11 KiB

Raw Permalink Blame History Unescape Escape

可视化比例


可视化比例 - 速记图作者 @nitya

在本课中，你将使用一个以自然为主题的数据集来可视化比例，例如在一个关于蘑菇的数据集中有多少种不同类型的真菌。让我们通过一个来自 Audubon 的数据集来探索这些迷人的真菌，该数据集列出了 Agaricus 和 Lepiota 家族中 23 种有鳃蘑菇的详细信息。你将尝试一些有趣的可视化方法，例如：

饼图 🥧
环形图 🍩
华夫图 🧇

💡 一个非常有趣的项目 Charticulator 由微软研究院开发，提供了一个免费的拖放界面用于数据可视化。在他们的一个教程中也使用了这个蘑菇数据集！因此你可以同时探索数据并学习这个库：Charticulator 教程。

课前测验

了解你的蘑菇 🍄

蘑菇非常有趣。让我们导入一个数据集来研究它们：

import pandas as pd
import matplotlib.pyplot as plt
mushrooms = pd.read_csv('../../data/mushrooms.csv')
mushrooms.head()

一个表格打印出来，包含一些很棒的分析数据：

类别	帽型	帽表面	帽颜色	是否有瘀伤	气味	鳃连接方式	鳃间距	鳃大小	鳃颜色	茎形状	茎根	环上方茎表面	环下方茎表面	环上方茎颜色	环下方茎颜色	面纱类型	面纱颜色	环数量	环类型	孢子印颜色	种群	栖息地
有毒	凸形	光滑	棕色	有瘀伤	刺鼻	自由	紧密	狭窄	黑色	扩大	等长	光滑	光滑	白色	白色	部分	白色	一个	垂饰	黑色	分散	城市
可食用	凸形	光滑	黄色	有瘀伤	杏仁味	自由	紧密	宽广	黑色	扩大	棍状	光滑	光滑	白色	白色	部分	白色	一个	垂饰	棕色	众多	草地
可食用	钟形	光滑	白色	有瘀伤	茴香味	自由	紧密	宽广	棕色	扩大	棍状	光滑	光滑	白色	白色	部分	白色	一个	垂饰	棕色	众多	草地
有毒	凸形	鳞片状	白色	有瘀伤	刺鼻	自由	紧密	狭窄	棕色	扩大	等长	光滑	光滑	白色	白色	部分	白色	一个	垂饰	黑色	分散	城市

你会立即注意到所有数据都是文本格式。为了在图表中使用这些数据，你需要将其转换。事实上，大部分数据是以对象形式表示的：

print(mushrooms.select_dtypes(["object"]).columns)

输出为：

Index(['class', 'cap-shape', 'cap-surface', 'cap-color', 'bruises', 'odor',
       'gill-attachment', 'gill-spacing', 'gill-size', 'gill-color',
       'stalk-shape', 'stalk-root', 'stalk-surface-above-ring',
       'stalk-surface-below-ring', 'stalk-color-above-ring',
       'stalk-color-below-ring', 'veil-type', 'veil-color', 'ring-number',
       'ring-type', 'spore-print-color', 'population', 'habitat'],
      dtype='object')

将这些数据转换为类别，例如将“类别”列转换为分类：

cols = mushrooms.select_dtypes(["object"]).columns
mushrooms[cols] = mushrooms[cols].astype('category')

edibleclass=mushrooms.groupby(['class']).count()
edibleclass

现在，如果打印出蘑菇数据，你会看到它已经根据有毒/可食用类别分组：

	帽型	帽表面	帽颜色	是否有瘀伤	气味	鳃连接方式	鳃间距	鳃大小	鳃颜色	茎形状	...	环下方茎表面	环上方茎颜色	环下方茎颜色	面纱类型	面纱颜色	环数量	环类型	孢子印颜色	种群	栖息地
类别
可食用	4208	4208	4208	4208	4208	4208	4208	4208	4208	4208	...	4208	4208	4208	4208	4208	4208	4208	4208	4208	4208
有毒	3916	3916	3916	3916	3916	3916	3916	3916	3916	3916	...	3916	3916	3916	3916	3916	3916	3916	3916	3916	3916

如果按照此表中呈现的顺序创建类别标签，你可以绘制一个饼图：

饼图！

labels=['Edible','Poisonous']
plt.pie(edibleclass['population'],labels=labels,autopct='%.1f %%')
plt.title('Edible?')
plt.show()

瞧，一个饼图展示了根据蘑菇的两种类别（有毒/可食用）数据的比例。这里正确设置标签的顺序非常重要，因此务必验证标签数组的构建顺序！

环形图！

环形图是一种更具视觉吸引力的饼图，它在中间有一个空洞。让我们用这种方法查看数据。

看看蘑菇生长的各种栖息地：

habitat=mushrooms.groupby(['habitat']).count()
habitat

这里，你将数据按栖息地分组。共有 7 种栖息地，因此使用这些作为环形图的标签：

labels=['Grasses','Leaves','Meadows','Paths','Urban','Waste','Wood']

plt.pie(habitat['class'], labels=labels,
        autopct='%1.1f%%', pctdistance=0.85)
  
center_circle = plt.Circle((0, 0), 0.40, fc='white')
fig = plt.gcf()

fig.gca().add_artist(center_circle)
  
plt.title('Mushroom Habitats')
  
plt.show()

这段代码绘制了一个图表和一个中心圆，然后将中心圆添加到图表中。通过将 0.40 更改为其他值来编辑中心圆的宽度。

环形图可以通过多种方式调整标签。特别是标签可以被突出显示以提高可读性。了解更多信息请参阅文档。

现在你已经知道如何分组数据并将其显示为饼图或环形图，你可以探索其他类型的图表。试试华夫图，这是一种不同的方式来探索数量。

华夫图！

华夫图是一种以二维方块阵列可视化数量的图表。尝试可视化数据集中蘑菇帽颜色的不同数量。为此，你需要安装一个辅助库 PyWaffle 并使用 Matplotlib：

pip install pywaffle

选择一段数据进行分组：

capcolor=mushrooms.groupby(['cap-color']).count()
capcolor

通过创建标签并分组数据来创建华夫图：

import pandas as pd
import matplotlib.pyplot as plt
from pywaffle import Waffle
  
data ={'color': ['brown', 'buff', 'cinnamon', 'green', 'pink', 'purple', 'red', 'white', 'yellow'],
    'amount': capcolor['class']
     }
  
df = pd.DataFrame(data)
  
fig = plt.figure(
    FigureClass = Waffle,
    rows = 100,
    values = df.amount,
    labels = list(df.color),
    figsize = (30,30),
    colors=["brown", "tan", "maroon", "green", "pink", "purple", "red", "whitesmoke", "yellow"],
)