共计 4430 个字符,预计需要花费 12 分钟才能阅读完成。
作者 |Dario Radečić
编译 |VK
起源 |Towards Datas Science
2020 年行将完结(终于),数据可视化再重要不过了。出现一个看起来像 5 岁小孩的货色曾经不再是一个抉择,所以数据科学家须要一个有吸引力和简略易用的数据可视化库。
明天咱们将比拟其中的两个 -Matplotlib 和 ggplot2。
为什么是这两个?Matplotlib 是我学习的第一个可视化库。但最近我越来越喜爱 R 语言的 ggplot2 了,然而明天咱们将在这两个库中从新创立五个雷同的图,看看代码和美学方面的停顿。
数据呢?咱们将应用两个驰名的数据集:mtcars 和航空乘客。你能够通过导出 CSV 性能通过 RStudio 取得第一个,第二个在这里可用:https://raw.githubusercontent…
以下是 R 和 Python 的库导入:
R:
library(ggplot2)
Python:
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
mtcars = pd.read_csv('mtcars.csv')
直方图
咱们应用直方图来可视化给定变量的散布。这正是咱们对 mtcars 数据集所做的——可视化 MPG 属性的散布。
以下是 R 的代码和后果:
ggplot(mtcars, aes(x=mpg)) +
geom_histogram(bins=15, fill='#087E8B', color='#02454d') +
ggtitle('Histogram of MPG') + xlab('MPG') + ylab('Count')
Python 也是这样:
plt.figure(figsize=(12, 7))
plt.hist(mtcars['mpg'], bins=15, color='#087E8B', ec='#02454d')
plt.title('Histogram of MPG')
plt.xlabel('MPG')
plt.ylabel('Count');
默认状况下两者十分类似。即便咱们须要编写的代码量也大致相同,所以很难在这里抉择最喜爱的代码。我喜爱 Python 的 x 轴是从 0 开始的,但在 R 中能够很容易地扭转。另一方面,我喜爱 R 中没有边界,但这也是 Python 中易于实现的货色。
平局
条形图
条形图由不同高度的矩形组成,其中高度示意给定属性段的值。咱们将应用它们来比拟不同数量的圆柱体(属性 cyl)的计数。
以下是 R 的代码和后果:
ggplot(mtcars, aes(x=cyl)) +
geom_bar(fill='#087E8B', color='#02454d') +
scale_x_continuous(breaks=seq(min(mtcars$cyl), max(mtcars$cyl), by=2)) +
ggtitle('Bar chart of CYL') +
xlab('Number of cylinders') + ylab('Count')
Python 也是一样:
bar_x = mtcars['cyl'].value_counts().index
bar_height = mtcars['cyl'].value_counts().values
plt.figure(figsize=(12, 7))
plt.bar(x=bar_x, height=bar_height, color='#087E8B', ec='#02454d')
plt.xticks([4, 6, 8])
plt.title('Bar chart of CYL')
plt.xlabel('Number of cylinders')
plt.ylabel('Count');
毫无疑问,R 的代码更整洁、更简略,因为 Python 须要手动计算高度。从美学角度看,它们十分类似,但代码我更喜爱 R 版。
获胜者:ggplot2
散点图
散点图用于可视化两个变量之间的关系。这样做的目标是察看第二个变量随着第一个变量的变动(回升或降落)会产生什么。咱们还能够通过对其余属性值的点着色来为二维图增加另一个“维度”。
咱们将应用散点图来可视化 HP 和 MPG 属性之间的关系。
以下是 R 的代码和后果:
ggplot(mtcars, aes(x=hp, y=mpg)) +
geom_point(aes(size=cyl, color=cyl)) +
ggtitle('Scatter plot of HP vs MPG') +
xlab('Horse power') + ylab('Miles per gallon')
Python 也是一样:
colors = []
for val in mtcars['cyl']:
if val == 4: colors.append('#17314c')
elif val == 6: colors.append('#326b99')
else: colors.append('#54aef3')
plt.figure(figsize=(12, 7))
plt.scatter(x=mtcars['hp'], y=mtcars['mpg'], s=mtcars['cyl'] * 20, c=colors)
plt.title('Scatter plot of HP vs MPG')
plt.xlabel('Horse power')
plt.ylabel('Miles per gallon');
代码方面,这是 R 和 ggplot2 的显著胜利。Matplotlib 不提供一种简略的办法,通过第三个属性给数据点上色,因而咱们必须手动执行该步骤。尺寸也有点怪。
获胜者:ggplot2
箱线图
箱线图用于通过四分位数可视化数据。它们通常会有线(胡须)从盒子里伸出来,这些线在高低四分位数之外显示出变动。两头的线是中值。顶部或底部显示的点被视为异样值。
咱们将应用箱线图,通过不同的 CYL 值来可视化 MPG。
以下是 R 的代码和后果:
ggplot(mtcars, aes(x=as.factor(cyl), y=mpg)) +
geom_boxplot(fill='#087E8B', alpha=0.6) +
ggtitle('Boxplot of CYL vs MPG') +
xlab('Number of cylinders') + ylab('Miles per gallon')
Python 也是一样:
boxplot_data = [mtcars[mtcars['cyl'] == 4]['mpg'].tolist(),
mtcars[mtcars['cyl'] == 6]['mpg'].tolist(),
mtcars[mtcars['cyl'] == 8]['mpg'].tolist()]
fig = plt.figure(1, figsize=(12, 7))
ax = fig.add_subplot(111)
bp = ax.boxplot(boxplot_data, patch_artist=True)
for box in bp['boxes']:
box.set(facecolor='#087E8B', alpha=0.6, linewidth=2)
for whisker in bp['whiskers']:
whisker.set(linewidth=2)
for median in bp['medians']:
median.set(color='black', linewidth=3)
ax.set_title('Boxplot of CYL vs MPG')
ax.set_xlabel('Number of cylinders')
ax.set_ylabel('Miles per galon')
ax.set_xticklabels([4, 6, 8]);
有一件事是立刻可见的 -Matplotlib 须要大量的代码来生成一个外观不错的 boxplot。ggplot2 不是这样。到目前为止,R 是这里显著的赢家。
获胜者:ggplot2
折线图
当初咱们将从 mtcars 数据集转移到 airline passengers 数据集。咱们将应用它创立一个带有日期格局的 x 轴的简略折线图。这并不像听起来那么容易。
以下是 R 的代码和后果:
ap <- read.csv('https://raw.githubusercontent.com/jbrownlee/Datasets/master/airline-passengers.csv')
ap$Month <- as.Date(paste(ap$Month, '-01', sep=''))
ggplot(ap, aes(x=Month, y=Passengers)) +
geom_line(size=1.5, color='#087E8B') +
scale_x_date(date_breaks='1 year', date_labels='%Y') +
ggtitle('Line chart of Airline passengers') +
xlab('Year') + ylab('Count')
Python 也是一样:
ap = pd.read_csv('https://raw.githubusercontent.com/jbrownlee/Datasets/master/airline-passengers.csv')
ap['Month'] = ap['Month'].apply(lambda x: pd.to_datetime(f'{x}-01'))
fig = plt.figure(1, figsize=(12, 7))
ax = fig.add_subplot(111)
line = ax.plot(ap['Month'], ap['Passengers'], lw=2.5, color='#087E8B')
formatter = mdates.DateFormatter('%Y')
ax.xaxis.set_major_formatter(formatter)
locator = mdates.YearLocator()
ax.xaxis.set_major_locator(locator)
ax.set_title('Line chart of Airline passengers') ax.set_xlabel('Year') ax.set_ylabel('Count');
从美学角度来看,这些图表简直完全相同,但在代码量方面,ggplot2 再次击败 Matplotlib。与 Python 相比,R 在 X 轴显示日期要容易得多。
获胜者:ggplot2
论断
在我看来,ggplot2 在简略性和数据可视化好看方面是一个显著的赢家。简直总是能够归结为十分类似的 3 - 5 行代码,而 Python 则不是这样。
原文链接:https://towardsdatascience.co…
欢送关注磐创 AI 博客站:
http://panchuang.net/
sklearn 机器学习中文官网文档:
http://sklearn123.com/
欢送关注磐创博客资源汇总站:
http://docs.panchuang.net/