当前位置：首页 > 科技 > 正文

50个数据可视化最有价值的图表

作者：lemonbit

from Unsplash by@Mike Enerio

翻译 |Lemon

来源 | Machine Learning Plus

23 直方密度线图 （Density Curves with Histogram）

带有直方图的密度曲线汇集了两个图所传达的集体信息，因此您可以将它们放在一个图中而不是两个图中。

  1. # Import Data

  2. df = pd.read_csv('https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv')

  4. # Draw Plot

  5. plt.figure(figsize=(13,10), dpi= 80)

  6. sns.distplot(df.loc[df['class'] == 'compact', 'cty'], color='dodgerblue', label='Compact', hist_kws={'alpha':.7}, kde_kws={'linewidth':3})

  7. sns.distplot(df.loc[df['class'] == 'suv', 'cty'], color='orange', label='SUV', hist_kws={'alpha':.7}, kde_kws={'linewidth':3})

  8. sns.distplot(df.loc[df['class'] == 'minivan', 'cty'], color='g', label='minivan', hist_kws={'alpha':.7}, kde_kws={'linewidth':3})

  9. plt.ylim(0, 0.35)

  11. # Decoration

  12. plt.title('Density Plot of City Mileage by Vehicle Type', fontsize=22)

  13. plt.legend()

  14. plt.show()

图23

24 Joy Plot

Joy Plot允许不同组的密度曲线重叠，这是一种可视化大量分组数据的彼此关系分布的好方法。 它看起来很悦目，并清楚地传达了正确的信息。 它可以使用基于 matplotlib 的 joypy 包轻松构建。 （『Python数据之道』注：需要安装 joypy 库）

     
 
    
      
  
  1. # !pip install joypy
    2. 
      
  
  2. # Python数据之道 备注
    3. 
      
  
  3. import joypy
    4. 
      
  
  4. 
      
  
  5. # Import Data
    6. 
      
  
  6. mpg = pd.read_csv('https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv')
    7. 
      
  
  7. 
      
  
  8. # Draw Plot
    9. 
      
  
  9. plt.figure(figsize=(16,10), dpi= 80)
    10. 
      
  
  10. fig, axes = joypy.joyplot(mpg, column=['hwy', 'cty'], by='class', ylim='own', figsize=(14,10))
    11. 
      
  
  11. 
      
  
  12. # Decoration
    13. 
      
  
  13. plt.title('Joy Plot of City and Highway Mileage by Class', fontsize=22)
    14. 
      
  
  14. plt.show()
    15.

图24

25 分布式包点图 （Distributed Dot Plot）

分布式包点图显示按组分割的点的单变量分布。 点数越暗，该区域的数据点集中度越高。 通过对中位数进行不同着色，组的真实定位立即变得明显。

图25

26 箱形图 （Box Plot）

箱形图是一种可视化分布的好方法，记住中位数、第25个第45个四分位数和异常值。 但是，您需要注意解释可能会扭曲该组中包含的点数的框的大小。 因此，手动提供每个框中的观察数量可以帮助克服这个缺点。

例如，左边的前两个框具有相同大小的框，即使它们的值分别是5和47。 因此，写入该组中的观察数量是必要的。

  1. # Import Data

  2. df = pd.read_csv('https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv')

  4. # Draw Plot

  5. plt.figure(figsize=(13,10), dpi= 80)

  6. sns.boxplot(x='class', y='hwy', data=df, notch=False)

  8. # Add N Obs inside boxplot (optional)

  9. def add_n_obs(df,group_col,y):

  10. medians_dict = {grp[0]:grp[1][y].median() for grp in df.groupby(group_col)}

  11. xticklabels = [x.get_text() for x in plt.gca().get_xticklabels()]

  12. n_obs = df.groupby(group_col)[y].size().values

  13. for (x, xticklabel), n_ob in zip(enumerate(xticklabels), n_obs):

  14. plt.text(x, medians_dict[xticklabel]*1.01, '#obs : '+str(n_ob), horizontalalignment='center', fontdict={'size':14}, color='white')

  16. add_n_obs(df,group_col='class',y='hwy')

  18. # Decoration

  19. plt.title('Box Plot of Highway Mileage by Vehicle Class', fontsize=22)

  20. plt.ylim(10, 40)

  21. plt.show()

图26

27 包点+箱形图 （Dot + Box Plot）

包点+箱形图 （Dot + Box Plot）传达类似于分组的箱形图信息。 此外，这些点可以了解每组中有多少数据点。

     
 
    
      
  
  1. # Import Data
    2. 
      
  
  2. df = pd.read_csv('https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv')
    3. 
      
  
  3. 
      
  
  4. # Draw Plot
    5. 
      
  
  5. plt.figure(figsize=(13,10), dpi= 80)
    6. 
      
  
  6. sns.boxplot(x='class', y='hwy', data=df, hue='cyl')
    7. 
      
  
  7. sns.stripplot(x='class', y='hwy', data=df, color='black', size=3, jitter=1)
    8. 
      
  
  8. 
      
  
  9. for i in range(len(df['class'].unique())-1):
    10. 
      
  
  10.   plt.vlines(i+.5, 10, 45, linestyles='solid', colors='gray', alpha=0.2)
    11. 
      
  
  11. 
      
  
  12. # Decoration
    13. 
      
  
  13. plt.title('Box Plot of Highway Mileage by Vehicle Class', fontsize=22)
    14. 
      
  
  14. plt.legend(title='Cylinders')
    15. 
      
  
  15. plt.show()
    16.

图27

28 小提琴图 （Violin Plot）

小提琴图是箱形图在视觉上令人愉悦的替代品。 小提琴的形状或面积取决于它所持有的观察次数。 但是，小提琴图可能更难以阅读，并且在专业设置中不常用。

  1. # Import Data

  2. df = pd.read_csv('https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv')

  4. # Draw Plot

  5. plt.figure(figsize=(13,10), dpi= 80)

  6. sns.violinplot(x='class', y='hwy', data=df, scale='width', inner='quartile')

  8. # Decoration

  9. plt.title('Violin Plot of Highway Mileage by Vehicle Class', fontsize=22)

  10. plt.show()

图28

29 人口金字塔 （Population Pyramid）

人口金字塔可用于显示由数量排序的组的分布。 或者它也可以用于显示人口的逐级过滤，因为它在下面用于显示有多少人通过营销渠道的每个阶段。

     
 
    
      
  
  1. # Read data
    2. 
      
  
  2. df = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/email_campaign_funnel.csv')
    3. 
      
  
  3. 
      
  
  4. # Draw Plot
    5. 
      
  
  5. plt.figure(figsize=(13,10), dpi= 80)
    6. 
      
  
  6. group_col = 'Gender'
    7. 
      
  
  7. order_of_bars = df.Stage.unique()[::-1]
    8. 
      
  
  8. colors = [plt.cm.Spectral(i/float(len(df[group_col].unique())-1)) for i in range(len(df[group_col].unique()))]
    9. 
      
  
  9. 
      
  
  10. for c, group in zip(colors, df[group_col].unique()):
    11. 
      
  
  11.   sns.barplot(x='Users', y='Stage', data=df.loc[df[group_col]==group, :], order=order_of_bars, color=c, label=group)
    12. 
      
  
  12. 
      
  
  13. # Decorations  
    14. 
      
  
  14. plt.xlabel('$Users$')
    15. 
      
  
  15. plt.ylabel('Stage of Purchase')
    16. 
      
  
  16. plt.yticks(fontsize=12)
    17. 
      
  
  17. plt.title('Population Pyramid of the Marketing Funnel', fontsize=22)
    18. 
      
  
  18. plt.legend()
    19. 
      
  
  19. plt.show()
    20.

图29

30 分类图 （Categorical Plots）

由 seaborn库 提供的分类图可用于可视化彼此相关的2个或更多分类变量的计数分布。

  1. # Load Dataset

  2. titanic = sns.load_dataset('titanic')

  4. # Plot

  5. g = sns.catplot('alive', col='deck', col_wrap=4,

  6. data=titanic[titanic.deck.notnull()],

  7. kind='count', height=3.5, aspect=.8,

  8. palette='tab20')

  10. fig.suptitle('sf')

  11. plt.show()

图30

     
 
    
      
  
  1. # Load Dataset
    2. 
      
  
  2. titanic = sns.load_dataset('titanic')
    3. 
      
  
  3. 
      
  
  4. # Plot
    5. 
      
  
  5. sns.catplot(x='age', y='embark_town',
    6. 
      
  
  6.       hue='sex', col='class',
    7. 
      
  
  7.       data=titanic[titanic.embark_town.notnull()],
    8. 
      
  
  8.       orient='h', height=5, aspect=1, palette='tab10',
    9. 
      
  
  9.       kind='violin', dodge=True, cut=0, bw=.2)
    10.

图30-2

五、组成 （Composition） 31 华夫饼图 （Waffle Chart）

可以使用 pywaffle包 创建华夫饼图，并用于显示更大群体中的组的组成。

（『Python数据之道』注：需要安装 pywaffle 库）

  1. #! pip install pywaffle

  2. # Reference: https://stackoverflow.com/questions/41400136/how-to-do-waffle-charts-in-python-square-piechart

  3. from pywaffle import Waffle

  5. # Import

  6. df_raw = pd.read_csv('https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv')

  8. # Prepare Data

  9. df = df_raw.groupby('class').size().reset_index(name='counts')

  10. n_categories = df.shape[0]

  11. colors = [plt.cm.inferno_r(i/float(n_categories)) for i in range(n_categories)]

  13. # Draw Plot and Decorate

  14. fig = plt.figure(

  15. FigureClass=Waffle,

  16. plots={

  17. '111': {

  18. 'values': df['counts'],

  19. 'labels': ['{0} ({1})'.format(n[0], n[1]) for n in df[['class', 'counts']].itertuples()],

  20. 'legend': {'loc': 'upper left', 'bbox_to_anchor': (1.05, 1), 'fontsize': 12},

  21. 'title': {'label': '# Vehicles by Class', 'loc': 'center', 'fontsize':18}

  22. },

  23. },

  24. rows=7,

  25. colors=colors,

  26. figsize=(16, 9)

  27. )

图31

图31-2

32 饼图 （Pie Chart）

饼图是显示组成的经典方式。 然而，现在通常不建议使用它，因为馅饼部分的面积有时会变得误导。 因此，如果您要使用饼图，强烈建议明确记下饼图每个部分的百分比或数字。

     
 
    
      
  
  1. # Import
    2. 
      
  
  2. df_raw = pd.read_csv('https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv')
    3. 
      
  
  3. 
      
  
  4. # Prepare Data
    5. 
      
  
  5. df = df_raw.groupby('class').size()
    6. 
      
  
  6. 
      
  
  7. # Make the plot with pandas
    8. 
      
  
  8. df.plot(kind='pie', subplots=True, figsize=(8, 8))
    9. 
      
  
  9. plt.title('Pie Chart of Vehicle Class - Bad')
    10. 
      
  
  10. plt.ylabel('')
    11. 
      
  
  11. plt.show()
    12.

图32

图32-2

33 树形图 （Treemap）

树形图类似于饼图，它可以更好地完成工作而不会误导每个组的贡献。

（『Python数据之道』注：需要安装 squarify 库）

  1. # pip install squarify

  2. import squarify

  4. # Import Data

  5. df_raw = pd.read_csv('https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv')

  7. # Prepare Data

  8. df = df_raw.groupby('class').size().reset_index(name='counts')

  9. labels = df.apply(lambda x: str(x[0]) + '
    (' + str(x[1]) + ')', axis=1)

  10. sizes = df['counts'].values.tolist()

  11. colors = [plt.cm.Spectral(i/float(len(labels))) for i in range(len(labels))]

  13. # Draw Plot

  14. plt.figure(figsize=(12,8), dpi= 80)

  15. squarify.plot(sizes=sizes, label=labels, color=colors, alpha=.8)

  17. # Decorate

  18. plt.title('Treemap of Vechile Class')

  19. plt.axis('off')

  20. plt.show()

图33

34 条形图 （Bar Chart）

条形图是基于计数或任何给定指标可视化项目的经典方式。 在下面的图表中，我为每个项目使用了不同的颜色，但您通常可能希望为所有项目选择一种颜色，除非您按组对其进行着色。 颜色名称存储在下面代码中的all_colors中。 您可以通过在plt.plot（）中设置颜色参数来更改条的颜色。

     
 
    
      
  
  1. import random
    2. 
      
  
  2. 
      
  
  3. # Import Data
    4. 
      
  
  4. df_raw = pd.read_csv('https://github.com/selva86/datasets/raw/master/mpg_ggplot2.csv')
    5. 
      
  
  5. 
      
  
  6. # Prepare Data
    7. 
      
  
  7. df = df_raw.groupby('manufacturer').size().reset_index(name='counts')
    8. 
      
  
  8. n = df['manufacturer'].unique().__len__()+1
    9. 
      
  
  9. all_colors = list(plt.cm.colors.cnames.keys())
    10. 
      
  
  10. random.seed(100)
    11. 
      
  
  11. c = random.choices(all_colors, k=n)
    12. 
      
  
  12. 
      
  
  13. # Plot Bars
    14. 
      
  
  14. plt.figure(figsize=(16,10), dpi= 80)
    15. 
      
  
  15. plt.bar(df['manufacturer'], df['counts'], color=c, width=.5)
    16. 
      
  
  16. for i, val in enumerate(df['counts'].values):
    17. 
      
  
  17.   plt.text(i, val, float(val), horizontalalignment='center', verticalalignment='bottom', fontdict={'fontweight':500, 'size':12})
    18. 
      
  
  18. 
      
  
  19. # Decoration
    20. 
      
  
  20. plt.gca().set_xticklabels(df['manufacturer'], rotation=60, horizontalalignment= 'right')
    21. 
      
  
  21. plt.title('Number of Vehicles by Manaufacturers', fontsize=22)
    22. 
      
  
  22. plt.ylabel('# Vehicles')
    23. 
      
  
  23. plt.ylim(0, 45)
    24. 
      
  
  24. plt.show()
    25.

图34

六、变化 （Change） 35 时间序列图 （Time Series Plot）

时间序列图用于显示给定度量随时间变化的方式。 在这里，您可以看到 1949年 至 1969年间航空客运量的变化情况。

  1. # Import Data

  2. df = pd.read_csv('https://github.com/selva86/datasets/raw/master/AirPassengers.csv')

  4. # Draw Plot

  5. plt.figure(figsize=(16,10), dpi= 80)

  6. plt.plot('date', 'traffic', data=df, color='tab:red')

  8. # Decoration

  9. plt.ylim(50, 750)

  10. xtick_location = df.index.tolist()[::12]

  11. xtick_labels = [x[-4:] for x in df.date.tolist()[::12]]

  12. plt.xticks(ticks=xtick_location, labels=xtick_labels, rotation=0, fontsize=12, horizontalalignment='center', alpha=.7)

  13. plt.yticks(fontsize=12, alpha=.7)

  14. plt.title('Air Passengers Traffic (1949 - 1969)', fontsize=22)

  15. plt.grid(axis='both', alpha=.3)

  17. # Remove borders

  18. plt.gca().spines['top'].set_alpha(0.0)

  19. plt.gca().spines['bottom'].set_alpha(0.3)

  20. plt.gca().spines['right'].set_alpha(0.0)

  21. plt.gca().spines['left'].set_alpha(0.3)

  22. plt.show()

图35

36 带波峰波谷标记的时序图 （Time Series with Peaks and Troughs Annotated）

下面的时间序列绘制了所有峰值和低谷，并注释了所选特殊事件的发生。

图36

37 自相关和部分自相关图 （Autocorrelation (ACF) and Partial Autocorrelation (PACF) Plot）

自相关图（ACF图）显示时间序列与其自身滞后的相关性。 每条垂直线（在自相关图上）表示系列与滞后0之间的滞后之间的相关性。图中的蓝色阴影区域是显着性水平。 那些位于蓝线之上的滞后是显着的滞后。

那么如何解读呢？

对于空乘旅客，我们看到多达14个滞后跨越蓝线，因此非常重要。 这意味着，14年前的航空旅客交通量对今天的交通状况有影响。

PACF在另一方面显示了任何给定滞后（时间序列）与当前序列的自相关，但是删除了滞后的贡献。

     
 
    
      
  
  1. from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
    2. 
      
  
  2. 
      
  
  3. # Import Data
    4. 
      
  
  4. df = pd.read_csv('https://github.com/selva86/datasets/raw/master/AirPassengers.csv')
    5. 
      
  
  5. 
      
  
  6. # Draw Plot
    7. 
      
  
  7. fig, (ax1, ax2) = plt.subplots(1, 2,figsize=(16,6), dpi= 80)
    8. 
      
  
  8. plot_acf(df.traffic.tolist(), ax=ax1, lags=50)
    9. 
      
  
  9. plot_pacf(df.traffic.tolist(), ax=ax2, lags=20)
    10. 
      
  
  10. 
      
  
  11. # Decorate
    12. 
      
  
  12. # lighten the borders
    13. 
      
  
  13. ax1.spines['top'].set_alpha(.3); ax2.spines['top'].set_alpha(.3)
    14. 
      
  
  14. ax1.spines['bottom'].set_alpha(.3); ax2.spines['bottom'].set_alpha(.3)
    15. 
      
  
  15. ax1.spines['right'].set_alpha(.3); ax2.spines['right'].set_alpha(.3)
    16. 
      
  
  16. ax1.spines['left'].set_alpha(.3); ax2.spines['left'].set_alpha(.3)
    17. 
      
  
  17. 
      
  
  18. # font size of tick labels
    19. 
      
  
  19. ax1.tick_params(axis='both', labelsize=12)
    20. 
      
  
  20. ax2.tick_params(axis='both', labelsize=12)
    21. 
      
  
  21. plt.show()
    22.

图37

38 交叉相关图 （Cross Correlation plot）

交叉相关图显示了两个时间序列相互之间的滞后。

图38

39 时间序列分解图 （Time Series Decomposition Plot）

时间序列分解图显示时间序列分解为趋势，季节和残差分量。

  1. from statsmodels.tsa.seasonal import seasonal_decompose

  2. from dateutil.parser import parse

  4. # Import Data

  5. df = pd.read_csv('https://github.com/selva86/datasets/raw/master/AirPassengers.csv')

  6. dates = pd.DatetimeIndex([parse(d).strftime('%Y-%m-01') for d in df['date']])

  7. df.set_index(dates, inplace=True)

  9. # Decompose

  10. result = seasonal_decompose(df['traffic'], model='multiplicative')

  12. # Plot

  13. plt.rcParams.update({'figure.figsize': (10,10)})

  14. result.plot().suptitle('Time Series Decomposition of Air Passengers')

  15. plt.show()

图39

40 多个时间序列 （Multiple Time Series）

您可以绘制多个时间序列，在同一图表上测量相同的值，如下所示。

图40

41 使用辅助 Y 轴来绘制不同范围的图形 （Plotting with different scales using secondary Y axis）

如果要显示在同一时间点测量两个不同数量的两个时间序列，则可以在右侧的辅助Y轴上再绘制第二个系列。

图41

42 带有误差带的时间序列 （Time Series with Error Bands）

如果您有一个时间序列数据集，每个时间点（日期/时间戳）有多个观测值，则可以构建带有误差带的时间序列。 您可以在下面看到一些基于每天不同时间订单的示例。 另一个关于45天持续到达的订单数量的例子。

在该方法中，订单数量的平均值由白线表示。 并且计算95％置信区间并围绕均值绘制。

图42

图42-2

43 堆积面积图 （Stacked Area Chart）

堆积面积图可以直观地显示多个时间序列的贡献程度，因此很容易相互比较。

图43

44 未堆积的面积图 （Area Chart UnStacked）

未堆积面积图用于可视化两个或更多个系列相对于彼此的进度（起伏）。 在下面的图表中，您可以清楚地看到随着失业中位数持续时间的增加，个人储蓄率会下降。 未堆积面积图表很好地展示了这种现象。

     
 
    
      
  
  1. # Import Data
    2. 
      
  
  2. df = pd.read_csv('https://github.com/selva86/datasets/raw/master/economics.csv')
    3. 
      
  
  3. 
      
  
  4. # Prepare Data
    5. 
      
  
  5. x = df['date'].values.tolist()
    6. 
      
  
  6. y1 = df['psavert'].values.tolist()
    7. 
      
  
  7. y2 = df['uempmed'].values.tolist()
    8. 
      
  
  8. mycolors = ['tab:red', 'tab:blue', 'tab:green', 'tab:orange', 'tab:brown', 'tab:grey', 'tab:pink', 'tab:olive']   
    9. 
      
  
  9. columns = ['psavert', 'uempmed']
    10. 
      
  
  10. 
      
  
  11. # Draw Plot
    12. 
      
  
  12. fig, ax = plt.subplots(1, 1, figsize=(16,9), dpi= 80)
    13. 
      
  
  13. ax.fill_between(x, y1=y1, y2=0, label=columns[1], alpha=0.5, color=mycolors[1], linewidth=2)
    14. 
      
  
  14. ax.fill_between(x, y1=y2, y2=0, label=columns[0], alpha=0.5, color=mycolors[0], linewidth=2)
    15. 
      
  
  15. 
      
  
  16. # Decorations
    17. 
      
  
  17. ax.set_title('Personal Savings Rate vs Median Duration of Unemployment', fontsize=18)
    18. 
      
  
  18. ax.set(ylim=[0, 30])
    19. 
      
  
  19. ax.legend(loc='best', fontsize=12)
    20. 
      
  
  20. plt.xticks(x[::50], fontsize=10, horizontalalignment='center')
    21. 
      
  
  21. plt.yticks(np.arange(2.5, 30.0, 2.5), fontsize=10)
    22. 
      
  
  22. plt.xlim(-10, x[-1])
    23. 
      
  
  23. 
      
  
  24. # Draw Tick lines 
    25. 
      
  
  25. for y in np.arange(2.5, 30.0, 2.5):  
    26. 
      
  
  26.   plt.hlines(y, xmin=0, xmax=len(x), colors='black', alpha=0.3, linestyles='--', lw=0.5)
    27. 
      
  
  27. 
      
  
  28. # Lighten borders
    29. 
      
  
  29. plt.gca().spines['top'].set_alpha(0)
    30. 
      
  
  30. plt.gca().spines['bottom'].set_alpha(.3)
    31. 
      
  
  31. plt.gca().spines['right'].set_alpha(0)
    32. 
      
  
  32. plt.gca().spines['left'].set_alpha(.3)
    33. 
      
  
  33. plt.show()
    34.

图44

45 日历热力图 （Calendar Heat Map）

与时间序列相比，日历地图是可视化基于时间的数据的备选和不太优选的选项。 虽然可以在视觉上吸引人，但数值并不十分明显。 然而，它可以很好地描绘极端值和假日效果。

（『Python数据之道』注：需要安装 calmap 库）

  1. import matplotlib as mpl

  3. # pip install calmap

  4. # Python数据之道 备注

  5. import calmap

  7. # Import Data

  8. df = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/yahoo.csv', parse_dates=['date'])

  9. df.set_index('date', inplace=True)

  11. # Plot

  12. plt.figure(figsize=(16,10), dpi= 80)

  13. calmap.calendarplot(df['2014']['VIX.Close'], fig_kws={'figsize': (16,10)}, yearlabel_kws={'color':'black', 'fontsize':14}, subplot_kws={'title':'Yahoo Stock Prices'})

  14. plt.show()

图45

46 季节图 （Seasonal Plot）

季节图可用于比较上一季中同一天（年/月/周等）的时间序列。

图46

七、分组 （Groups） 47 树状图 （Dendrogram）

树形图基于给定的距离度量将相似的点组合在一起，并基于点的相似性将它们组织在树状链接中。

     
 
    
      
  
  1. import scipy.cluster.hierarchy as shc
    2. 
      
  
  2. 
      
  
  3. # Import Data
    4. 
      
  
  4. df = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/USArrests.csv')
    5. 
      
  
  5. 
      
  
  6. # Plot
    7. 
      
  
  7. plt.figure(figsize=(16, 10), dpi= 80) 
    8. 
      
  
  8. plt.title('USArrests Dendograms', fontsize=22) 
    9. 
      
  
  9. dend = shc.dendrogram(shc.linkage(df[['Murder', 'Assault', 'UrbanPop', 'Rape']], method='ward'), labels=df.State.values, color_threshold=100) 
    10. 
      
  
  10. plt.xticks(fontsize=12)
    11. 
      
  
  11. plt.show()
    12.

图47

48 簇状图 （Cluster Plot）

簇状图 （Cluster Plot）可用于划分属于同一群集的点。 下面是根据USArrests数据集将美国各州分为5组的代表性示例。 此图使用“谋杀”和“攻击”列作为X和Y轴。 或者，您可以将第一个到主要组件用作X轴和Y轴。

  1. from sklearn.cluster import AgglomerativeClustering

  2. from scipy.spatial import ConvexHull

  4. # Import Data

  5. df = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/USArrests.csv')

  7. # Agglomerative Clustering

  8. cluster = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')

  9. cluster.fit_predict(df[['Murder', 'Assault', 'UrbanPop', 'Rape']])

  11. # Plot

  12. plt.figure(figsize=(14, 10), dpi= 80)

  13. plt.scatter(df.iloc[:,0], df.iloc[:,1], c=cluster.labels_, cmap='tab10')

  15. # Encircle

  16. def encircle(x,y, ax=None, **kw):

  17. if not ax: ax=plt.gca()

  18. p = np.c_[x,y]

  19. hull = ConvexHull(p)

  20. poly = plt.Polygon(p[hull.vertices,:], **kw)

  21. ax.add_patch(poly)

  23. # Draw polygon surrounding vertices

  24. encircle(df.loc[cluster.labels_ == 0, 'Murder'], df.loc[cluster.labels_ == 0, 'Assault'], ec='k', fc='gold', alpha=0.2, linewidth=0)

  25. encircle(df.loc[cluster.labels_ == 1, 'Murder'], df.loc[cluster.labels_ == 1, 'Assault'], ec='k', fc='tab:blue', alpha=0.2, linewidth=0)

  26. encircle(df.loc[cluster.labels_ == 2, 'Murder'], df.loc[cluster.labels_ == 2, 'Assault'], ec='k', fc='tab:red', alpha=0.2, linewidth=0)

  27. encircle(df.loc[cluster.labels_ == 3, 'Murder'], df.loc[cluster.labels_ == 3, 'Assault'], ec='k', fc='tab:green', alpha=0.2, linewidth=0)

  28. encircle(df.loc[cluster.labels_ == 4, 'Murder'], df.loc[cluster.labels_ == 4, 'Assault'], ec='k', fc='tab:orange', alpha=0.2, linewidth=0)

  30. # Decorations

  31. plt.xlabel('Murder'); plt.xticks(fontsize=12)

  32. plt.ylabel('Assault'); plt.yticks(fontsize=12)

  33. plt.title('Agglomerative Clustering of USArrests (5 Groups)', fontsize=22)

  34. plt.show()

图48

49 安德鲁斯曲线 （Andrews Curve）

安德鲁斯曲线有助于可视化是否存在基于给定分组的数字特征的固有分组。 如果要素（数据集中的列）无法区分组（cyl），那么这些线将不会很好地隔离，如下所示。

     
 
    
      
  
  1. from pandas.plotting import andrews_curves
    2. 
      
  
  2. 
      
  
  3. # Import
    4. 
      
  
  4. df = pd.read_csv('https://github.com/selva86/datasets/raw/master/mtcars.csv')
    5. 
      
  
  5. df.drop(['cars', 'carname'], axis=1, inplace=True)
    6. 
      
  
  6. 
      
  
  7. # Plot
    8. 
      
  
  8. plt.figure(figsize=(12,9), dpi= 80)
    9. 
      
  
  9. andrews_curves(df, 'cyl', colormap='Set1')
    10. 
      
  
  10. 
      
  
  11. # Lighten borders
    12. 
      
  
  12. plt.gca().spines['top'].set_alpha(0)
    13. 
      
  
  13. plt.gca().spines['bottom'].set_alpha(.3)
    14. 
      
  
  14. plt.gca().spines['right'].set_alpha(0)
    15. 
      
  
  15. plt.gca().spines['left'].set_alpha(.3)
    16. 
      
  
  16. 
      
  
  17. plt.title('Andrews Curves of mtcars', fontsize=22)
    18. 
      
  
  18. plt.xlim(-3,3)
    19. 
      
  
  19. plt.grid(alpha=0.3)
    20. 
      
  
  20. plt.xticks(fontsize=12)
    21. 
      
  
  21. plt.yticks(fontsize=12)
    22. 
      
  
  22. plt.show()
    23.

图49

50 平行坐标 （Parallel Coordinates）

平行坐标有助于可视化特征是否有助于有效地隔离组。 如果实现隔离，则该特征可能在预测该组时非常有用。

  1. from pandas.plotting import parallel_coordinates

  3. # Import Data

  4. df_final = pd.read_csv('https://raw.githubusercontent.com/selva86/datasets/master/diamonds_filter.csv')

  6. # Plot

  7. plt.figure(figsize=(12,9), dpi= 80)

  8. parallel_coordinates(df_final, 'cut', colormap='Dark2')

  10. # Lighten borders

  11. plt.gca().spines['top'].set_alpha(0)

  12. plt.gca().spines['bottom'].set_alpha(.3)

  13. plt.gca().spines['right'].set_alpha(0)

  14. plt.gca().spines['left'].set_alpha(.3)

  16. plt.title('Parallel Coordinated of Diamonds', fontsize=22)

  17. plt.grid(alpha=0.3)

  18. plt.xticks(fontsize=12)

  19. plt.yticks(fontsize=12)

  20. plt.show()

图50

你可能想看：

50个数据可视化最有价值的图表

color='dodgerblue':hist_kws={'alpha':sns.distplot(df.loc[df['class'] == 'suv',color='orange',color='...

你的数据到底有多重要？这些惊艳的数据可视化案例告诉你 | TED演讲

在本文中他分享了数据背后所蕴含的令人意想不到的重量，今天我想跟大家聊聊两件非常振奋人心的内容，但对苹果公司我不想说太多。没有事物可以像电脑那样改变我们的生活，但我其实也不想聊电脑的事儿。我想聊聊电脑上...

你的数据到底有多重要？这些惊艳的数据可视化案例告诉你 | TED演讲

在本文中他分享了数据背后所蕴含的令人意想不到的重量，今天我想跟大家聊聊两件非常振奋人心的内容，但对苹果公司我不想说太多。没有事物可以像电脑那样改变我们的生活，但我其实也不想聊电脑的事儿。我想聊聊电脑上...

逆向思维：知识本身没有价值，最有价值是你组合知识的能力

给自己产生不了任何的财富和价值？利用现有知识的过程。就可以组合出无穷无尽美妙的音乐旋律，可是文字不同排列组合就能产生全新的文章，乐高之所以成为全世界最受欢迎的儿童玩具，就是乐高玩具可以拓展和释放，每一...

逆向思维：知识本身没有价值，最有价值是你组合知识的能力

给自己产生不了任何的财富和价值？利用现有知识的过程。就可以组合出无穷无尽美妙的音乐旋律，可是文字不同排列组合就能产生全新的文章，乐高之所以成为全世界最受欢迎的儿童玩具，就是乐高玩具可以拓展和释放，每一...

用最有价值的数据来判断底部

反弹之后仍要下跌！反弹之后仍旧下跌！而出现较大的反弹（周线级别或C4浪反弹）的较大可能在：1、998-1664上升趋势上约2250正负50点附近2、3186-1158=2028附近3、3478-231...

用最有价值的数据来判断底部

反弹之后仍要下跌！反弹之后仍旧下跌！而出现较大的反弹（周线级别或C4浪反弹）的较大可能在：1、998-1664上升趋势上约2250正负50点附近2、3186-1158=2028附近3、3478-231...

【引用】五运六气相关图表+河图数配万物的图表+ 医学图表

图书馆的《李阳波五运六气讲记》这本书，防风通圣散。白术木香散。五苓散。葶苈木香散。橘皮白术散。八正散。佐以甘辛。附子理中丸。x兼治于内者 x防风通圣散。当归饮子。x兼治于外者 x桂枝汤。麻黄散。小建中...

【引用】五运六气相关图表+河图数配万物的图表+ 医学图表

图书馆的《李阳波五运六气讲记》这本书，防风通圣散。白术木香散。五苓散。葶苈木香散。橘皮白术散。八正散。佐以甘辛。附子理中丸。x兼治于内者 x防风通圣散。当归饮子。x兼治于外者 x桂枝汤。麻黄散。小建中...

180套Excel精品可视化图表模板，自带动态公式，赶快拿走！

最近看大家都不怎么需要PPT模板领取的人都非常少！所以特意为大家整理的180套Excel精品可视化图表模板，职场办公统计分析数据时候都会用的上，如果有需要Excel图表的小伙伴也别着急！文章末尾会为大...

Excel动画图表示例：Excel也可以创建可视化的随时间而变化的排名

本文示例使用Excel图表以动画的方式显示数据随时间的变化。收集数据首先要做的是决定需要显示哪些数据，下图2是将每周数据输入表格的情况。图2创建数据透视表数据透视表非常适合此情况，它可以按照图表中需要...

180套Excel精品可视化图表模板，自带动态公式，赶快拿走！

最近看大家都不怎么需要PPT模板领取的人都非常少！所以特意为大家整理的180套Excel精品可视化图表模板，职场办公统计分析数据时候都会用的上，如果有需要Excel图表的小伙伴也别着急！文章末尾会为大...

Excel动画图表示例：Excel也可以创建可视化的随时间而变化的排名

本文示例使用Excel图表以动画的方式显示数据随时间的变化。收集数据首先要做的是决定需要显示哪些数据，下图2是将每周数据输入表格的情况。图2创建数据透视表数据透视表非常适合此情况，它可以按照图表中需要...

你还在用过时的图表吗？50页大数据时代的优秀PPT图表，科技+炫酷

都会用到软件自带的一些图表，弧形饼图饼图表示各部分占总体的百分比，最简单的就是两个弧形组成的双弧饼图，设计出很多的弧形饼图，不过这里需要使用到islide插件中的环形布局。柱形图柱形图也是我们经常使用...

你还在用过时的图表吗？50页大数据时代的优秀PPT图表，科技+炫酷

都会用到软件自带的一些图表，弧形饼图饼图表示各部分占总体的百分比，最简单的就是两个弧形组成的双弧饼图，设计出很多的弧形饼图，不过这里需要使用到islide插件中的环形布局。柱形图柱形图也是我们经常使用...

最有价值的择日方法文章

建太岁、除青龙、满丧门、平六合、定官符、执少耗、破大耗、危朱雀、成白虎、收贵神、开吊客、闭病符：正月建寅、二月建卯、三月建辰……依此类推，黄道日与黑道日的分辨方法。逢建、满、平、收、闭、破之日为黑道日...

管理好自己，是最有价值的投资

总是苛求别人太多，将人生当做一场修行，1.管理好自己的情绪：一个人都不应该做自己情绪的奴隶，不应该使一切行动都受制于自己的情绪，而应该反过来控制情绪。情绪是内心深处的洪水猛兽”他们懂得管理自己的情绪。...

2014年全球最有价值的100个品牌

2014年全球最有价值的100个品牌：世界品牌商标价值评估网站Brandirectory发布了最新全球最有价值的500个品牌。对公司品牌价值进行评估并测量品牌收益，美国品牌占了185个。苹果排名第一，...

逆向思维：被你忽略看不到摸不着的信息，才是最有价值的

看不懂的信息才是最有用的。摸不着的无形物质当中。有一种东西瞬间就可以让你看到听到，取决于看不到的内存，直接影响到所有你能看到的事物，他们大多就会按照这种性格模式度过一生。高手们敢于不断推翻自己的思维认...

最有价值的择日方法

建太岁、除青龙、满丧门、平六合、定官符、执少耗、破大耗、危朱雀、成白虎、收贵神、开吊客、闭病符：正月建寅、二月建卯、三月建辰……依此类推，黄道日与黑道日的分辨方法。逢建、满、平、收、闭、破之日为黑道日...

'图df=plt.show

上一篇
再论“阳主阴从”，“阴生于阳”的科学原理：

下一篇
六经辨证辨证要点速记及歌诀

有话要说...

最新文章

取消
扫码支持 支付码