李俊華

（哈爾濱廣廈學(xué)院 信息學(xué)院，黑龍江 哈爾濱 150025）

0 引言

可視化是借助圖形化的方法，清晰有效的將數(shù)據(jù)展示出來。數(shù)據(jù)可視化的方法及工具有很多，例如少量數(shù)據(jù)較為常用的Excel，以及PowerPoint等均可實(shí)現(xiàn)數(shù)據(jù)的可視化。對(duì)于不斷發(fā)展的大數(shù)據(jù)的今天，Python的使用越來越受到關(guān)注。其豐富的第三方庫更是滿足了不同需求的應(yīng)用[1]。本文簡單介紹可視化類型的選擇，以及介紹了幾款Python對(duì)于可視化的第三方庫及其應(yīng)用場景，重點(diǎn)介紹pyecharts的使用，并通過pyecharts實(shí)現(xiàn)了幾款精美的可視化圖形實(shí)例，包括餅圖，柱狀圖，流動(dòng)圖及熱力圖，為學(xué)習(xí)數(shù)據(jù)可視化的讀者提供參考[2]。

1 可視化類型選擇

可視化是借助圖形化的方法，清晰有效地將數(shù)據(jù)展示出來。當(dāng)有可視化需求時(shí)，首先要了解需求時(shí)什么，從而選擇合適的可視化圖形。比如，展示兩個(gè)維度的可視化圖形有很多，包括散點(diǎn)圖、折線圖、柱狀圖等等。根據(jù)需求的確定，從而選擇最合適的圖形可視化。例如，需求是查看“半年內(nèi)的銷售情況”。由此需求可以確定這里會(huì)涉及兩個(gè)維度進(jìn)行展示，一個(gè)維度是時(shí)間序列（半年即6個(gè)月），另一個(gè)維度是每個(gè)月的銷量。因此，從眾多兩個(gè)維度的可視化圖形中，選擇折線圖更為合適，因?yàn)槠溥m合展示連續(xù)的時(shí)間序列數(shù)據(jù)。通過折線圖，可以清晰的觀察出銷量隨時(shí)間的變化情況[3]。

每一種可視化都有其適合的應(yīng)用場合，需要在明確了想要展示的信息之后來合理地選擇可視化類型。這里簡單總結(jié)如下：

（1）想要展示數(shù)據(jù)的分布情況，可以選擇散點(diǎn)圖、箱型圖、柱狀圖和直方圖；（2）想要展示數(shù)據(jù)的變化趨勢，可以選擇折線圖和雙軸圖；（3）想要展示對(duì)比效果，可以選擇柱狀圖、餅圖和雷達(dá)圖；（4）想要展示數(shù)據(jù)的部分與整體的關(guān)系，可以選擇面積圖、餅圖、旭日?qǐng)D、堆積柱狀圖和矩形樹圖；（5）想要展示數(shù)據(jù)之間的關(guān)系，可以選擇散點(diǎn)圖、氣泡圖和桑基圖；（6）想要展示文本信息的重點(diǎn)，可以選擇詞云圖；（7）想要展示流程中每一步的轉(zhuǎn)化情況，可以選擇漏斗圖。

除了選擇好合適的圖形之外，還要考慮可視化的配色及靜態(tài)或動(dòng)態(tài)效果等，以此來更好的完成數(shù)據(jù)可視化。篇幅原因，這里不再贅述。

2 Python數(shù)據(jù)可視化庫

Python為數(shù)據(jù)可視化提供了很好的支持。Python強(qiáng)大的第三方庫更是為不同數(shù)據(jù)可視化需求及不同領(lǐng)域提供了支持。這里簡單介紹幾個(gè)不同領(lǐng)域的Python數(shù)據(jù)可視化庫。

2.1 Matplotlib

Matplotlib是Python數(shù)據(jù)可視化庫的元老，已有十多年的歷史，使用范圍仍然很是廣泛。它的設(shè)計(jì)非常類似于MATLAB。

2.2 Seaborn

Seaborn是在Matplotlib之上構(gòu)建的，其利用Matplotlib的強(qiáng)大功能，可以只用幾行代碼就可創(chuàng)建美觀的圖表。

2.3 ggplot

ggplot基于ggplot2（一個(gè)R語言繪圖系統(tǒng)），它的運(yùn)行方式與Matplotlib不同，它允許對(duì)其組件進(jìn)行分層來創(chuàng)建完整的繪圖。例如，可以先從軸開始畫，然后再添加點(diǎn)，添加線、趨勢線等。

2.4 Bokeh

Bokeh基于The Grammer of Graphics，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(duì)象、HTML或交互式web應(yīng)用程序。同時(shí)還支持流媒體和實(shí)時(shí)數(shù)據(jù)。

2.5 Plotly

與Bokeh一樣，Plotly的強(qiáng)項(xiàng)在于制作交互式圖，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。

2.6 geoplotlib

geoplotlib是一個(gè)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(diǎn)密度貼圖[4]。

3 pyecharts

3.1 pyecharts簡介

pyecharts是一個(gè)用于生成Echarts圖表的類庫。Echarts是百度開源的一個(gè)數(shù)據(jù)可視化JS庫，主要用于數(shù)據(jù)可視化。pyecharts實(shí)際上就是Echarts與Python的對(duì)接。使用pyecharts可以生成獨(dú)立的網(wǎng)頁，也可以在flask，Django中集成使用[5]。

pyecharts包含的圖表：Bar 、Bar3D、Boxplot、EffectScatter 、Funnel、Gauge、Geo、Graph、HeatMap、Kline、Line、Line3D、Liquid、Map、Parallel、Pie、Polar、Radar、Sankey、Scatter、Scatter3D 、ThemeRiver、WordCloud。

pyecharts與matplotlib優(yōu)缺點(diǎn)對(duì)比如下：

（1）優(yōu)點(diǎn)：matplotlib屬于靜態(tài)圖，沒有交互，pyecharts渲染效果更好；（2）缺點(diǎn)：不穩(wěn)定，pyecharts分為v0.5.X和v1兩個(gè)大版本，v0.5.X和v1間不兼容，v1是一個(gè)全新的版本，支持Python3.6以上版本。

3.2 pyecharts的使用

3.2.1 下載與安裝

（1）pip命令

$ pip(3) install pyecharts（shell中直接命令）

（2）源碼安裝

$ git clone https://github.com/pyecharts/pyecharts.git

$ cd pyecharts

$ pip install -r requirements.txt

$ python setup.py install

# 或者執(zhí)行 python install.py

3.2.2 pyecharts基本使用

pyecharts的詳細(xì)配置API可參考官方幫助文檔。本文簡單介紹幾款圖表的效果實(shí)例如圖1~4所示。

圖1 精美餅圖示例

圖3 十一飛機(jī)流動(dòng)圖

圖4 水果銷售熱力圖

4 結(jié)語

通過對(duì)Python的數(shù)據(jù)可視化的簡要介紹和整理，包括可視化類型如何選擇，以及Python數(shù)據(jù)可視化的第三方庫的簡要介紹，并重點(diǎn)介紹了pyecharts庫，包括其下載與安裝，由于篇幅原因，只展示了利用pyecharts完成的四款常用圖形的實(shí)例。為學(xué)習(xí)數(shù)據(jù)可視的讀者提供參考。