可視化是一種方便的觀察數(shù)據(jù)的方式，可以一目了然地了解數(shù)據(jù)塊。我們經(jīng)常使用柱狀圖、直方圖、餅圖、箱圖、熱圖、散點圖、線狀圖等。這些典型的圖對于數(shù)據(jù)可視化是必不可少的。除了這些被廣泛使用的圖表外，還有許多很好的卻很少被使用的可視化方法，這些圖有助于完成我們的工作，下面我們看看有那些圖可以進行。

1、平行坐標圖

Parallel Coordinate

我們最多可以可視化 3 維數(shù)據(jù)。但是我們有時需要可視化超過 3 維的數(shù)據(jù)才能獲得更多的信息。我們經(jīng)常使用 PCA 或 t-SNE 來降維并繪制它。在降維的情況下，可能會丟失大量信息。在某些情況下，我們需要考慮所有特征， 平行坐標圖有助于做到這一點。

鳶尾花數(shù)據(jù)集的平行坐標圖

上面的圖片。橫線(平行軸)表示鳶尾花的特征(花瓣長、萼片長、萼片寬、花瓣寬)。分類是Setosa, Versicolor和Virginica。上圖將該物種編碼為Setosa→1,Versicolor→2,Virginica→3。每個平行軸包含最小值到最大值(例如，花瓣長度從1到6.9，萼片長度從4.3到7.9，等等)。例如，考慮花瓣長度軸。這表明與其他兩種植物相比，瀨蝶屬植物的花瓣長度較小，其中維珍屬植物的花瓣長度最高。

有了這個圖，我們可以很容易地獲得數(shù)據(jù)集的總體信息。數(shù)據(jù)集是什么樣子的?讓我們來看看。

讓我們用Plotly Express庫[1]可視化數(shù)據(jù)。Plotly庫提供了一個交互式繪圖工具。

import plotly.express as px df = px.data.iris() fig = px.parallel_coordinates(df, color="species_id", labels={"species_id": "Species", "sepal_width": "Sepal Width", "sepal_length": "Sepal Length", "petal_width": "Petal Width", "petal_length": "Petal Length", }, color_continuous_scale=px.colors.diverging.Tealrose, color_continuous_midpoint=2) fig.show()

除了上圖以外我們還可以使用其他庫，如pandas、scikit-learn和matplotlib來繪制并行坐標。

六邊形分箱圖

Hexagonal Binning

六邊形分箱圖是一種用六邊形直觀表示二維數(shù)值數(shù)據(jù)點密度的方法。

?ax?=?df.plot.hexbin(x='sepal_width',?y='sepal_length',

?????????????????????gridsize=20,color='#BDE320')

Pandas 允許我們繪制六邊形 binning [2]。我已經(jīng)展示了用于查找 sepal_width 和 sepal_length 列的密度的圖。文章來源地址http://www.zghlxwxcb.cn/news/detail-483728.html

到了這里，關(guān)于幾個實用數(shù)據(jù)可視化圖表Python代碼!的文章就介紹完了。如果您還想了解更多內(nèi)容，請在右上角搜索TOY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！