1.前序

每當(dāng)我們需要對(duì)數(shù)據(jù)做可視化呈現(xiàn)時(shí)，總是疑慮及煩惱所呈現(xiàn)的圖形是怎么樣的，如何實(shí)現(xiàn)。這里給大家分享一下，常見(jiàn)的50種常見(jiàn)可視化圖形。

數(shù)據(jù)源

image.png

image.png

image.png

2.示例展示

這里以幾個(gè)圖形數(shù)據(jù)為例展示。

散點(diǎn)圖（Scatter plot）
散點(diǎn)圖是用于研究?jī)蓚€(gè)變量之間關(guān)系的經(jīng)典的和基本的圖表。如果數(shù)據(jù)中有多個(gè)組，則可能需要以不同顏色可視化每個(gè)組。您可以使用 plt.scatterplot() 方便地執(zhí)行此操作。

# Import dataset 
midwest = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/midwest_filter.csv")

# Prepare Data 
# Create as many colors as there are unique midwest['category']
categories = np.unique(midwest['category'])
colors = [plt.cm.tab10(i/float(len(categories)-1)) for i in range(len(categories))]

# Draw Plot for Each Category
plt.figure(figsize=(16, 10), dpi= 80, facecolor='w', edgecolor='k')

for i, category in enumerate(categories):
    plt.scatter('area', 'poptotal', 
                data=midwest.loc[midwest.category==category, :], 
                s=20, c=colors[i], label=str(category))

# Decorations
plt.gca().set(xlim=(0.0, 0.1), ylim=(0, 90000),
              xlabel='Area', ylabel='Population')

plt.xticks(fontsize=12); plt.yticks(fontsize=12)
plt.title("Scatterplot of Midwest Area vs Population", fontsize=22)
plt.legend(fontsize=12)    
plt.show()

image.png

抖動(dòng)圖（Jittering with stripplot）
通常，多個(gè)數(shù)據(jù)點(diǎn)具有完全相同的 X 和 Y 值。結(jié)果，多個(gè)點(diǎn)繪制會(huì)重疊并隱藏。為避免這種情況，請(qǐng)將數(shù)據(jù)點(diǎn)稍微抖動(dòng)，以便您可以直觀地看到它們。

使用 seaborn 的 stripplot() 很方便實(shí)現(xiàn)這個(gè)功能。

# Import Data
df = pd.read_csv("https://raw.githubusercontent.com/selva86/datasets/master/mpg_ggplot2.csv")

# Draw Stripplot
fig, ax = plt.subplots(figsize=(16,10), dpi= 80)    
sns.stripplot(df.cty, df.hwy, jitter=0.25, size=8, ax=ax, linewidth=.5)

# Decorations
plt.title('Use jittered plots to avoid overlapping of points', fontsize=22)
plt.show()

image.png

相關(guān)圖（Correllogram）
相關(guān)圖用于直觀地查看給定數(shù)據(jù)框（或二維數(shù)組）中所有可能的數(shù)值變量對(duì)之間的相關(guān)度量。

# Import Dataset
df = pd.read_csv("https://github.com/selva86/datasets/raw/master/mtcars.csv")

# Plot
plt.figure(figsize=(12,10), dpi= 80)
sns.heatmap(df.corr(), xticklabels=df.corr().columns, yticklabels=df.corr().columns, cmap='RdYlGn', center=0, annot=True)

# Decorations
plt.title('Correlogram of mtcars', fontsize=22)
plt.xticks(fontsize=12)
plt.yticks(fontsize=12)
plt.show()

image.png

更多資料請(qǐng)參考原文