用Python绘制动态可视化图表，屌爆了

对数据科学家来说，讲故事是一个至关重要的技能。为了表达我们的思想并且说服别人，我们需要有效的沟通。而漂漂亮亮的可视化是完成这一任务的绝佳工具。

本文将介绍5种非传统的可视化技术，可让你的数据故事更漂亮和更有效。这里将使用Python的Plotly图形库，让你可以毫不费力地生成动画图表和交互式图表。

安装模块

如果你还没安装 Plotly，只需在你的终端运行以下命令即可完成安装：

pip install plotly

可视化动态图

在研究这个或那个指标的演变时，我们常涉及到时间数据。Plotly动画工具仅需一行代码就能让人观看数据随时间的变化情况，如下图所示：

代码如下

import plotly.express as px
from vega_datasets import data
df = data.disasters()
df = df[df.Year > 1990]
fig = px.bar(df,
             y=\"Entity\",
             x=\"Deaths\",
             animation_frame=\"Year\",
             orientation=\'h\',
             range_x=[0, df.Deaths.max()],
             color=\"Entity\")
# improve aesthetics (size, grids etc.)
fig.update_layout(width=1000,
                  height=800,
                  xaxis_showgrid=False,
                  yaxis_showgrid=False,
                  paper_bgcolor=\'rgba(0,0,0,0)\',
                  plot_bgcolor=\'rgba(0,0,0,0)\',
                  title_text=\'Evolution of Natural Disasters\',
                  showlegend=False)
fig.update_xaxes(title_text=\'Number of Deaths\')
fig.update_yaxes(title_text=\'\')
fig.show()

只要你有一个时间变量来过滤，那么几乎任何图表都可以做成动画。下面是一个制作散点图动画的例子：

import plotly.express as px
df = px.data.gapminder()
fig = px.scatter(
    df,
    x=\"gdpPercap\",
    y=\"lifeExp\",
    animation_frame=\"year\",
    size=\"pop\",
    color=\"continent\",
    hover_name=\"country\",
    log_x=True,
    size_max=55,
    range_x=[100, 100000],
    range_y=[25, 90],

    #   color_continuous_scale=px.colors.sequential.Emrld
)
fig.update_layout(width=1000,
                  height=800,
                  xaxis_showgrid=False,
                  yaxis_showgrid=False,
                  paper_bgcolor=\'rgba(0,0,0,0)\',
                  plot_bgcolor=\'rgba(0,0,0,0)\')

太阳图

太阳图（sunburst chart）是一种可视化group by语句的好方法。如果你想通过一个或多个类别变量来分解一个给定的量，那就用太阳图吧。

假设我们想根据性别和每天的时间分解平均小费数据，那么相较于表格，这种双重group by语句可以通过可视化来更有效地展示。

这个图表是交互式的，让你可以自己点击并探索各个类别。你只需要定义你的所有类别，并声明它们之间的层次结构（见以下代码中的parents参数）并分配对应的值即可，这在我们案例中即为group by语句的输出。

import plotly.graph_objects as go
import plotly.express as px
import numpy as np
import pandas as pd
df = px.data.tips()
fig = go.Figure(go.Sunburst(
    labels=[\"Female\", \"Male\", \"Dinner\", \"Lunch\", \'Dinner \', \'Lunch \'],
    parents=[\"\", \"\", \"Female\", \"Female\", \'Male\', \'Male\'],
    values=np.append(
        df.groupby(\'sex\').tip.mean().values,
        df.groupby([\'sex\', \'time\']).tip.mean().values),
    marker=dict(colors=px.colors.sequential.Emrld)),
                layout=go.Layout(paper_bgcolor=\'rgba(0,0,0,0)\',
                                 plot_bgcolor=\'rgba(0,0,0,0)\'))

fig.update_layout(margin=dict(t=0, l=0, r=0, b=0),
                  title_text=\'Tipping Habbits Per Gender, Time and Day\')
fig.show()

现在我们向这个层次结构再添加一层：

为此，我们再添加另一个涉及三个类别变量的group by语句的值

import plotly.graph_objects as go
import plotly.express as px
import pandas as pd
import numpy as np
df = px.data.tips()
fig = go.Figure(go.Sunburst(labels=[
    \"Female\", \"Male\", \"Dinner\", \"Lunch\", \'Dinner \', \'Lunch \', \'Fri\', \'Sat\',
    \'Sun\', \'Thu\', \'Fri \', \'Thu \', \'Fri  \', \'Sat  \', \'Sun  \', \'Fri   \', \'Thu   \'
],
                            parents=[
                                \"\", \"\", \"Female\", \"Female\", \'Male\', \'Male\',
                                \'Dinner\', \'Dinner\', \'Dinner\', \'Dinner\',
                                \'Lunch\', \'Lunch\', \'Dinner \', \'Dinner \',
                                \'Dinner \', \'Lunch \', \'Lunch \'
                            ],
                            values=np.append(
                                np.append(
                                    df.groupby(\'sex\').tip.mean().values,
                                    df.groupby([\'sex\',
                                                \'time\']).tip.mean().values,
                                ),
                                df.groupby([\'sex\', \'time\',
                                            \'day\']).tip.mean().values),
                            marker=dict(colors=px.colors.sequential.Emrld)),
                layout=go.Layout(paper_bgcolor=\'rgba(0,0,0,0)\',
                                 plot_bgcolor=\'rgba(0,0,0,0)\'))
fig.update_layout(margin=dict(t=0, l=0, r=0, b=0),
                  title_text=\'Tipping Habbits Per Gender, Time and Day\')

fig.show()

指针图

指针图仅仅是为了好看。在报告 KPI 等成功指标并展示其与你的目标的距离时，可以使用这种图表。

import plotly.graph_objects as go
fig = go.Figure(go.Indicator(
    domain = {\'x\': [0, 1], \'y\': [0, 1]},
    value = 4.3,
    mode = \"gauge+number+delta\",
    title = {\'text\': \"Success Metric\"},
    delta = {\'reference\': 3.9},
    gauge = {\'bar\': {\'color\': \"lightgreen\"},
        \'axis\': {\'range\': [None, 5]},
             \'steps\' : [
                 {\'range\': [0, 2.5], \'color\': \"lightgray\"},
                 {\'range\': [2.5, 4], \'color\': \"gray\"}],
          }))
fig.show()

桑基图

另一种探索类别变量之间关系的方法是以下这种平行坐标图。你可以随时拖放、高亮和浏览值，非常适合演示时使用。

代码如下

import plotly.express as px
from vega_datasets import data
import pandas as pd
df = data.movies()
df = df.dropna()
df[\'Genre_id\'] = df.Major_Genre.factorize()[0]
fig = px.parallel_categories(
    df,
    dimensions=[\'MPAA_Rating\', \'Creative_Type\', \'Major_Genre\'],
    color=\"Genre_id\",
    color_continuous_scale=px.colors.sequential.Emrld,
)
fig.show()

平行坐标图

平行坐标图是上面的图表的衍生版本。这里，每一根弦都代表单个观察。这是一种可用于识别离群值（远离其它数据的单条线）、聚类、趋势和冗余变量（比如如果两个变量在每个观察上的值都相近，那么它们将位于同一水平线上，表示存在冗余）的好用工具。

代码如下

import plotly.express as px
from vega_datasets import data
import pandas as pd
df = data.movies()
df = df.dropna()
df[\'Genre_id\'] = df.Major_Genre.factorize()[0]
fig = px.parallel_coordinates(
    df,
    dimensions=[
        \'IMDB_Rating\', \'IMDB_Votes\', \'Production_Budget\', \'Running_Time_min\',
        \'US_Gross\', \'Worldwide_Gross\', \'US_DVD_Sales\'
    ],
    color=\'IMDB_Rating\',
    color_continuous_scale=px.colors.sequential.Emrld)
fig.show()

推荐阅读

没有50W彩礼 女友被强行拽走! Python数据分析全国各地的彩礼情况，细谈结一次婚到底要多少钱

2022-02-13

用Python绘制谷爱凌的卡通动漫形象，太惊艳了

2022-02-10

分享3个干货满满的Python实战项目，点赞收藏

2022-02-07

推荐10个好用到爆的Jupyter Notebook插件

2022-01-30

分享3个好用到爆的Python模块，点赞收藏

2022-01-24

分享、收藏、点赞、在看安排一下？