数据可视化一网打尽
01
前言
数据可视化作为数据分析最直接的结果呈现方式，了解其制作方式和应用场景是很有必要的，本文来了解一下各个图标的应用场景及代码实现。
本文使用的代码主要基于作图库Plotly。
02
可视化绘制思维导图
绘制可视化图形，非常重要的一点就是了解什么时候需要绘制怎样的图，对于多种可视化图形的绘制方向总结如下图：
03
比较类图
创建示例数据如下：
代码语言：javascript复制import pandas as pd
data = pd.DataFrame({
'name': ['Bob', 'Mary', 'Peter', 'Ben', 'Lucy'],
'score': [99, 100, 89, 91, 95],
'class': ['class1', 'class2', 'class1', 'class2', 'class3'],
'sex': ['male', 'fmale', 'male', 'male', 'fmale'],
'age': [23, 25, 20, 19, 17]
})数据内容如下：
条形图
- 条形图用于比较不同数据之间的差异，条形图的宽度表示数值的大小，可以对单一的变量或者多组变量进行比较。
- 对单一变量进行比较：x为比较数值，y为比较标签。
- 对多变量进行比较：新增维度color。
# 实现简单的条形图
import plotly.express as px
# orientation='h' 用户表示绘制条形图
fig = px.bar(data, x='score', y='name', orientation='h', text_auto=True)
fig.show()
# 实现多维度比较条形图
import plotly.express as px
'''
orientation='h' : 用户表示绘制条形图
barmode='group' : 按照标签y和颜色color进行聚合，每个“颜色”单独一个条图
text_auto=True : 显示数据标签
'''
fig = px.bar(data,
x='score',
y='class',
color='sex',
orientation='h',
barmode='group',
text_auto=True)
fig.show()
柱形图
- 柱状图同样是用于比较不同数据之间的差距，其与条形图的含义相同，只是呈现方式不同。
- 柱形图的高度表示数值的大小，也可以对单一的变量或者多组变量进行比较。
- 注：在使用条形图和柱形图时x和y的参数传入相反。
# 实现简单的柱形图
import plotly.express as px
fig = px.bar(data, x='name', y='score', text_auto=True)
fig.show()
# 实现多维度比较条形图
import plotly.express as px
'''
barmode='group' : 按照标签y和颜色color进行聚合，每个“颜色”单独一个条图
'''
fig = px.bar(data,
x='class',
y='score',
color='sex',
barmode='group',
text_auto=True)
fig.show()
堆积柱形图
- 堆积柱形图和多维度柱形图的表示效果类似，其主要在于比较标签的整体水平，会对所有标签下的值进行加和统计，通过color属性可以看出每个标签下的数据差异。
# 实现堆积柱形图
import plotly.express as px
fig = px.bar(data,
x='class',
y='score',
color='sex',
text_auto=True
)
fig.show()
百分比堆积柱形图
- 百分比堆积柱形图通常用于比较各个标签内多项数据的占比情况（通常用于时间标签的比较）
- 在plotly中没有直接进行百分比柱形图绘制的方法，因此我们可以先使用pandas算出数据的百分比，然后再将百分比数据用于绘图。
# 计算百分比
df = pd.DataFrame(data.groupby('class')['score'].sum())
def func(score, df):
return score / df.loc[data[data['score'] == score]['class']].values[0][0] * (
100)
data['percent'] = data['score'].apply(func, df=df)# 实现百分比堆积柱形图
import plotly.express as px
fig = px.bar(data,
x='class',
y='percent',
color='sex',
text_auto=True
)
fig.show()
雷达图
- 雷达图通常用于对个体的多个属性进行分析（企业经营状况、个人能力等）
- 在游戏中我们经常会看见各种游戏能力雷达图，这就是最常见的一种游戏雷达图的应用方式。
import plotly.express as px
import pandas as pd
df = pd.DataFrame(
dict(score=[4, 5, 4, 3, 4], data=['输出', 'KDA', '发育', '团战', '生存']))
'''
r : 雷达图各个维度的数值
theta : 雷达图各个维度的标签
line_close : 是否将曲线闭合，False时生存和输出不会进行连线
'''
fig = px.line_polar(df, r='score', theta='data', line_close=True)
# 颜色填充
fig.update_traces(fill='toself')
fig.show()
树状图
- 树状图，也被称为树枝状图。树形图是数据树的图形表示形式，以父子层次结构来组织对象。是枚举法的一种表达方式。
树状图的常见参数说明：
- path:树状图的父子层级顺序，[父，子....]
# 绘制树状图
import plotly.express as px
df = px.data.tips()
fig = px.treemap(df,
path=[px.Constant("all"), 'day', 'time', 'sex'],
values='total_bill')
fig.update_traces(root_color="lightgrey")
fig.update_layout(margin=dict(t=50, l=25, r=25, b=25))
fig.show()
漏斗图
- 漏斗图通常用于对阶段之间的转化关系进行比较，数据分析中常见的AARRR模型的可视化就是通过漏斗图来实现的。
import plotly.express as px
data = dict(number=[100, 70, 50, 30, 10], stage=["获客", "激活", "留存", "收益", "传播"])
fig = px.funnel(data, x='number', y='stage')
fig.show()
04
趋势类图
折线图
- 折线图通常用于展示随时间（数值）而连续变化的数据，如A公司和B公司在2021年每个月的营业额。
import plotly.express as px
time_data = pd.DataFrame({
'A公司': [20, 30, 40, 50, 45],
'B公司': [18, 25, 33, 45, 58],
'月份': [1, 3, 5, 7, 9]
})
fig = px.line(time_data, x="月份", y=['A公司', 'B公司'], title='公司营收对比')
fig.show()
桑基图
- 桑基图又称桑基能量分流图，也称桑基能量平衡图，该图形从左到右展示出了初始数据流向。该图形的绘制过程较为复杂，在下述代码中有两个主要参数项node和link。
node用于给出基本的配置项：
- pad:图中空白分隔空隙的大小；
- thickness:图中节点的宽度（每个连接处的长方形）；
- line:每个节点的边框线的颜色和粗细；
- label:每个节点的名字（包含一层/二层/三层...）；
- color:每个节点的颜色（和名字按照索引相对应）
link用于给出具体的连接选项:
- source:每条连接线的起点（数值表示节点的索引）；
- target:每条连接线的终点（数值表示节点的索引）；
- value:连接线的信息量（数值越大，连接线越粗）；
- color:每条连接线的颜色（通常按照起点的颜色进行对应）。
# 绘制桑基图
import plotly.graph_objects as go
fig = go.Figure(data=[go.Sankey(
node = dict(
pad = 10,
thickness = 20,
line = dict(color = "black", width = 0.5),
label = ["A1", "A2", "B1", "B2", "C1", "C2"],
color = ['blue', 'pink', 'green', 'brown', 'yellow', 'purple']
),
link = dict(
source = [0, 1, 0, 2, 3, 3],
target = [2, 3, 3, 4, 4, 5],
value = [8, 4, 2, 8, 4, 2],
color = ['blue', 'pink', 'blue', 'green', 'brown', 'brown']
))])
fig.update_layout(title_text="桑基图示例", font_size=10)
fig.show()
堆叠面积图
- 堆叠面积图可以用来比较在一个区域内的多个变量，适合展示整体数据的变化趋势。堆叠面积图和普通的面积图的区别是每个数据值序列映射的区域起点都是上一个数据值序列顶端。
# 绘制堆叠面积图
import plotly.express as px
time_data = pd.DataFrame({
'营业额': [20, 30, 40, 50, 45, 18, 25, 33, 45, 58],
'公司':
['A公司', 'A公司', 'A公司', 'A公司', 'A公司', 'B公司', 'B公司', 'B公司', 'B公司', 'B公司'],
'月份': [1, 3, 5, 7, 9, 1, 3, 5, 7, 9]
})
fig = px.area(
time_data,
x='月份',
y='营业额',
color='公司'
)
fig.show()
百分比堆积面积图
- 绘制百分比面积图，只需要传入相应的百分比数据即可。
# 绘制百分比面积图
import plotly.express as px
time_data = pd.DataFrame({
'营业额占比': [40, 30, 40, 50, 45, 60, 70, 60, 50, 55],
'公司':
['A公司', 'A公司', 'A公司', 'A公司', 'A公司', 'B公司', 'B公司', 'B公司', 'B公司', 'B公司'],
'月份': [1, 3, 5, 7, 9, 1, 3, 5, 7, 9]
})
fig = px.area(time_data, x='月份', y='营业额占比', color='公司')
fig.show()
05
关系类图
散点图
- 散点图是一种非常常见的图形，通常用于展示数据分布，常见的散点图都是二维图形，也就是说能够展示两个维度之间的数据分布，如展示身高和体重的分布等。
# 散点图示例
import plotly.express as px
fig = px.scatter(x=[0, 1, 2, 3, 4], y=[0, 1, 4, 9, 16])
fig.show()
热力图
- 热力图用于展示数据之间的相关性，通常我们需要计算待对比的两个特征的皮尔逊相关系数，然后将相关系数矩阵通过热力图进行呈现，颜色越深表明相关性越高。
# 热力图示例
# 可以将数据换成相关系数矩阵
import plotly.express as px
fig = px.imshow([[1, 20, 30],
[20, 1, 60],
[30, 60, 1]],
text_auto=True)
fig.show()
气泡图
- 气泡图不仅能够展示数据之间的分布，还能对大小关系进行展示，通常需要三个维度的数据进行绘制。
绘制气泡图用到的主要参数介绍如下：
- x:横坐标
- y:纵坐标
- marker.color:气泡颜色
- marker.opacity:气泡透明度
- marker.size:气泡大小
import plotly.graph_objects as go
fig = go.Figure(data=[
go.Scatter(x=[1, 2, 3, 4],
y=[10, 11, 12, 13],
mode='markers',
marker=dict(
color=[
'rgb(93, 164, 214)', 'rgb(255, 144, 14)',
'rgb(44, 160, 101)', 'rgb(255, 65, 54)'
],
opacity=[1, 0.8, 0.6, 0.4],
size=[40, 60, 80, 100],
))
])
fig.show()
06
构成类图
饼图
- 饼图通常用于展示一组数据中各项的大小和总和的比例，每块内容用不同的颜色进行表示。
# 绘制饼图
import plotly.express as px
data_pie = pd.DataFrame({
'label': ['A', 'B', 'C', 'D', 'E'],
'values': [30, 20, 15, 15, 20]
})
fig = px.pie(data_pie, values='values', names='label')
fig.show()
环形图
- 简单的环形图所展示的内容及含义和饼图相同，其美观性要优于饼图。
# 绘制环形图
import plotly.graph_objects as go
labels = ['A', 'B', 'C', 'D']
values = [4500, 2500, 1000, 500]
# hole用于控制环图中心空白区域的大小
fig = go.Figure(data=[go.Pie(labels=labels, values=values, hole=0.5)])
fig.show()
瀑布图
- 瀑布图通常用于表示两个数据点之间的演变过程，在瀑布图中，底部贴着坐标轴的条图表示阶段性统计值（汇总值），其余的表示增长或者减少（相对值）。
常见参数说明：
- name:右侧图例的标签
- measure:设置相对值还是汇总值（是否贴着底部）
- increasing:设置上升的颜色
- decreasing:设置下降的颜色
- connector:设置连接器的颜色
- textposition:设置图内文本位置
import plotly.graph_objects as go
fig = go.Figure(
go.Waterfall(
name="图例",
# 相对OR汇总
measure=[
"relative", "relative", "total", "relative", "relative", "total"
],
# 标签
x=["销售额", "分红", "成交额", "成本价格", "其他支出", "毛利"],
textposition="outside",
# 图内文本
text=[" 60", " 80", "140", "-40", "-20", "80"],
# 数值
y=[60, 80, 0, -40, -20, 0],
# 上升颜色
increasing={"marker": {
"color": "rgb(0, 250, 154)"
}},
# 下降颜色
decreasing={"marker": {
"color": "rgb(255, 0, 0)"
}},
# 连接线颜色
connector={"line": {
"color": "rgb(63, 63, 63)"
}},
))
# 用于调整画布
fig.update_layout(title="毛利构成", showlegend=True)
fig.show()
07
分布类图
直方图
- 直方图是一种统计类分布图，用于表示连续的变量整体在每个区间内的数量，如对某高中班级身高进行统计时，160-170:10人、170-180:20人......
- 绘制直方图时，最简单的我们只需要一个维度的数值型数据即可，复杂的我们可以同时使用多组数据绘制组合直方图。
- 切记不要把直方图和柱状图混为一谈，在使用的场景上二者是有一定差异的。
# 绘制简单直方图
import plotly.express as px
import numpy as np
# 使用示例数据进行绘制
# df = px.data.tips()
# fig = px.histogram(df, x="total_bill")
df = np.random.randint(1,100,1000)
fig = px.histogram(df)
fig.show()
# 绘制组合直方图
import plotly.graph_objects as go
import numpy as np
# 随机数据
x0 = np.random.randn(300)
x1 = np.random.randn(300) 1.5
x2 = np.random.randn(300) - 1.5
# 设置画布，依次向画布中绘图
fig = go.Figure()
fig.add_trace(go.Histogram(x=x0))
fig.add_trace(go.Histogram(x=x1))
fig.add_trace(go.Histogram(x=x2))
# 设置覆盖模式（不设置会变成组合柱状图的样式）
fig.update_layout(barmode='overlay')
# 设置透明度
fig.update_traces(opacity=0.8)
fig.show()
箱线图
- 箱线图也叫箱形图，通常用于检验异常数据是否存在，在箱线图中有上下两个边界，所有超出边界的数据点都被认为是异常值。
对于箱线图的几个概念如下：
- Q_1:25%位置的数据
- Q_2:75%位置的数据
- 四分位距：IQR=Q_3-Q_1
- 异常值下限：down_line=Q_1-1.5*IQR
- 异常值上限：up_line=Q_3 1.5*IQR
# 绘制箱线图
import plotly.express as px
import numpy as np
df = np.random.randn(300)
fig = px.box(df)
fig.show()
三维图
- 三维图，顾名思义就是用三个维度的数据进行绘图，实际使用时并不推荐使用该形式绘图，可以说三维图看上去十分炫酷，但是理解起来并不是很简单。
# 绘制三维图示例（参考）
import plotly.graph_objects as go
import numpy as np
np.random.seed(1)
N = 70
fig = go.Figure(data=[go.Mesh3d(x=(70*np.random.randn(N)),
y=(55*np.random.randn(N)),
z=(40*np.random.randn(N)),
opacity=0.5,
color='rgba(244,22,100,0.6)'
)])
fig.update_layout(
scene = dict(
xaxis = dict(nticks=4, range=[-100,100],),
yaxis = dict(nticks=4, range=[-50,100],),
zaxis = dict(nticks=4, range=[-100,100],),),
width=700,
margin=dict(r=20, l=10, b=10, t=10))
fig.show()
08
地理类图
地图
- 地图通常用于地理之间数据的展示，如：GDP对比、各省营业额对比等。
- Plotly绘制地图使用其内置的地图可视化工具进行绘制，但是展示效果并不是很好，绘制地图时推荐使用Pyecharts或者Tableau、Power bi等BI软件。
# 绘制地图
import plotly.express as px
# 使用示例数据
gapminder = px.data.gapminder()
px.scatter_geo(
gapminder,
# 配合color显示颜色
locations="iso_alpha",
# 颜色的字段显示
color="continent",
# 悬停数据
hover_name="country",
size="pop",
# 数据联动变化的选择
animation_frame="year"
)
