在数据分析中，收集数据只是第一步，更重要的是对其进行解释和分析，以挖掘数据中蕴含的模式、趋势或变量间的关系。数据可视化正是将信息提炼为知识、实现“观物至知”的关键工具，它能帮助决策者从复杂、多维的数据中快速获取有效信息。
研究表明，人眼具有超强的模式识别能力，对可视符号的处理速度远超数字或文本。在大数据时代，数据可视化是洞察数据内涵、理解数据价值的得力工具。可视化常被用来辅助决策。面对一张密密麻麻的数据表，我们可能难以快速得出结论，但通过合适的可视化图形，信息便一目了然。
本文将通过Python（使用Plotly和Seaborn库）详细介绍多种常见的可视化图表类型、适用场景，并提供对应的实现代码。
条形图
条形图用矩形条的高度或长度来表示分类数据的数值大小。条形可以是垂直的（柱形图）或水平的。它适合用于分类数据的对比。注意：条形图数据条数不宜超过12条（垂直）或30条（水平）。
下图展示了按年份显示的加拿大人口条形图：
Plotly 代码
import plotly.express as px
data_canada = px.data.gapminder().query("country == 'Canada'")
fig = px.bar(data_canada, x='year', y='pop')
fig.show()
Seaborn 代码
import seaborn as sns
sns.set_context({'figure.figsize':[14, 8]})
sns.set_theme(style="whitegrid")
ax = sns.barplot(x="year", y="pop", data=data_canada)
调整Seaborn图表大小的方法
- 使用Seaborn自带的设置：
sns.set_context({'figure.figsize':[20, 20]})
sns.boxplot(x)
- 结合Matplotlib：
from matplotlib import pyplot as plt
import seaborn as sns
plt.figure(figsize=(20,20))
# 或者 plt.rcParams['figure.figsize'] = (20.0, 20.0)
sns.distplot(launch.date)
plt.show()
- 针对displot和jointplot：
ax = sns.boxplot(x)
ax.figure.set_size_inches(12,6)
条形图的常见类型
分组条形图
当数据具有子组时，使用分组条形图，子组通过不同颜色区分。
Plotly代码：
import plotly.express as px
df = px.data.tips()
fig = px.bar(df, x="sex", y="total_bill",
color='smoker', barmode='group',
height=500)
fig.show()
Seaborn代码：
import seaborn as sb
df = sb.load_dataset('tips')
df = df.groupby(['size', 'sex']).agg(mean_total_bill=("total_bill", 'mean'))
df = df.reset_index()
sb.barplot(x="size", y="mean_total_bill",
hue="sex", data=df)
堆积条形图
堆积条形图将每个柱子分割，以显示相同类别下各子组数据的大小。分为：
- 堆积柱状图：比较同类别各变量和不同类别变量总和差异。
- 百分比堆积柱状图：适合展示同类别的每个变量的比例。
Plotly代码：
import plotly.express as px
df = px.data.tips()
fig = px.bar(df, x="sex", y="total_bill", color='time')
fig.show()
Seaborn代码：
import pandas
import matplotlib.pylab as plt
import seaborn as sns
plt.rcParams["figure.figsize"] = [12, 6]
plt.rcParams["figure.autolayout"] = True
df = pandas.DataFrame(dict(
number=[2, 5, 1, 6, 3],
count=[56, 21, 34, 36, 12],
select=[29, 13, 17, 21, 8]
))
bar_plot1 = sns.barplot(x='number', y='count',
data=df, label="count",
color="red")
bar_plot2 = sns.barplot(x='number', y='select',
data=df, label="select",
color="green")
plt.legend(ncol=2, loc="upper right",
frameon=True, fontsize=15)
plt.xlabel('number', fontsize=15)
plt.ylabel('select',fontsize=15)
plt.xticks(fontsize=15)
plt.yticks(fontsize=15)
plt.show()
分段条形图是堆积条形图的一种特殊形式，每个堆叠条形显示其离散值占总值的百分比，总和为100%。
线形图
线形图将一系列数据点用线段连接起来，用于可视化数据随时间或其他连续变量的趋势。
下图展示了加拿大预期寿命随年份变化的线形图：
Plotly代码：
import plotly.express as px
df = px.data.gapminder().query("country=='Canada'")
fig = px.line(df, x="year", y="lifeExp",
title='Life expectancy in Canada')
fig.show()
Seaborn代码：
import seaborn as sns
sns.lineplot(data=df,
x="year",
y="lifeExp")
线形图的类型
多线图
多线图包含多条线，代表数据集中的多个变量，可用于研究同一时期多个变量的变化。
Plotly代码：
import plotly.express as px
df = px.data.gapminder().query("continent == 'Oceania'")
fig = px.line(df, x='year', y='lifeExp', color='country')
fig.show()
Seaborn代码：
import seaborn as sns
sns.lineplot(data=df, x='year',
y='lifeExp', hue='country')
复合折线图（堆叠面积图）
复合折线图是简单线图的扩展，每一条线向下阴影到x轴，形成堆叠效果，即堆叠面积图。它显示每个数值所占大小随时间变化的趋势，展示部分与整体的关系。
适用：对比多变量随时间变化的情况，不适用于带负值的数据集。
分类：
- 堆积面积图：比较同类别各变量和不同类别变量总和差异。
- 百分比堆积面积图：比较同类别的各个变量的比例差异。
饼形图
饼图是圆形统计图，通过切片来展示数值比例，每个切片的弧长、中心角、面积都与其代表的数量成正比。它用于表示不同分类的占比情况。
适用：比较一个数据分类上各个模块的大小占比。
注意事项：不适用于多分类数据，一张饼图不宜多于9个分类，否则切片过小，区分度下降，不利于对比。
Plotly 代码
import plotly.express as px
df = px.data.gapminder().query("year == 2007").query("continent == 'Europe'")
df.loc[df['pop'] < 2.e6, 'country'] = 'Other countries' # 仅展示人口大国
fig = px.pie(df, values='pop', names='country',
title='Population of European continent')
fig.show()
Seaborn/Matplotlib 代码
Seaborn没有默认的饼图函数，但可结合Matplotlib和Seaborn调色板。
import matplotlib.pyplot as plt
import seaborn as sns
data = [15, 25, 25, 30, 5]
labels = ['Group 1', 'Group 2', 'Group 3', 'Group 4', 'Group 5']
colors = sns.color_palette('pastel')[0:5]
plt.pie(data, labels = labels, colors = colors, autopct='%.0f%%')
plt.show()
饼图的常见类型
爆炸饼图
图表的一个或多个扇区与主体分离，用于强调特定数据元素。
Plotly代码：
import plotly.graph_objects as go
labels = ['Oxygen','Hydrogen',
'Carbon_Dioxide','Nitrogen']
values = [4500, 2500, 1053, 500]
# pull属性控制扇形分离半径
fig = go.Figure(data=[go.Pie(labels=labels,
values=values, pull=[0, 0, 0.2, 0])])
fig.show()
Matplotlib代码：
import matplotlib.pyplot as plt
import seaborn as sns
data = [15, 25, 25, 30, 5]
labels = ['Group 1', 'Group 2', 'Group 3', 'Group 4', 'Group 5']
colors = sns.color_palette('pastel')[0:5]
plt.pie(data, labels = labels,
colors = colors,
autopct='%.0f%%',
explode = [0, 0, 0, 0.2, 0])
plt.show()
甜甜圈图（环图）
中心有空洞的饼图，空间利用率更高，空心区域可用于显示文本或标题。
Plotly代码：
import plotly.graph_objects as go
labels = ['Oxygen','Hydrogen','Carbon_Dioxide','Nitrogen']
values = [4500, 2500, 1053, 500]
# 使用‘hole’创建甜甜圈图
fig = go.Figure(data=[go.Pie(labels=labels, values=values, hole=.3)])
fig.show()
Matplotlib代码：
import numpy as np
import matplotlib.pyplot as plt
data = np.random.randint(20, 100, 6)
plt.pie(data,
autopct='%3.1f%%',
radius=1,
pctdistance=0.85,
startangle=90,
counterclock=False,
# 楔形块边界属性字典
wedgeprops={'edgecolor': 'white',
'linewidth': 1,
'linestyle': '-'
},
# 楔形块标签文本和数据标注文本的字体属性
textprops=dict(color='k', # 字体颜色
fontsize=14,
family='Arial'
))
circle = plt.Circle( (0,0), 0.7, color='white')
p=plt.gcf()
p.gca().add_artist(circle)
plt.show()
字母符合饼图
用于详细展示现有饼图中某一部分的构成，可减少主图混乱并强调特定元素。代码较长，涉及子图与连线，此处展示其效果图：
3D饼图
在三维空间中表示的饼图，在Matplotlib中可通过设置shadow=True实现立体效果。
import matplotlib.pyplot as plt
labels = ['Python', 'C++', 'Ruby', 'Java']
sizes = [215, 130, 245, 210]
# 绘图
plt.pie(sizes, labels=labels,
autopct='%1.1f%%', shadow=True, startangle=140)
plt.axis('equal')
plt.show()
直方图
直方图是数值数据分布的近似表示，由一系列高度不等的纵向条纹显示数据分布。数据被划分为多个不重叠的区间（箱），矩形高度与该箱内数据点数量成正比。
适用：利于展示大量数据集的统计结果，展示数据分布密度。
Plotly 代码
import plotly.express as px
df = px.data.tips()
fig = px.histogram(df, x="total_bill")
fig.show()
Seaborn 代码
import seaborn as sns
sns.set_context({'figure.figsize':[12, 8]})
penguins = sns.load_dataset("penguins")
ax = sns.histplot(data=penguins, x="flipper_length_mm")
ax.xaxis.label.set_size(15)
ax.yaxis.label.set_size(15)
直方图的分布类型
- 正态分布：通常呈钟形。
- 双峰分布：由两个组合变量的正态分布叠加而成。
Plotly双峰分布代码：
import plotly.express as px
df = px.data.tips()
fig = px.histogram(df, x="total_bill", y="tip",
color="sex", marginal="rug",
hover_data=df.columns)
fig.show()
import seaborn as sns
iris = sns.load_dataset("iris")
sns.kdeplot(data=iris)
- 偏态分布：峰值偏向图形一端的不对称分布。
- 随机分布（多峰分布）：无规则模式，产生多个峰。
- 边缘峰值分布：类似正态分布，但一端有一个大峰。
- 梳状分布：矩形条高度高低交替，形如梳子。
面积图
面积图用线与轴之间的彩色区域表示，区域面积与数值成正比。
类型：
- 简单面积图：彩色区域彼此重叠。
- 堆积面积图：彩色区域彼此堆叠，不相交。
- 100%堆积面积图：纵轴总计100%，显示每组数据占总量的百分比。
3-D 面积图（堆叠面积图）
在二维平面上展示的堆叠面积图，常用于显示多组数据随时间的变化及总和。
Plotly代码：
import plotly.express as px
df = px.data.gapminder()
fig = px.area(df, x="year", y="pop", color="continent",
line_group="country")
fig.show()
Matplotlib/Seaborn代码：
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_context({'figure.figsize':[15, 8]})
sns.set_theme()
df = pd.DataFrame({'period': [1, 2, 3, 4, 5, 6, 7, 8],
'team_A': [20, 12, 15, 14, 19, 23, 25, 29],
'team_B': [5, 7, 7, 9, 12, 9, 9, 4],
'team_C': [11, 8, 10, 6, 6, 5, 9, 12]})
plt.stackplot(df.period, df.team_A, df.team_B, df.team_C)
点阵图
点阵图将数据点绘制在图形上。类型包括：
- 威尔金森点图：使用局部位移防止点重叠。
- 克利夫兰点图：类似散点图，但在一个维度上垂直显示数据。
Plotly代码：
import plotly.express as px
df = px.data.medals_long()
fig = px.scatter(df, y="nation", x="count",
color="medal", symbol="medal")
fig.update_traces(marker_size=10)
fig.show()
Seaborn代码：
import seaborn as sns
sns.set_context({'figure.figsize':[15, 8]})
sns.set_theme(style="whitegrid")
tips = sns.load_dataset("tips")
ax = sns.stripplot(x="day",
y="total_bill", data=tips)
散点图
散点图使用笛卡尔坐标显示两个连续变量的值，通过点的分布推断变量间的相关性。
适用：相关性分析，如回归分析。
Plotly 代码
import plotly.express as px
df = px.data.iris() # iris is a pandas DataFrame
fig = px.scatter(df, x="sepal_width", y="sepal_length")
fig.show()
Seaborn 代码
import seaborn as sns
tips = sns.load_dataset("tips")
sns.scatterplot(data=tips, x="total_bill", y="tip")
散点图的相关性类型
- 正相关：一个变量增加，另一个也增加。
- 负相关：一个变量增加，另一个减少。
- 无相关性：两组数据间无明显关系。
气泡图
气泡图是散点图的变体，可展示三个属性：x位置、y位置和气泡大小（代表第三个变量）。
适用：分类数据对比，多变量相关性分析。
注意事项：气泡过多会降低可读性，气泡大小应映射到面积而非半径绘制，以避免视觉误差。
Plotly 代码
import plotly.express as px
df = px.data.gapminder()
fig = px.scatter(df.query("year==2007"), x="gdpPercap", y="lifeExp",
size="pop", color="continent",
hover_name="country", log_x=True, size_max=60)
fig.show()
Seaborn 代码
import matplotlib.pyplot as plt
import seaborn as sns
from gapminder import gapminder # import data set
data = gapminder.loc[gapminder.year == 2007]
b = sns.scatterplot(data=data, x="gdpPercap",
y="lifeExp", size="pop",
legend=False, sizes=(20, 2000))
b.set(xscale="log")
plt.show()
气泡图的其他类型：
- 带标签的气泡图
- 多变量气泡图（四个变量，第四维用颜色区分）
- 地图气泡图
- 3D气泡图
雷达图
雷达图是展示多个定量变量的二维图表，变量显示在从同一点开始的轴线上。
Plotly 代码
import plotly.express as px
import pandas as pd
df = pd.DataFrame(dict(
r=[1, 5, 2, 2, 3],
theta=['processing cost','mechanical properties',
'chemical stability',
'thermal stability', 'device integration']))
fig = px.line_polar(df, r='r', theta='theta', line_close=True)
fig.show()
Matplotlib 代码
import pandas as pd
import seaborn as sns
import numpy as np
import matplotlib.pyplot as plt
stats=np.array([1, 5, 2, 2, 3])
labels=['processing cost','mechanical properties','chemical stability',
'thermal stability', 'device integration']
angles=np.linspace(0, 2*np.pi, len(labels), endpoint=False)
fig=plt.figure()
ax = fig.add_subplot(111, polar=True)
ax.plot(angles, stats, 'o-', linewidth=2)
ax.fill(angles, stats, alpha=0.25)
ax.set_thetagrids(angles * 180/np.pi, labels)
ax.set_title("Radar Chart")
ax.grid(True)
类型：
象形图
象形图使用图标来代表数据，使数据呈现更直观。每个图标代表一个单位或多个单位（如一百万）。
Plotly 代码（使用符号标记）
import plotly.graph_objs as go
from plotly.offline import iplot, init_notebook_mode
init_notebook_mode()
from IPython.display import display,HTML
import pandas as pd
title = 'Team scores'
ds = pd.Series({'Alpha' : 67, 'Bravo' : 30, 'Charlie' : 20, 'Delta': 12, 'Echo': 23, 'Foxtrot': 56})
print(sum(ds))
Xlim = 16
Ylim = 13
Xpos = 0
Ypos = 12 ##change to zero for upwards
series = []
for name, count in ds.iteritems():
x = []
y = []
for j in range(0, count):
if Xpos == Xlim:
Xpos = 0
Ypos -= 1 ##change to positive for upwards
x.append(Xpos)
y.append(Ypos)
Xpos += 1
series.append(go.Scatter(x=x, y=y, mode='markers', marker={'symbol': 'square', 'size': 15}, name=f'{name} ({count})'))
fig = go.Figure(dict(data=series, layout=go.Layout(
title={'text': title, 'x': 0.5, 'xanchor': 'center'},
paper_bgcolor='rgba(255,255,255,1)',
plot_bgcolor='rgba(0,0,0,0)',
xaxis=dict(showgrid=False,zeroline= False, showline=False, visible=False, showticklabels=False),
yaxis=dict(showgrid=False,zeroline= False, showline=False, visible=False, showticklabels=False),
)))
fig.show()
样条图
样条图是折线图的一种，它用平滑的拟合曲线连接数据点，可用于粗略近似缺失的数据点。
Plotly 代码
在Plotly中，通过指定line_shape='spline'实现。
import plotly.express as px
df = px.data.gapminder().query("country=='Canada'")
fig = px.line(df, x="year", y="lifeExp",
title='Life expectancy in Canada',
line_shape = 'spline')
fig.show()
使用Scipy插值实现
from scipy import interpolate
import numpy as np
import matplotlib.pyplot as plt
fig, ax = plt.subplots(1,2,figsize=(15,7))
x = np.array([1, 2, 3, 4])
y = np.array([75, 0, 25, 100])
ax[0].plot(x, y)
x_new = np.linspace(1, 4, 300)
a_BSpline = interpolate.make_interp_spline(x, y)
y_new = a_BSpline(x_new)
ax[1].plot(x_new, y_new)
箱形图
箱形图（盒须图）利用最小值、第一四分位数（Q1）、中位数、第三四分位数（Q3）和最大值来显示一组数据的分布情况。箱体两端是Q1和Q3，箱内线为中位数。须线通常延伸到Q1 - 1.5 * IQR和Q3 + 1.5 * IQR范围内的最远数据点，此范围外的点被视为异常值。
适用：展示数据分散情况，特别用于多个样本的比较。
Plotly 代码
import numpy as np
import plotly.express as px
data = np.array([-40,1,2,5,10,13,15,16,17,40])
fig = px.box(data, points="all")
fig.show()
Seaborn 代码
import seaborn as sns
sns.set_style( 'darkgrid' )
fig = sns.boxplot(y=data)
小提琴图
小提琴图可视为箱形图与核密度图的结合体，它既显示了数据的四分位范围和中位数（箱形图信息），又通过宽度展示了数据的分布密度。
Plotly 代码
import plotly.express as px
df = px.data.tips()
fig = px.violin(df, y="total_bill", x="day",
color="sex", box=True, points="all",
hover_data=df.columns)
fig.show()
Seaborn 代码
import seaborn as sns
sns.set_context({'figure.figsize':[15, 8]})
sns.set_theme(style="whitegrid")
tips = sns.load_dataset("tips")
ax = sns.violinplot(x="day", y="total_bill", hue="sex", data=tips)
对比图（直方图、箱形图、小提琴图）
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
N = 10**4
x = np.random.normal(size=N)
fig, ax = plt.subplots(3, 1,figsize=(15,8), sharex=True)
sns.distplot(x, ax=ax[0])
ax[0].set_title('Histogram + KDE')
sns.boxplot(x, ax=ax[1])
ax[1].set_title('Boxplot')
sns.violinplot(x, ax=ax[2])
ax[2].set_title('Violin plot')
fig.suptitle('Standard Normal Distribution', fontsize=16)
plt.show()
总结与速查表
下表汇总了在Plotly和Seaborn中生成上述图表的主要方法和属性：
| 图表类型 |
Plotly |
Seaborn |
| 简单条形图 |
express.bar |
barplot |
| 分组条形图 |
color属性 + barmode='group' |
hue属性 |
| 堆积条形图 |
color属性 |
使用多个图的label和color属性 |
| 简单线图 |
express.line |
lineplot |
| 多线图 |
color和symbol属性 |
hue属性 |
| 简单饼图 |
express.pie |
matplotlib.pyplot.pie |
| 爆炸饼图 |
graph_objects.Pie + pull属性 |
explode属性 |
| 甜甜圈图 |
graph_objects.Pie + hole属性 |
添加matplotlib.pyplot.Circle |
| 3D饼图 |
使用pygooglechart包 |
shadow属性 |
| 直方图 |
express.histogram |
histplot |
| 双峰直方图 |
color属性 |
kdeplot |
| 面积图 |
express.area |
matplotlib.pyplot.stackplot |
| 点阵图 |
express.scatter |
stripplot |
| 散点图 |
express.scatter |
scatterplot |
| 气泡图 |
express.scatter + color和size属性 |
scatterplot + size属性 |
| 雷达图 |
express.line_polar |
matplotlib.pyplot绘图 |
| 象形图 |
graph_objects.Figure + Scatter + marker属性 |
matplotlib.pyplot + pywaffle包 |
| 样条图 |
express.line + line_shape='spline' |
Scipy.interpolate.make_interp_spline |
| 箱形图 |
express.box |
boxplot |
| 小提琴图 |
express.violin |
violinplot |
写在最后
我们系统性地梳理了多种数据可视化图表，了解了它们的适用场景，并掌握了使用强大的Python库（Plotly和Seaborn）生成这些图表的代码。在数据科学工作中，选择合适的图表并熟练地创建它们，是清晰传达数据见解、有效支撑决策的关键技能。
希望这份结合了概念、场景与实战代码的指南，能成为你在数据可视化探索路上的实用工具。
发表于 5 小时前
|
查看: 3|
回复: 0
