CDA數(shù)據(jù)分析師 出品

作者：Frank Andrade

編譯：Mika

作為一名數(shù)據(jù)工作者，我特別喜歡用Python創(chuàng)建美觀且易懂的可視化圖表，而且技術(shù)難度小，不會花費大量時間。

交互式可視化也是如此，因此我花了很長時間尋找Python中好用的庫。能創(chuàng)建交互式可視化圖表的庫有很多，但當(dāng)使用Pandas時，很容易遇到各種各樣的問題。

今天，我就來手把手教你如何直接使用Pandas創(chuàng)建出交互式可視化效果。

01 安裝庫

為了輕松創(chuàng)建交互式可視化，我們需要安裝Cufflinks。這是一個將Pandas與Plotly連接起來的庫，從而我們能夠直接從Pandas創(chuàng)建可視化效果。

首先，確保安裝Pandas并在終端上運行以下命令：

pip install pandas
pip install plotly

注意，你也可以使用conda安裝Plotly

conda install -c plotly

安裝 Plotly 后，運行以下命令安裝 Cufflinks：

pip install cufflinks

02 導(dǎo)入庫

接下來要導(dǎo)入以下庫：

import pandas as pd
import cufflinks as cf
from IPython.display import display,HTMLcf.set_config_file(sharing='public',theme='ggplot',offline=True)

在這里，我用的是 ‘ggplot’ 主題，你也可以隨意選擇任何想要的主題。運行命令 cf.getThemes() 以獲取所有可用的主題。

要在以下部分中使用 Pandas 進(jìn)行交互式可視化，我們只需要使用語法 dataframe.iplot()

03 處理數(shù)據(jù)

在本文中，我們將使用人口數(shù)據(jù)框。

“CDA數(shù)據(jù)分析師”公眾號后臺回復(fù)關(guān)鍵字 “人口” ，

即可下載數(shù)據(jù)CSV 文件。

下載文件后，移動到 Python 腳本所在的位置，然后在 Pandas 數(shù)據(jù)框中進(jìn)行讀取，如下所示。

df_population = pd.read_csv('population_total.csv')

數(shù)據(jù)框中包含了世界上大多數(shù)國家多年來的人口數(shù)據(jù)，如下所示：

在使用之前，我們需要對其進(jìn)行處理，刪除空值，重新調(diào)整，然后選擇幾個國家來測試交互式繪圖。

代碼如下：

# dropping null values
df_population = df_population.dropna()# reshaping the dataframe
df_population = df_population.pivot(index='year', columns='country',
values='population')# selecting 5 countries
df_population = df_population[['United States', 'India', 'China',
'Indonesia', 'Brazil']]

現(xiàn)在數(shù)據(jù)框如下圖所示，可以進(jìn)行繪圖了。

04 繪制可視化

折線圖

下面讓我們做一個折線圖來，對其中5 個國家在 1955 年到 2020 年的人口增長量進(jìn)行對比。

如前所述，我們將使用語法 df_population.iplot(kind=‘name_of_plot’) 來進(jìn)行繪制。如下所示：

df_population.iplot(kind='line',xTitle='Years', yTitle='Population',
title='Population (1955-2020)')

一眼就可以看到，印度的人口增長速度比其他國家快。

條形圖

我們可以在按類別分組的條形圖上創(chuàng)建單個條形圖。

單條形圖

讓我們創(chuàng)建一個條形圖，顯示2020年前每個國家的人口。

首先，我們從索引中選擇2020年，然后將行與列轉(zhuǎn)換，以獲得列中的年份。將這個新的數(shù)據(jù)框命名為 df_population_2020 。我們將在繪制餅圖時將再次使用這個數(shù)據(jù)框。

df_population_2020 = df_population[df_population.index.isin([2020])]
df_population_2020 = df_population_2020.T

現(xiàn)在我們可以用 .iplot() 來對新數(shù)據(jù)框進(jìn)行繪制. 在這種情況下，我將使用顏色參數(shù)將條形顏色設(shè)置為淺綠色。

df_population_2020.iplot(kind='bar', color='lightgreen',
xTitle='Years', yTitle='Population',
title='Population in 2020')

多個變量分組的條形圖

現(xiàn)在讓我們看看不同年代初期人口的變化情況。

# filter years out
df_population_sample = df_population[df_population.index.isin([1980, 1990, 2000, 2010, 2020])]# plotting
df_population_sample.iplot(kind='bar', xTitle='Years',
yTitle='Population')

多年來，這些國家的人口都在增長，但有些國家的增長速度更快。

箱形圖

當(dāng)我們想查看數(shù)據(jù)的分布時，箱線圖就派上用場了。箱線圖將顯示最小值、第一四分位數(shù) (Q1)、中位數(shù)、第三個四分位數(shù) (Q3)以及 最大值。查看這些值的最簡單方法是創(chuàng)建交互式可視化。

接著讓我們看到美國的人口分布。

df_population['United States'].iplot(kind='box', color='green',
yTitle='Population')

我們還可以看到其他國家或地區(qū)的人口分布。

df_population.iplot(kind='box', xTitle='Countries',
yTitle='Population')

如我們所見，我們還可以通過點擊右側(cè)的圖例來過濾掉任何國家。

直方圖

直方圖表示數(shù)值數(shù)據(jù)的分布。讓我們看看美國和印度尼西亞的人口分布。

df_population[['United States', 'Indonesia']].iplot(kind='hist',
xTitle='Population')

餅圖

讓我們用餅圖來比較一下 2020 年的人口。為此，我們將使用在單個條形圖部分中創(chuàng)建的數(shù)據(jù)框 df_population_2020

注意，要制作餅圖，我們需要將“國家/地區(qū)”作為列而不是索引，因此我們使用 .reset_index() 來獲取列。然后我們將其 2020 轉(zhuǎn)換為字符串。

# transforming data
df_population_2020 = df_population_2020.reset_index()
df_population_2020 =df_population_2020.rename(columns={2020:'2020'})# plotting
df_population_2020.iplot(kind='pie', labels='country',
values='2020',
title='Population in 2020 (%)')

散點圖

其實人口數(shù)據(jù)不適合用散點圖，但出于演示的目的，這里還是列舉出來了。

制作散點圖類似于折線圖，但我們必須添加 mode 參數(shù)。

df_population.iplot(kind='scatter', mode='markers')

以上就是本文的全部內(nèi)容了。不妨下載數(shù)據(jù)來試試，用Pandas來繪制文中提到的交互式可視化吧！

“CDA數(shù)據(jù)分析師”公眾號后臺回復(fù)關(guān)鍵字 “人口” ，

即可下載數(shù)據(jù)CSV 文件。

還想學(xué)習(xí)哪方面的內(nèi)容，也歡迎在評論區(qū)給我們留言哦~