11 KiB

Raw Permalink Blame History Unescape Escape

可视化比例


可视化比例 - 草图笔记由 @nitya 绘制

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，不同类型的真菌数量占比。我们将通过一个来自 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。你将尝试使用以下美味的可视化方法：

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式数据可视化界面。在他们的一个教程中也使用了这个蘑菇数据集！因此，你可以一边探索数据一边学习这个工具库：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()

一个包含丰富分析数据的表格被打印出来：

类别	菌盖形状	菌盖表面	菌盖颜色	是否有瘀伤	气味	鳃附着方式	鳃间距	鳃大小	鳃颜色	茎形状	茎根部	茎环上表面	茎环下表面	茎环上颜色	茎环下颜色	幔类型	幔颜色	环数量	环类型	孢子打印颜色	种群	栖息地
有毒	凸形	光滑	棕色	有瘀伤	刺鼻	游离	紧密	狭窄	黑色	膨大	等粗	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	游离	紧密	宽	黑色	膨大	棍棒状	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	游离	紧密	宽	棕色	膨大	棍棒状	光滑	光滑	白色	白色	部分	白色	一个	垂饰	棕色	众多	草原
有毒	凸形	鳞状	白色	有瘀伤	刺鼻	游离	紧密	狭窄	棕色	膨大	等粗	光滑	光滑	白色	白色	部分	白色	一个	垂饰	黑色	分散	城市

你会立刻注意到，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，将 'class' 列转换为类别：

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：

	菌盖形状	菌盖表面	菌盖颜色	是否有瘀伤	气味	鳃附着方式	鳃间距	鳃大小	鳃颜色	茎形状	...	茎环下表面	茎环上颜色	茎环下颜色	幔类型	幔颜色	环数量	环类型	孢子打印颜色	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，一个饼图展示了蘑菇数据中这两类的比例。这里正确设置标签顺序非常重要，因此务必验证标签数组的顺序！

环形图！

环形图是饼图的一种变体，中间有一个空洞，看起来更有趣。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，因此将它们用作环形图的标签：

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。通过更改 0.40 的值可以调整中心圆的宽度。

环形图可以通过多种方式调整标签的显示，特别是可以突出显示标签以提高可读性。更多信息请参考文档。

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，可以尝试其他类型的图表。试试华夫图，这是一种不同的数量可视化方式。

华夫图！

华夫图是一种二维方块数组的数量可视化方式。试着用这个数据集可视化蘑菇菌盖颜色的不同数量。为此，你需要安装一个名为 PyWaffle 的辅助库并使用 Matplotlib：

pip install pywaffle

选择一部分数据进行分组：

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

通过创建标签并分组数据来生成华夫图：

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"],
)