01
無處不在的數(shù)據(jù)可視化
提到數(shù)據(jù)可視化，大家可能腦海里就會出現(xiàn)里各種圖表、絢麗大屏、或者科幻電影里酷炫儀表。其實，日常生活里面，到處都有數(shù)據(jù)可視化的影子。
手表就是數(shù)據(jù)可視化的例子，最少只需要3個視覺元素（時針、分針和秒針），就可以表達43200個狀態(tài)。另外，水銀溫度計和地鐵線路圖，也是生活中數(shù)據(jù)可視化的運用！
02
為什么需要數(shù)據(jù)可視化？
視覺是人類獲取外界信息最高速，最主要也是最重要渠道。 超過50%的人腦功能用于視覺感知，而大腦接收到的信息 90％ 來自視覺，人類利用視覺獲取和處理的信息量，遠遠超出其他途徑。
視覺的信息帶寬是最大的，其次是觸覺和聽覺。
人類大腦處理圖像的速度比文本快 6 萬倍。所謂的“可視化”，就是利用人類視覺化的思考能力，對數(shù)據(jù)進行可視表達以增強認知的技術。
03
Python數(shù)據(jù)可視化學習
說到python的常見應用，很多人會想到python的數(shù)據(jù)分析，作為數(shù)據(jù)分析中的表現(xiàn)層面，數(shù)據(jù)可視化都是其中必不可少的部分。但本文并非只推薦無任何數(shù)據(jù)分析需求僅需要做漂亮可視化圖表的人學習python數(shù)據(jù)可視化。本文介紹的只是一些常見的python第三方庫，畢竟作為一個工具來說，這些第三方庫使用起來并不是非常方便，也有一定的學習成本，普通的可視化推薦使用excel、wps，有條件的可以使用各種BI工具如：tableau，powerBI等。
那什么情況下需要用到python數(shù)據(jù)可視化庫呢？
如果是在某些特定場景中，需要用到python做數(shù)據(jù)分析，輸出各種圖表用于輔助分析或者數(shù)據(jù)報告展示，那這些庫則顯得必不可少，接下來將介紹一些如何學習的方法和第三方庫的介紹：
比如選擇一款合適的庫，先了解各種庫的特點，選擇合適的庫，然后學習繪圖原理，掌握的知識點
選擇官網(wǎng)是最省錢和系統(tǒng)的學習的最佳路徑，至于效率方面見仁見智。選擇書籍或視頻的方式也未嘗不可。
了解幾大常用的可視化庫，比如特性、使用場景、效果圖等；
選擇一款適合自己的第三方庫，比如要做國內(nèi)地圖類的項目，選擇pyecharts；
學習該庫的繪圖原理，各種函數(shù)調(diào)用和參數(shù)修改，就是所謂的"調(diào)參"；
不斷練習、練習、練習；
推薦學習使用的開發(fā)工具：JupyterNotebook。在數(shù)據(jù)分析和可視化的應用中，jupyter無疑是首選，相比其他如pycharm等工具，可以將每一步的可視化圖表輸出在同一頁面中，方便比較分析。
04
可視化庫介紹
- 1 -
Matplotlib
官方文檔地址：
https://matplotlib.org/2.0.2/index.html
Gallery****畫廊地址：
https://matplotlib.org/2.0.2/gallery.html
matplotlib是Python數(shù)據(jù)可視化庫的OG。盡管它已有十多年的歷史，但仍然是Python社區(qū)中使用最廣泛的繪圖庫。它的設計與MATLAB非常相似，MATLAB是20世紀80年代開發(fā)的專有編程語言。通常在python數(shù)據(jù)分析的教程中經(jīng)常會包含該庫的學習。
基礎講解：使用matplotlib繪圖的原理，主要就是理解figure(畫布)、axes(坐標系)、axis(坐標軸)三者之間的關系。
步驟：創(chuàng)建figure圖形對象-> 獲取對應位置的axes坐標系對象->調(diào)用axes對象，進行對應位置的圖形繪制->顯示圖形。下圖是幫助我們理解figure和axes的關系。
- 2 -
Seaborn
官方文檔地址：
https://seaborn.pydata.org/tutorial.html
Gallery****畫廊地址：
https://seaborn.pydata.org/examples/index.html
Seaborn利用matplotlib的強大功能，可以只用幾行代碼就創(chuàng)建漂亮的圖表。關鍵區(qū)別在于Seaborn的默認款式和調(diào)色板設計更加美觀和現(xiàn)代。由于Seaborn是在matplotlib之上構建的一個更高級的庫，因此還需要了解matplotlib以便調(diào)整Seaborn的默認值，所以在matplotlib上的調(diào)參也可以在Seaborn上面使用。Seaborn針對的點主要是數(shù)據(jù)挖掘和機器學習中的變量特征選取，seaborn可以用短小的代碼去繪制描述更多維度數(shù)據(jù)的可視化效果圖。
基礎講解：原理比較簡單，主要是通過sns對象調(diào)用各種類型表格的函數(shù)，這里舉一個例子：
import numpy as np
- 3 -
Pyecharts
官方文檔地址：
Gallery****畫廊地址：
http://gallery.pyecharts.org/#/README
Echarts 是一個由百度開源的數(shù)據(jù)可視化，憑借著良好的交互性，精巧的圖表設計，得到了眾多開發(fā)者的認可。而 Python 是一門富有表達力的語言，很適合用于數(shù)據(jù)處理。當數(shù)據(jù)分析遇上數(shù)據(jù)可視化時，pyecharts 誕生了。
這是國人開發(fā)的一個Echarts與Python結合的輪子，可以結合JavaScript等前端技術定制我們要的主題風格，功能非常強大，也是數(shù)據(jù)可視化非常常用的一個工具，也是比較推薦新手學習的。
基礎講解： 選擇圖表類型-> 聲明圖形類并添加數(shù)據(jù)，比如添加x軸和y軸的數(shù)據(jù)->選擇全局變量set_global_opts，設置參數(shù)->顯示及保存圖表；
from pyecharts.charts import Bar
注：各種不同的圖表輸入的數(shù)據(jù)格式會有所不同，導致部分復雜圖表的設置難度較大。
- 4 -
**ggplot **
官方文檔地址：
ggplot基于ggplot2，一個 R 語言繪圖系統(tǒng)，以及The Grammar of Graphics的概念。ggplot的運行方式與matplotlib不同：它允許你對組件進行分層以創(chuàng)建完整的繪圖。例如，你可以從軸開始畫，然后添加點，然后是線、趨勢線等。雖然圖形語法被稱為繪圖的“直觀”方法，但經(jīng)驗豐富的matplotlib用戶可能需要時間來適應這個新的方式。
- 5 -
**Bokeh **
官方文檔地址：
https://docs.bokeh.org/en/latest/
Gallery畫廊地址：
https://docs.bokeh.org/en/latest/docs/gallery.html
與ggplot一樣，Bokeh同樣基于The Grammar of Graphics，但與ggplot不同的是，它是原生Python的，而不是從R語言移植過來的。它的優(yōu)勢在于能夠創(chuàng)建交互式的網(wǎng)站圖，它可以很容易地輸出為JSON對象、HTML或交互式Web應用程序。Bokeh還支持流媒體和實時數(shù)據(jù)。
- 6 -
**Pygal **
官方文檔地址：
http://www.pygal.org/en/stable/
與Bokeh和Plotly一樣，pygal提供可以嵌入Web瀏覽器的交互式圖。它的主要區(qū)別在于能夠將圖表輸出為SVG格式。如果你使用較小的數(shù)據(jù)集，SVG格式的圖像就可以了。但是如果制作的圖表包含數(shù)十萬個數(shù)據(jù)點，它們就會很難渲染并變得反應遲鈍。
- 7 -
**Plotly **
官方文檔地址：
你可能知道Plotly是一個數(shù)據(jù)可視化的在線平臺，但你是否也知道可以從Python筆記本使用它的功能？與Bokeh一樣，Plotly的強項正在制作交互式圖，但它提供了一些在大多數(shù)庫中沒有的圖表，如等高線圖，樹狀圖和3D圖表。
- 8 -
**Geoplotlib **
Github地址：
https://github.com/andrea-cuttone/geoplotlib
geoplotlib是一個用于創(chuàng)建地圖和繪制地理數(shù)據(jù)的工具庫。可以使用它來創(chuàng)建各種地圖類型，例如等值線，熱圖和點密度貼圖。你必須安裝Pyglet（面向對象的編程接口）才能使用geoplotlib。盡管如此，由于大多數(shù)的Python數(shù)據(jù)可視化庫都沒有提供地圖類型，因此有一個專門的庫還是可以的。
更多python學習資料，請?zhí)砑雨P注公眾號:
參考文章：《數(shù)據(jù)可視化入門教程》https://www.yuque.com/mo-college/beginner-tutorial/uvaiu2
深度講解Python四大常用繪圖庫的“繪圖原理” https://my.oschina.net/u/4579597/blog/4444177
