第 15 章 生成数据

数据可视化 指的是通过可视化表示来探索数据，它与数据挖掘 紧密相关，而数据挖掘指的是使用代码来探索数据集的规律和关联。数据集可以是用一行代码就能表示的小型数字列表，也可以是数以吉字节的数据。
漂亮地呈现数据关乎的并非仅仅是漂亮的图片。以引人注目的简洁方式呈现数据，让观看者能够明白其含义，发现数据集中原本未意识到的规律和意义。

所幸即便没有超级计算机，也能够可视化复杂的数据。鉴于Python的高效性，使用它在笔记本电脑上就能快速地探索由数百万个数据点组成的数据集。数据点并非必须 是数字，利用本书前半部分介绍的基本知识，也可以对非数字数据进行分析。

在基因研究、天气研究、政治经济分析等众多领域，大家都使用Python来完成数据密集型工作。数据科学家使用Python编写了一系列令人印象深刻的可视化和分析工 具，其中很多也可供你使用。最流行的工具之一是matplotlib，它是一个数学绘图库，我们将使用它来制作简单的图表，如折线图和散点图。然后，我们将基于随机漫 步概念生成一个更有趣的数据集——根据一系列随机决策生成的图表。
我们还将使用Pygal包，它专注于生成适合在数字设备上显示的图表。通过使用Pygal，可在用户与图表交互时突出元素以及调整其大小，还可轻松地调整整个图表的尺 寸，使其适合在微型智能手表或巨型显示器上显示。我们将使用Pygal以各种方式探索掷骰子的结果。

15.1安装matplotlib
首先，需要安装matplotlib，我们将使用它来制作开始的几个图表。如果你还未使用过pip，请参阅12.2.1节。

15.1.1在Linux系统中安装matplotlib
如果你使用的是系统自带的Python版本，可使用系统的包管理器来安装matplotlib，为此只需执行一行命令：

$  sudo  apt-get  install  python3-matplotlib

如果你使用的是Python 2.7，请执行如下命令：

$  sudo  apt-get  install  python-matplotlib

如果你安装了较新的Python版本，就必须安装matplotlib依赖的一些库：

$  sudo  apt-get  install  python3.5-dev  python3.5-tk  tk-dev
$  sudo  apt-get  install  libfreetype6-dev  g++

再使用pip来安装matplotlib：

15.1.2在OS X系统中安装matplotlib
Apple的标准Python安装自带了matplotlib。要检查系统是否安装了matplotlib，可打开一个终端会话并尝试导入matplotlib。如果系统没有自带matplotlib，且你的Python是使用Homebrew安装的，则可以像下面这样安装matplotlib：

$  pip  install  --user  matplotlib

注意 安装包时可能需要使用pip3 ，而不是pip 。另外，如果这个命令不管用，你可能需要删除标志–user 。

15.1.3在Windows系统中安装matplotlib
在Windows系统中，首先需要安装Visual Studio。为此，请访问https://dev.windows.com/ ，单击Downloads，再查找Visual Studio Community——一组免费的Windows开发工具。请下载并运行该安装程序。

接下来，需要下载matplotlib安装程序。为此，请访问https://pypi.python.org/pypi/matplotlib/ ，并查找与你使用的Python版本匹配的wheel文件（扩展名为.whl的文件）。例如，如果你使用的是32位的Python 3.5，则需要下载matplotlib-1.4.3-cp35-none-win32.whl。
注意 如果找不到与你安装的Python版本匹配的文件，请去http://www.lfd.uci.edu/-gohlke/pythonlibs/#matplotlib 看看，这个网站发布安装程序的时间通常比matplotlib官网早些。
将这个.whl文件复制到你的项目文件夹，打开一个命令窗口，并切换到该项目文件夹，再使用pip来安装matplotlib：

>  cd  python_work
python_work>  python  -m  pip  install  --user  matplotlib-1.4.3-cp35-none-win32.whl

15.1.4测试matplotlib
安装必要的包后，对安装进行测试。为此，首先使用命令python 或python3 启动一个终端会话，再尝试导入matplotlib：

$python3
>>>  import  matplotlib
>>>

如果没有出现任何错误消息，就说明你的系统安装了matplotlib，可以接着阅读下一节。
注意 如果你在安装过程中遇到了麻烦，请参阅附录C。如果依然无济于事，请向他人寻求帮助。对于你遇到的问题，只要向经验丰富的Python程序员提供少量的信息，他们很可能很快就能帮你解决。

15.1.5matplotlib画廊
要查看使用matplotlib可制作的各种图表，请访问http://matplotlib.org/ 的示例画廊。单击画廊中的图表，就可查看用于生成图表的代码。

15.2绘制简单的折线图
下面来使用matplotlib绘制一个简单的折线图，再对其进行定制，以实现信息更丰富的数据可视化。我们将使用平方数序列1、4、9、16和25来绘制这个图表。 只需向matplotlib提供如下数字，matplotlib就能完成其他的工作：
mpl_squares.py

import  matplotlib.pyplot  as  plt
squares  =  [1,  4,  9,  16,  25] 
plt.plot(squares) 
plt.show()

我们首先导入了模块pyplot ，并给它指定了别名plt ，以免反复输入pyplot 。在线示例大都这样做，因此这里也这样做。模块pyplot 包含很多用于生成图表的函数。
我们创建了一个列表，在其中存储了前述平方数，再将这个列表传递给函数plot() ，这个函数尝试根据这些数字绘制出有意义的图形。plt.show() 打开matplotlib查看器，并显示绘制的图形，如图15-1所示。查看器让你能够缩放和导航图形，另外，单击磁盘图标可将图形保存起来。

图15-1 使用matplotlib可制作的最简单的图表

15.2.1修改标签文字和线条粗细
图15-1所示的图形表明数字是越来越大的，但标签文字太小，线条太细。所幸matplotlib让你能够调整可视化的各个方面。

下面通过一些定制来改善这个图形的可读性，如下所示：
mpl_squares.py

import  matplotlib.pyplot  as  plt
squares  =  [1,  4,  9,  16,  25]
plt.plot(squares,  linewidth=5)
    # 设置图表标题，并给坐标轴加上标签
plt.title("Square  Numbers",  fontsize=24)
plt.xlabel("Value",  fontsize=14)
plt.ylabel("Square  of  Value",  fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both',  labelsize=14)
plt.show()

参数linewidth （见❶）决定了plot() 绘制的线条的粗细。函数title() （见❷）给图表指定标题。在上述代码中，出现了多次的参数fontsize 指定了图表中文字的大小。
函数xlabel() 和ylabel() 让你能够为每条轴设置标题（见❸）；而函数tick_params() 设置刻度的样式（见❹），其中指定的实参将影响x 轴和y 轴上的刻度
（axes=‘both’ ），并将刻度标记的字号设置为14（labelsize=14 ）。
最终的图表阅读起来容易得多了，如图15-2所示：标签文字更大，线条也更粗。

            图15-2 现在图表阅读起来容易得多

15.2.2校正图形
图形更容易阅读后，我们发现没有正确地绘制数据：折线图的终点指出4.0的平方为25！下面来修复这个问题。
当你向plot() 提供一系列数字时，它假设第一个数据点对应的 x 坐标值为0，但我们的第一个点对应的 x 值为1。为改变这种默认行为，我们可以给plot() 同时提供输入值和输出值：
mpl_squares.py

import  matplotlib.pyplot  as  plt
input_values  =  [1,  2,  3,  4,  5]
squares  =  [1,  4,  9,  16,  25]
plt.plot(input_values,  squares,  linewidth=5)

# 设置图表标题并给坐标轴加上标签
plt.title("Square  Numbers",  fontsize=24)
plt.xlabel("Value",  fontsize=14)
plt.ylabel("Square  of  Value",  fontsize=14)
# 设置刻度标记的大小
plt.tick_params(axis='both',  labelsize=14)
plt.show()

现在plot() 将正确地绘制数据，因为我们同时提供了输入值和输出值，它无需对输出值的生成方式作出假设。最终的图形是正确的，如图15-3所示。

图15-3 根据数据正确地绘制了图形

使用plot() 时可指定各种实参，还可使用众多函数对图形进行定制。本章后面处理更有趣的数据集时，将继续探索这些定制函数。

15.2.3使用scatter() 绘制散点图并设置其样式
有时候，需要绘制散点图并设置各个数据点的样式。例如，你可能想以一种颜色显示较小的值，而用另一种颜色显示较大的值。绘制大型数据集时，你还可以对每个点都设置同样的样式，再使用不同的样式选项重新绘制某些点，以突出它们。
要绘制单个点，可使用函数scatter() ，并向它传递一对 x 和 y 坐标，它将在指定位置绘制一个点：
scatter_squares.py

import  matplotlib.pyplot  as  plt

plt.scatter(2,  4)
plt.show()

下面来设置输出的样式，使其更有趣：添加标题，给轴加上标签，并确保所有文本都大到能够看清：

import  matplotlib.pyplot  as  plt
plt.scatter(2,  4,  s=200)

# 设置图表标题并给坐标轴加上标签plt.title("Square  Numbers",  fontsize=24) plt.xlabel("Value",  fontsize=14) plt.ylabel("Square  of  Value",  fontsize=14)

# 设置刻度标记的大小
plt.tick_params(axis='both',  which='major',  labelsize=14)
plt.show()

在❶处，我们调用了scatter() ，并使用实参s 设置了绘制图形时使用的点的尺寸。如果此时运行scatter_squares.py，将在图表中央看到一个点，如图15-4所示。

图15-4 绘制单个点

15.2.4使用scatter() 绘制一系列点
要绘制一系列的点，可向scatter() 传递两个分别包含x 值和y 值的列表，如下所示：
scatter_squares.py

import  matplotlib.pyplot  as  plt
x_values  =  [1,  2,  3,  4,  5]
y_values  =  [1,  4,  9,  16,  25]
plt.scatter(x_values,  y_values,  s=100)
# 设置图表标题并给坐标轴指定标签
plt.title("Square  Numbers",  fontsize=24)
plt.xlabel("Value",  fontsize=14)
plt.ylabel("Square  of  Value",  fontsize=14)

# 设置刻度标记的大小
plt.tick_params(axis='both',  which='major',  labelsize=14)
plt.show()

列表x_values 包含要计算其平方值的数字，而列表y_values 包含前述每个数字的平方值。将这些列表传递给scatter() 时，matplotlib依次从每个列表中读取一个值来绘制一个点。要绘制的点的坐标分别为 (1, 1)、(2, 4)、(3, 9)、(4, 16)和(5, 25)，最终的结果如图15-5所示。

图15-5 由多个点组成的散点图

15.2.5自动计算数据
手工计算列表要包含的值可能效率低下，需要绘制的点很多时尤其如此。可以不必手工计算包含点坐标的列表，而让Python循环来替我们完成这种计算。下面是绘制1000个点的代 码：
scatter_squares.py

import  matplotlib.pyplot  as  plt

x_values  =  list(range(1,  1001))
y_values  =  [x**2  for  x  in  x_values]
plt.scatter(x_values,  y_values,  s=40)
# 设置图表标题并给坐标轴加上标签
plt.title("Square  Numbers",  fontsize=24)
plt.xlabel("Value",  fontsize=14)
plt.ylabel("Square  of  Value",  fontsize=14)
# 设置每个坐标轴的取值范围
plt.axis([0,  1100,  0,  1100000])
plt.show()

我们首先创建了一个包含 x 值的列表，其中包含数字1~1000（见❶）。接下来是一个生成 y 值的列表解析，它遍历 x 值（for x in x_values ），计算其平方值（x**2 ），并将结果存储到列表y_values 中。然后，将输入列表和输出列表传递给scatter() （见❷）。

由于这个数据集较大，我们将点设置得较小，并使用函数axis() 指定了每个坐标轴的取值范围（见❸）。函数axis() 要求提供四个值：x 和 y 坐标轴的最小值和最大值。在这里，我们将 x 坐标轴的取值范围设置为0~1100，并将 y 坐标轴的取值范围设置为0~1 100 000。结果如图15-6所示。

图15-6 Python绘制1000个点与绘制5个点一样容易

15.2.6删除数据点的轮廓
matplotlib允许你给散点图中的各个点指定颜色。默认为蓝色点和黑色轮廓，在散点图包含的数据点不多时效果很好。但绘制很多点时，黑色轮廓可能会粘连在一起。要删除数据点的轮廓，可在调用scatter() 时传递实参edgecolor=‘none’ ：

plt.scatter(x_values,  y_values,  edgecolor='none',  s=40)

将相应调用修改为上述代码后，如果再运行scatter_squares.py，在图表中看到的将是蓝色实心点。

15.2.7自定义颜色
要修改数据点的颜色，可向scatter() 传递参数c ，并将其设置为要使用的颜色的名称，如下所示：

plt.scatter(x_values,  y_values,  c='red',  edgecolor='none',  s=40)

你还可以使用RGB颜色模式自定义颜色。要指定自定义颜色，可传递参数c ，并将其设置为一个元组，其中包含三个0~1之间的小数值，它们分别表示红色、绿色和蓝色分量。例 如，下面的代码行创建一个由淡蓝色点组成的散点图：

plt.scatter(x_values,  y_values,  c=(0,  0,  0.8),  edgecolor='none',  s=40)

值越接近0，指定的颜色越深，值越接近1，指定的颜色越浅。

15.2.8使用颜色映射
颜色映射（colormap）是一系列颜色，它们从起始颜色渐变到结束颜色。在可视化中，颜色映射用于突出数据的规律，例如，你可能用较浅的颜色来显示较小的值，并使用较深的颜色来显示较大的值。
模块pyplot 内置了一组颜色映射。要使用这些颜色映射，你需要告诉pyplot 该如何设置数据集中每个点的颜色。下面演示了如何根据每个点的 y 值来设置其颜色：
scatter_squares.py

import  matplotlib.pyplot  as  plt

x_values  =  list(range(1001))
y_values  =  [x**2  for  x  in  x_values]

plt.scatter(x_values,  y_values,  c=y_values,  cmap=plt.cm.Blues, edgecolor='none',  s=40)

# 设置图表标题并给坐标轴加上标签
plt.title("Square  Numbers",  fontsize=24)
plt.xlabel("Value",  fontsize=14)
plt.ylabel("Square  of  Value",  fontsize=14)
# 设置每个坐标轴的取值范围
plt.axis([0,  1100,  0,  1100000])
plt.show()

图15-7 使用颜色映射Blues 的图表

注意 要了解pyplot 中所有的颜色映射，请访问http://matplotlib.org/ ，单击Examples，向下滚动到Color Examples，再单击colormaps_reference。

15.2.9自动保存图表
要让程序自动将图表保存到文件中，可将对plt.show() 的调用替换为对plt.savefig() 的调用：

plt.savefig('squares_plot.png',  bbox_inches='tight')

第一个实参指定要以什么样的文件名保存图表，这个文件将存储到scatter_squares.py所在的目录中；第二个实参指定将图表多余的空白区域裁剪掉。如果要保留图表周围多余的空 白区域，可省略这个实参。

15.3随机漫步
在本节中，我们将使用Python来生成随机漫步数据，再使用matplotlib以引人瞩目的方式将这些数据呈现出来。随机漫步 是这样行走得到的路径：每次行走都完全是随机的，没有明确的方向，结果是由一系列随机决策决定的。你可以这样认为，随机漫步就是蚂蚁在晕头转向的情况下，每次都沿随机的方向前行所经过的路径。

在自然界、物理学、生物学、化学和经济领域，随机漫步都有其实际用途。例如，漂浮在水滴上的花粉因不断受到水分子的挤压而在水面上移动。水滴中的分子运动是随机的， 因此花粉在水面上的运动路径犹如随机漫步。我们稍后将编写的代码模拟了现实世界的很多情形。

15.3.1创建RandomWalk() 类
为模拟随机漫步，我们将创建一个名为RandomWalk 的类，它随机地选择前进方向。这个类需要三个属性，其中一个是存储随机漫步次数的变量，其他两个是列表，分别存储随机漫步经过的每个点的 x 和 y 坐标。
RandomWalk 类只包含两个方法：init() 和fill_walk() ，其中后者计算随机漫步经过的所有点。下面先来看看__init__() ，如下所示：
random_walk.py

from  random  import  choice
class  RandomWalk():
    """一个生成随机漫步数据的类