python数据可视化基础之matplotlib、seaborn、plotnine对比

python数据可视化基础之matplotlib、seaborn、plotnine对比

前言

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from plotnine import *

• 在数据可视化方面，python和R语言还是有一定差距的，但是matplotlib、Seaborn、plotnine等静态图表绘制包，可以在很大程度上实现R语言ggplot2及其拓展包的可视化效果。每种包都有其特点

  • matplotlib 图表绘制函数可以实现不同的坐标系，包括二维、三维直角坐标和极坐标系，但最大问题参数繁多、条理不清，而绘制多数据系列的语法更为繁琐
  • Seaborn 相对于matplotlib可以绘制更多的统计分析图表，但是各个图表的绘制函数参数不统一，难以梳理清晰的关系
  • plotnine 语法相对清晰。可以绘制很美观的个性图表，但暂时只能实现二维坐标系*(2019年新出的)*

• 下面分别以这三个绘图包做一个简单的对比，使用相同的数据集绘制散点图、统计直方图和箱型图，所用数据如下所示：

df = pd.read_csv(r'Data/绘图包对比数据.csv')
df.tail()#后五条数据

	age	tau	Class	SOD	male
328	0.987849	5.767258	Uncertain	5.342334	1
329	0.986684	6.145622	Uncertain	5.347108	0
330	0.988263	5.897676	Uncertain	5.676754	1
331	0.984351	4.805741	Uncertain	4.875197	1
332	0.986877	5.551835	Uncertain	4.948760	0

• 使用matplotlib绘制

fig = plt.figure(figsize=(15,4),dpi =90)
#散点图
plt.subplot(131)
plt.xlabel('SOD')
plt.ylabel('tau')
plt.scatter(df['SOD'], df['tau'], c='black', s=15,  marker='o')
#统计直方图
plt.subplot(132)
plt.xlabel('SOD')
plt.ylabel('Count')
n, bins, patches = plt.hist(df['SOD'], 30, density=False, facecolor='w',edgecolor="k")
#箱型图
plt.subplot(133)
plt.xlabel('Class')
plt.ylabel('SOD')
labels=np.unique( df['Class'])
data = [df[df['Class']==label]['SOD'] for label in labels]
plt.boxplot(data,notch=False,labels=labels)  

• 使用Seaborn绘制

sns.set_style("darkgrid")
sns.set_context("notebook", font_scale=1.5, rc={'font.size': 12, 'axes.labelsize': 18, 'legend.fontsize':15, 
                                                'xtick.labelsize': 15,'ytick.labelsize': 15})
fig = plt.figure(figsize=(13,4),dpi =90)
ax1 = fig.add_subplot(131)
ax2 = fig.add_subplot(132)
ax3 = fig.add_subplot(133)
#散点图
sns.scatterplot(x="SOD", y="tau", data=df,color='k',ax = ax1)
#统计直方图
sns.distplot(df['SOD'], kde=False,bins=30,
                      hist_kws=dict(edgecolor="k", facecolor="w",linewidth=1,alpha=1),ax = ax2)
#箱型图
box_sns=sns.boxplot(x="Class", y="SOD", data=df,
                    width =0.6,palette=['w'],ax = ax3)
for i,box in enumerate(box_sns.artists):
    box.set_edgecolor('black')
    box.set_facecolor('white')
    for j in range(6*i,6*(i+1)):
         box_sns.lines[j].set_color('black')

• 使用plotnine绘制
  • 暂时没有找到plotnine绘制三种不同种类的子图的方法

#散点图
p1=(ggplot(df, aes(x='SOD',y='tau')) + geom_point()+
    theme(text=element_text(size=12,colour = "black"),aspect_ratio =1,dpi=100,figure_size=(4,4))) 
#直方图
p2=(ggplot(df, aes(x='SOD')) + geom_histogram(bins=30,colour="black",fill="white")+
  theme(text=element_text(size=12,colour = "black"),aspect_ratio =1,dpi=100,figure_size=(4,4)))
#箱型图
p3=(ggplot(df, aes(x='Class',y='SOD'))+ geom_boxplot(show_legend=False)+
  theme(text=element_text(size=12,colour = "black"),aspect_ratio =1,dpi=100,figure_size=(4,4)))

print([p1,p2,p3])