加侖。

下面我們將學習使用 plotnine 將這些原始數(shù)據(jù)變成圖形的步驟。

Aesthetics -- 為每個軸定義變量

在指定了可視化的數(shù)據(jù)后，下一步是定義在繪圖中的每個軸上使用的變量。DataFrame 中的每一行都可以包含許多字段，所以我們必須告訴 plotnine 我們想在圖形中使用哪些變量。

Aes將數(shù)據(jù)變量映射為圖形屬性，如2D位置和顏色。例如，下面的代碼創(chuàng)建了一個圖形，在X軸上顯示車輛類別，在Y軸上顯示公路油耗。

from plotnine.data import mpg
from plotnine import ggplot, aes

ggplot(mpg) + aes(x='class', y='hwy')

以上一節(jié)中的ggplot對象作為可視化的基礎，將車輛類別屬性映射到水平圖軸上，將hwy燃油經(jīng)濟性映射到垂直軸上。

到這里，生成的圖仍然是空白的，因為它缺少代表每個數(shù)據(jù)元素的幾何對象。

Geoms -- 選擇不同的圖類型

在定義了數(shù)據(jù)和圖形中使用的屬性后，我們需要指定一個幾何對象來告訴 plotnine 如何繪制數(shù)據(jù)點。

plotnine 提供了很多幾何對象，均可以開箱即用，比如線、點、條、多邊形等等。所有可用的幾何對象的列表可在 plotnine 的 geoms API 參考^[3]中找到。

下面的代碼說明了如何使用點的幾何對象來繪制數(shù)據(jù)。

在上面的代碼中，geom_point() 選擇了點的幾何對象。運行該代碼會產(chǎn)生以下輸出。

如圖所示，生成的數(shù)據(jù)可視化對數(shù)據(jù)集中的每輛車都有一個點。軸顯示了車輛類別和公路燃油經(jīng)濟性。

還有許多其他的幾何對象，可以用它們來可視化同樣的數(shù)據(jù)集。例如，下面的代碼使用條形幾何對象來顯示每個類別的車輛數(shù)量。

from plotnine.data import mpg
from plotnine import ggplot, aes, geom_bar

ggplot(mpg) + aes(x='class') + geom_bar()

這里，geom_bar() 將幾何對象設置為bar。由于代碼中沒有為Y軸指定任何屬性，geom_bar() 隱含地將數(shù)據(jù)點按X軸所用的屬性分組，然后將每組中的點的數(shù)量用于Y軸。

運行該代碼，我們會看到以下輸出。

圖中每個條形的高度代表屬于相應車輛類別的車輛數(shù)量。我們將在后面的章節(jié)中了解更多關(guān)于數(shù)據(jù)聚合和分組的信息。

接下來我們將了解到一些可選的組件，可以用來創(chuàng)建更復雜和漂亮的圖形。

加強數(shù)據(jù)可視化

在本節(jié)中，我們將了解到在用 plotnine 構(gòu)建數(shù)據(jù)可視化時可以使用的可選組件。這些組件可以分為五類。可以用它們來創(chuàng)建更豐富、更美麗的圖表。

1. Statistical transformations 統(tǒng)計轉(zhuǎn)換
2. Scales 刻度
3. Coordinates systems 坐標軸系統(tǒng)
4. Facets 分面
5. Themes 主體

統(tǒng)計轉(zhuǎn)換 -- 匯總和轉(zhuǎn)換數(shù)據(jù)

統(tǒng)計轉(zhuǎn)換在繪制數(shù)據(jù)之前對其進行一些計算，例如，顯示一些統(tǒng)計指標而不是原始數(shù)據(jù)。

柱狀圖

假設創(chuàng)建一個柱狀圖來顯示 Lake Huron 從1875年到1975年的水位分布情況。導入并檢查數(shù)據(jù)集。

該代碼導入并顯示了數(shù)據(jù)集。

    year  level   decade
0   1875  580.38  1870
1   1876  581.86  1870
...
96  1971  579.89  1970
97  1972  579.96  1970

正如我們所看到的，該數(shù)據(jù)集包含三列。

1. year
2. level
3. decade

現(xiàn)在可以分兩步建立直方圖。

1. 將水位測量值分組到bins中。
2. 用柱狀圖顯示每個bin的測量數(shù)量。

代碼

在上面的代碼中，stat_bin() 將水平范圍劃分為十個大小相等的bin。然后用條形圖畫出落入每個倉的測量值的數(shù)量。

這張圖顯示了每個湖泊水位范圍的測量次數(shù)。大部分時間的水位都在578和580之間。

對于大多數(shù)常見的任務，如構(gòu)建直方圖，plotnine 中的函數(shù)非常方便，代碼很簡潔。例如，使用 geom_histogram()建立上述直方圖。

from plotnine.data import huron
from plotnine import ggplot, aes, geom_histogram

ggplot(Huron) + aes(x='level') + geom_histogram(bins=10)

使用 geom_histogram() 與使用 stats_bin() 然后 geom_bar() 是一樣的。運行這段代碼會生成上面相同圖形。

箱形圖

現(xiàn)在看看統(tǒng)計轉(zhuǎn)換的另一個例子。箱形圖是一個非常流行的統(tǒng)計工具，用于顯示數(shù)據(jù)集的最小值、最大值、中位數(shù)、第一和第三四分位數(shù)以及離群值。

假設在同一個數(shù)據(jù)集上建立一個可視化，以顯示每個十年的水平測量的箱形圖。我們可以分兩步建立這個圖。

1. 按年代對測量結(jié)果進行分組。
2. 為每組創(chuàng)建一個箱形圖。

可以使用美學規(guī)范中的 factor() 來完成。 factor() 將所有對指定屬性有相同值的數(shù)據(jù)點組合在一起。

然后把數(shù)據(jù)按年代分組就可以用 geom_boxplot() 為每組數(shù)據(jù)畫一個箱形圖。

下面的代碼使用上述步驟創(chuàng)建了一個繪圖。

該代碼使用 factor() 將數(shù)據(jù)行按年代分組，然后使用 geom_boxplot() 來創(chuàng)建箱形圖。

其實一些幾何對象有隱含的統(tǒng)計變換，這可以使我們的代碼更加簡潔。使用geom_boxplot() 等同于 stat_boxplot()，它負責計算四分位數(shù)和離群值。

運行上述代碼，我們會得到以下圖形。

還有其他的統(tǒng)計轉(zhuǎn)換，可以用Python中的ggplot來構(gòu)建數(shù)據(jù)的可視化。

刻度 -- 改變數(shù)據(jù)尺度

刻度是另一種轉(zhuǎn)換，可以在從data到aes的映射中應用，可以幫助可視化更容易理解。

這里看到了一個顯示1970年以來各年人口的圖。下面的代碼顯示了如何使用標尺，而不是原始日期，來顯示自1970年以來的歷年情況。

from plotnine.data import economics
from plotnine import ggplot, aes, scale_x_timedelta, labs, geom_line

(
    ggplot(economics)
    + aes(x='date', y='pop')
    + scale_x_timedelta(name='Years since 1970')
    + labs(title='Population Evolution', y='Population')
    + geom_line()
)

使用 scale_x_timedelta() 通過計算每個點與數(shù)據(jù)集中最早日期的差值來轉(zhuǎn)換每個點的x值。注意，代碼還使用labs()為y軸和標題設置了一個更具描述性的標簽。

運行該代碼顯示了這個圖。

在不改變數(shù)據(jù)的情況下，我們已經(jīng)使可視化更容易理解，對讀者更友好。該圖現(xiàn)在有更好的描述，X軸顯示了自1970年以來的經(jīng)過的年數(shù)，而不是日期。

plotnine 提供了大量的標度轉(zhuǎn)換供你選擇，包括對數(shù)和其他非線性標度。

坐標系統(tǒng) -- 映射數(shù)據(jù)到二維空間

坐標系統(tǒng)定義了數(shù)據(jù)點如何被映射到圖中的二維圖形位置?？梢园阉醋魇且粋€從數(shù)學變量到圖形位置的映射。選擇正確的坐標系統(tǒng)可以提高數(shù)據(jù)可視化的可讀性。

再來看看前面的例子，即用條形圖來統(tǒng)計屬于不同類別的車輛。用下面的代碼創(chuàng)建了該圖。

該代碼使用 geom_bar() 為每一個車輛類別繪制一個條形圖。由于沒有設置特定的坐標系，因此使用了默認的坐標系。

運行該代碼會產(chǎn)生以下圖。

雖然上述圖形沒有什么問題，但如果將軸線翻轉(zhuǎn)，顯示水平條而不是垂直條，同樣的信息就會更直觀。

plotnine 提供了幾個函數(shù)，可以修改坐標系統(tǒng)，可以使用 coord_flip() 翻轉(zhuǎn)坐標軸。

from plotnine.data import mpg
from plotnine import ggplot, aes, geom_bar, coord_flip

ggplot(mpg) + aes(x='class') + geom_bar() + coord_flip()

該代碼使用 coord_flip() 翻轉(zhuǎn)了x軸和y軸。運行該代碼，我們會看到以下圖形。

這個圖形顯示了在前一個圖中看到的相同信息。通過翻轉(zhuǎn)坐標軸，它更容易理解和比較不同的條形。

關(guān)于哪個坐標系更好，沒有硬性規(guī)定。我們應該選擇最適合我們的問題和數(shù)據(jù)的那個。給他們一個嘗試，做一些實驗，以了解什么對每個案例有效。

分面 -- 同一畫布繪制多個數(shù)據(jù)子集

Facets 是 plotnine 最酷的功能之一，facets允許我們按一些屬性對數(shù)據(jù)進行分組，然后在同一張畫布中單獨繪制每組數(shù)據(jù)。當我們想在同一個圖形中顯示兩個以上的變量時，這一點特別有用。

例如利用燃油經(jīng)濟性數(shù)據(jù)集(mpg)，并建立一個圖表，顯示每年每類車輛的每個發(fā)動機尺寸(排量)的每加侖里程。在這種情況下，我們的圖需要顯示四個變量的信息。

1. hwy 每加侖英里數(shù)
2. displ 發(fā)動機尺寸
3. class 車輛類別
4. year 模型年

這里有個問題，我們的變量多于圖形的維度。如果必須顯示三個變量，我們可以使用三維視角，但四維圖形甚至很難想象。

此時可以使用一個兩步技巧來解決該問題。

1. 首先，將數(shù)據(jù)劃分為若干組，其中一組中的所有數(shù)據(jù)點在某些屬性上有相同的值。
2. 對每個組進行單獨繪圖，只顯示分組中未使用的屬性。

回到這個例子，可以按級別和年份對車輛進行分組，然后繪制每組的排量和每加侖英里數(shù)。下面的可視化圖是用這種技術(shù)生成的。

如圖所示，每組都有一個面板。每個面板都顯示了屬于該車輛類別和年份的不同發(fā)動機排量的每加侖英里數(shù)。

代碼

代碼使用 facet_grid() 按年份和車輛類別劃分數(shù)據(jù)，并通過傳遞給它參數(shù) facet='year~class' 用于劃分的屬性。對于每個數(shù)據(jù)分區(qū)，使用諸如aes、geom和labs() 等組件來構(gòu)建繪圖。

facet_grid() 在一個網(wǎng)格中顯示分區(qū)，用一個屬性表示行，另一個屬性表示列。plotnine 提供了其他分面方法，我們可以用兩個以上的屬性來劃分我們的數(shù)據(jù)。

主題 -- 改善可視化外觀

另外選擇一個非默認的主題，可使圖表更加美觀和充滿活力。

plotnine 包括幾個主題，這里我們選用黑暗主題繪制同上面一樣內(nèi)容的圖表。

from plotnine.data import mpg
from plotnine import ggplot, aes, facet_grid, labs, geom_point, theme_dark

(
    ggplot(mpg)
    + facet_grid(facets='year~class')
    + aes(x='displ', y='hwy')
    + labs(
        x='Engine Size',
        y='Miles per Gallon',
        title='Miles per Gallon for Each Year and Vehicle Class',
    )
    + geom_point()
    + theme_dark()
)

在上面的代碼中，指定 theme_dark() 告訴 plotnine 使用黑暗主題來畫圖。下面是由這段代碼生成的圖形。

如圖所示，設置主題會影響顏色、字體和形狀樣式。

theme_xkcd() 是另一個常用的主題，一個非?？岬穆嬍降耐庥^——它使數(shù)據(jù)可視化看起來像漫畫。

選擇新穎的主題可以幫助吸引觀眾的注意力。

到這里我們已經(jīng)了解了圖形語法的主要內(nèi)容，以及如何使用 plotnine 來構(gòu)建數(shù)據(jù)可視化。在Python中使用ggplot可以逐步建立可視化，首先添加數(shù)據(jù)，然后添加和調(diào)整組件以改善其圖形外面表現(xiàn)。

在下文中，云朵君將和大家一起學習如何使用顏色以及如何導出可視化圖表。

多維度數(shù)據(jù)可視化

前面我們已經(jīng)了解到，顯示兩個以上的變量的數(shù)據(jù)會比較困難。那如何同時顯示三個變量，并用顏色來表示數(shù)值，接下來我們一起學習吧。

回到燃油經(jīng)濟性數(shù)據(jù)集(mpg)，需要把發(fā)動機汽缸數(shù)和燃油效率之間的關(guān)系可視化，但也需要在同一個圖中包括車輛類別的信息。

作為分面的替代方法，可以用顏色來表示第三個變量的值。那我們就必須把發(fā)動機氣缸數(shù)映射到X軸上，把每加侖的里程數(shù)映射到Y(jié)軸上，然后用不同的顏色來代表車輛的等級。

下面的代碼創(chuàng)建了所述的數(shù)據(jù)可視化。

通過在aes定義中傳遞 color='class'，車輛類別被映射到圖形顏色。

運行該代碼會顯示這個圖形。

前文中，我們學習了另一種方法，即使用 Python 中的 ggplot 在圖形中顯示兩個以上的變量。當有三個變量時，應該在使用 facets 和 colors 之間做出選擇，這取決于哪種方法使數(shù)據(jù)的可視化更容易理解。

導出圖表文件

在某些情況下，需要以編程方式將生成的繪圖保存為圖像文件，而不是在Jupyter Notebook 中實時顯示它們。

plotnine 提供了一個非常方便的 save() 方法，可以將繪圖導出為圖像并保存到一個文件。例如，將圖形保存到一個名為 myplot.png 的文件中。

from plotnine.data import economics
from plotnine import ggplot, aes, geom_line

myPlot = ggplot(economics) + aes(x='date', y='pop') + geom_line()
myPlot.save('myplot.png', dpi=600)

這里將數(shù)據(jù)可視化對象存儲在myPlot中，然后調(diào)用save()將圖形導出為圖像并存儲為myplot.png。

在使用save()時，我們可以調(diào)整一些圖像設置，如圖像的每英寸點數(shù)(dpi)。當需要高質(zhì)量的圖像來包含在演示文稿或文章中時，這真的很有用。

plotnine 還包括一個將各種繪圖保存在單個PDF 文件中的方法。我們可以在 plotnine 的 save_as_pdf_pages 文檔中了解它并看到一些很酷的例子。

總結(jié)

在 Python 中使用 ggplot 可以讓我們以一種非常簡潔和一致的方式建立數(shù)據(jù)可視化。使用 plotnine 只需幾行代碼就可以做出復雜而漂亮的圖。

最后，如果你對該圖庫感興趣，可以看看 plotnine 的文檔^[4]，繼續(xù)深入 Python 中的 ggplot，還可以訪問 plotnine 的圖庫^[5] 以獲得更多的想法和靈感。

參考資料