Python可视化工具指引

本文主要材料来自Jake VanderPlas在PyCon 2017上的演讲Python’s Visualization Landscape

Python真是越来越火了。活跃的开源社区为Python这门语言贡献着长青的活力。

子曾经曰过：轮子多了，车就稳了。

本文帮助你选好轮子，也祝愿可视化的车开得越来越稳。

The Landscape

如图。

VanderPlas在展示完这张全景图后给大家贴了这张图：

我差点笑喷。我们的表情包可能要在人民币之前走向国际化了。

回到正题，可视化工具有两个主要阵营，一是基于matplotlib，二是基于JavaScript。还有的接入了JS下著名的D3.js库。

Matplotlib

numpy, pandas, matplotlib可以说是python数据科学的三驾马车。凡以python为教学语言的数据科学相关课程必提这三个库。而matplotlib又有什么特点呢？

先说优点：

1. 像MATLAB的语法，对MATLAB用户好上手
2. 稳定，久经考验
3. 渲染后端丰富，跨平台（GTK, Qt5, svg, pdf等）

缺点也有很多：

1. API过于繁琐
2. 默认配色太丑
3. 对web支持差，交互性差
4. 对大数据集处理较慢

于是就有了很多基于matplotlib的扩展，提供了更丰富、更人性化的API。

下面是几个比较受欢迎的包：

pandas

pandas的DataFrame对象是有plot()方法的，如：
iris.plot.scatter('petalLength', 'petalWidth')生成二维散点图，只需指明两个轴取自哪一列数据即可。

seaborn

seaborn(gallery)专注于统计数据可视化，默认配色也还可以。语法示例：

import seaborn as sns
sns.lmplot('petalLength', 'sepalWidth', iris, hue='species', fit_reg=False)

类ggplot

对于R用户，最熟悉的可视化包可能是ggplot2，在python中可以考虑ggpy和近期上了Github Trends的plotnie。

JavaScript

基于JS的包常常具有非常好的交互性，其共同点是将图形格式化为json文件，再由JS完成渲染。

Bokeh

Bokeh(Gallery)定位于绘制用于浏览器展示的交互式图形。其优点是交互性、能够处理大量数据和流数据。语法示例：

p = figure()
p.circle(iris.petalLength, iris.sepalWidth)
show(p)

Plotly

Plotly(Gallery)跟Bokeh类似。但其提供了多种语言接口(JS, R, Python, MATLAB)，并且支持3D和动画效果，缺点是有些功能需要付费。
语法示例：

from plotly.graph_objs import Scatter
from plotly.offline import iplot
p = Scatter(x=iris.petalLength,
            y=iris.sepalWidth,
            mode='markers')
iplot(p)

处理大型数据集

对于大型数据集，可以考虑的包包括datashader, Vaex, 基于OpenGL的Vispy和Glumpy，GlueViz等。这里介绍datashader。

datashader

datashader是Bokeh的子项目，为处理大型数据集而生。

示例语法：

from colorcet import fire
export(tf.shade(agg, cmap=cm(fire, 0.2), how='eq_hist'), 'census_ds_fier_eq_hist')

最终的建议

上车忠告：

1. matplotlib必会
2. R用户：ggpy/plotnine
3. 交互式：plotly(与R接口统一)/bokeh(免费)