一看就懂的10个数据可视化技巧

我必须对你说实话：当我学习数据科学时，我完全低估了绘图的重要性。没错，那时一切都一团糟：我从头开始学习 python、熟悉了所有可能的算法、理解了所有东西背后的数学原理，但是我的绘图技巧很糟糕。

为什么会这样?我们总是在做同样的事情。你知道的：pairplots，distplots，qqplots…你在可视化数据时使用图表是理解数据的唯一方法。这些都是非常有用、通用和默认的图表。所以，复制和粘贴一堆代码成了我时最常做的事情。

对于我的项目来说，可交付结果总是一个模型。由于数小时的数据清洗和特征工程，很可能会有一个不错的分数。我是我项目的唯一参与者，我的教授们在他们给我这些数据时就已经知道关于数据的一切。那我作图是为了给谁看?我自己?好吧…没必要!对不?我比任何人都清楚每一步在实现什么，我不需要向任何人解释。

但除此之外，老实说，作图一点都不神秘。任何人都可以作图。我 60 岁的父亲只要用 excel 就能作出一些图表。当然，每个人都能做到，这就是为什么我认为它并不神秘。我和我的朋友们都在从事数据科学和机器学习，但大多数人甚至不明白那是什么。正如《哈佛商业评论》(Harvard Business Review)杂志所说，这就是为什么我们都那么帅气性感。

问题是小伙子们——如果你们还没有从我过分的讽刺中发现，现实生活并非如此。我相信这可能是我在数据科学中的最大失败：没有充分考虑可解释性和可解释性的重要性。你可能是个天才，但如果你不能向第三方解释你是如何得到这些美妙的结论，以及为什么得到这些结论，那么你可能什么都不是。例如，在 Ravelin Technology，我们提供基于机器学习的欺诈预防解决方案。想象一下，你告诉一个客户，你封锁了 x% 的交易，只是因为机器学习模型是这样说的，但你根本不知道为什么要这样做会怎样?当然，对于任何试图最大化环化率和销售情况的电子商务来说，这都不是很有吸引力，对吧?想象一下，在医疗保健等其他敏感领域出现同样的情况……那简直是灾难即将来临的千兆。

现在，除了与业务相关的问题，甚至从法律的角度或者从你的业务只关心预测的结果来看——不管你如何得到它们，理解一个算法实际上是如何工作的对你会有帮助。你不仅能更好地向客户解释输出的原因，还能更好地协调数据科学家和分析师的工作。

因此，在现实世界中，情况与我在学校从事学术数据科学项目时的情况完全不同：我从来不是项目的唯一参与者，我的同事和/或客户通常对我使用的数据不太了解。那我现在要为谁作图呢?听起来还没必要吗?很显然不是。能够向人们解释你的思维过程是任何数据相关工作的关键部分。在这种情况下，复制和粘贴图表是不够的，图表的个性化变得非常重要。

在这篇文章的剩余部分，我想和大家分享 10 个基本的中级和高级的绘图工具。我发现在现实生活中，当涉及到绘图解释你的数据时，这些工具非常有用。

我将在下面几行中引用的库：

Seaborn：import seaborn as sns
matplotlib：matplotlib.pyplot as plt

此外，如果需要，可以设置样式和你喜欢的格式，例如：

plt.style.use('fivethirtyEight')
%config inlinebackend.figure\format='retina'
%matplotlib inline

说到这里，让我们直接跳到这些工具：

1.绘制复合图

有时，你会想在一个图表中绘制出不同的东西。但有时，你会希望在同一行或列中抛出不同的图表，相互补充和/或显示不同的信息片段。

为此，这里给出一个非常基本但必不可少的工具：subplots。如何使用它?很简单。matplotlib 中的图表是一种结构，可以这样使用：

图形：绘制图表的背景或画布

轴：我们的图表

通常，这些东西是在代码后台自动设置的，但是如果要绘制多个图形，我们只需要按照以下方式创建图形和轴对象：

fig, ax = plt.subplots(ncols=number_of_cols, nrows=number_of_rows, figsize=(x,y)

例如，如果设置 ncols=1 和 nrows=2，我们将创建一个由 x，y 轴组成的图形，其中只有两个图表，分布在两个不同的行中。剩下的唯一事情是从 0 开始使用'ax'参数指定不同绘图的顺序。例如：

sns.scatterplot(x=horizontal_data_1, y=vertical_data_1, ax=ax[0]);
sns.scatterplot(x=horizontal_data_2, y=vertical_data_2, ax=ax[1]);

2.轴标签

这可能看起来没有必要，或者不是很有帮助，但是你无法想象，如果你的图表有点混乱，或者看到数据的人对此不是很熟悉，你会被问多少次 x/y 轴代表的是什么。按照前面的两个绘图示例，如果要为轴设置特定名称，则必须使用以下代码行：

ax[0].set(x label='My X Label'，ylabel='My Y Label')
ax[1].set(xlabel='My Second X Label'，ylabel='My Second and Very Creative Y Label')

3.设置标题

如果我们要将数据呈现给第三方，另一个基本但关键的要点是使用标题，它和之前的轴标记非常相似：

ax[0].title.set_text(‘This title has to be very clear and explicative’)
ax[1].title.set_text(‘And this title has to explain what’s different in this chart’

4.给图表重点元素做注释

通常情况下，仅仅在图表的左右两侧使用刻度本身并不是很清楚。在图上标注值对于解释图表非常有用。

假设现在我们使用 subplots，我们有几个图表，其中一个是位于 ax[0] 位置的 seaborn 的 barplot。在这种情况下，在条形图中每个条上获取注释的代码要复杂一些，但很容易实现：

for p in ax[0].patches:
ax[0].annotate(“%.2f” % p.get_height(), (p.get_x() + p.get_width() / 2., p.get_height()),
ha=’center’, va=’center’, fontsize=12, color=’white’, xytext=(0, -10), textcoords=’offset points’

对于图表中的每个「patch」或条形图，直到「ha」参数获取条形图的位置、高度和宽度为止，以便将值注释放在正确的位置。以类似的方式，我们还可以指定注释的对齐方式、字体大小和颜色，而「xytext」参数指示我们是否要在某个 x 或 y 方向移动注释。在上面的例子中，我们将在 y 轴上向下移动注释文本。

5.使用不同颜色区分标签

在某些情况下，在一段时间或一系列的值中，我们可能测量了不同种类的物体。例如，假设我们测量 6 个月以来狗和猫的体重。在实验结束时，我们想画出每只动物的体重，分别用蓝色和红色区分猫和狗。为此，在大多数传统绘图中，我们可以使用参数「hue」为元素提供颜色列表。

举个例子：

weight = [5,4,8,2,6,2] month = [‘febrero’,’enero’,’abril’,’junio’,’marzo’,’mayo’] animal_type = [‘dog’,’cat’,’cat’,’dog’,’dog’,’dog’] hue = [‘blue’,’red’,’red’,’blue’,’blue’,’blue’] sns.scatterplot(x=month, y=weight, hue=hue);

6.改变散点图中点的大小

使用上面的相同示例，我们还可以使用从 1 到 5 的刻度表示图表中动物的大小。将此额外指标添加到绘图中的一个好选择是修改散点图的大小，通过「size」参数将大小指定给新的附加向量，并使用「size」调整它们之间的关系：

size = [2,3,5,1,4,1]
sns.scatterplot(x=month, y=weight, hue=hue, size=size, sizes= (50,300));

顺便说一下，如果如上图所示，图例使绘图更难阅读，你可以将「legend」参数设置为 false。

7.在数据中包含一行以显示阈值

在现实生活中的许多情况下，数据高于或低于某个阈值可能是问题提示信号或错误警告。如果要在绘图中清楚地显示，可以使用以下命令添加一行：

ax[0].axvline(32,0，c='r')

加在哪里?

ax[0] 将是我们要在其中插入行的图表
32 将是绘制线的值
c = 'r' 表示图表将是红色的

如果我们使用的是 subplots，那么将 axvline 添加到相应的 axe 就很简单，如上面的示例所示。但是，如果不使用 subplots，则应执行以下操作：

g=sns.scatterplot(x=month，y=weight，hue=hue，legend=false)
g.axvline(2，c='r')
plt.show()

8.多 Y 轴绘图

这可能是最简单，但也是最有用的技巧之一。

有时我们只需要在图表中添加更多信息，除了在绘图的右 y 轴上添加新的度量之外，没有其他方法可以绕过它：

ax2=ax[0].twinx()

现在可以添加任何要将「ax」参数指向「ax2」的图表

sns.lineplot(x=month, y=average_animal_weight, ax=ax2

请注意，这个例子再次假设你使用的是 subplots。如果没有，你应该遵循与前一点相同的逻辑：

g = sns.scatterplot(x=month, y=weight, hue=hue, legend=False)
g.axvline(2,c=’r’)
ax2 = g.twinx()
sns.lineplot(x=month, y=average_animal_weight, ax=ax2, c=’y’)
plt.show()

请注意，要使其工作，你应该为两个图表中的 x 轴设置始终相同的数据。否则，它们就不匹配了。

9. 重叠绘图和更改标签和颜色

在同一轴上重叠图表很容易：我们只需要为所有想要的绘图编写代码，然后，我们可以简单地调用'plt.show()'将它们全部绘制在一起：

a=[1,2,3,4,5]
b=[4,5,6,2,2]
c=[2,5,6,2,1]

sns.lineplot(x=a，y=b，c='r')
sns.lineplot(x=a，y=c，c='b')
plt.show()

然而，有时重叠会导致混淆，所以我们可能需要做一些改进，让人更容易理解。

例如，假设你希望在同一个图形中重叠你采集的两个不同样本的身高分布：一个来自你的同事，另一个来自当地的篮球队。最好添加一些个性化的东西，如不同的颜色，并添加一个图例，表明它们具体代表的是哪一个。好吧，简单点：

设置「colour」标签，我们可以为每一个设置一种特定的颜色。请注意，有时此参数可以更改为简单的「c」

使用「label」参数，我们可以通过简单地调用 x.legend()用来指定要显示的任何文本

举个例子：

g = sns.distplot(workmates_height, color=’b’, label=’Workmates’)
sns.distplot(basketball_team, color=’r’, ax=g, label=’Basket team’)
g.legend()
plt.show()