ID:lsxxx2011
我必須對你說實話：當我學習數據科學時，我完全低估了繪圖的重要性。沒錯，那時一切都一團糟：我從頭開始學習 python、熟悉了所有可能的算法、理解了所有東西背後的數學原理，但是我的繪圖技巧很糟糕。
為什麼會這樣?我們總是在做同樣的事情。你知道的：pairplots，distplots，qqplots…你在可視化數據時使用圖表是理解數據的唯一方法。這些都是非常有用、通用和默認的圖表。所以，複製和粘貼一堆代碼成了我時最常做的事情。
對於我的項目來說，可交付結果總是一個模型。由於數小時的數據清洗和特徵工程，很可能會有一個不錯的分數。我是我項目的唯一參與者，我的教授們在他們給我這些數據時就已經知道關於數據的一切。那我作圖是為了給誰看?我自己？好吧…沒必要!對不?我比任何人都清楚每一步在實現什麼，我不需要向任何人解釋。
我相信這可能是我在數據科學中的最大失敗：沒有充分考慮可解釋性和可解釋性的重要性。你可能是個天才，但如果你不能向第三方解釋你是如何得到這些美妙的結論，以及為什麼得到這些結論，那麼你可能什麼都不是。
例如，在 Ravelin Technology，我們提供基於機器學習的欺詐預防解決方案。想象一下，你告訴一個客戶，你封鎖了 x% 的交易，只是因為機器學習模型是這樣說的，但你根本不知道為什麼要這樣做會怎樣?當然，對於任何試圖最大化環化率和銷售情況的電子商務來說，這都不是很有吸引力，對吧?想象一下，在醫療保健等其他敏感領域出現同樣的情況……那簡直是災難即將來臨的千兆。
現在，除了與業務相關的問題，甚至從法律的角度或者從你的業務只關心預測的結果來看——不管你如何得到它們，理解一個算法實際上是如何工作的對你會有幫助。你不僅能更好地向客戶解釋輸出的原因，還能更好地協調數據科學家和分析師的工作。
能夠向人們解釋你的思維過程是任何數據相關工作的關鍵部分。在這種情況下，複製和粘貼圖表是不夠的，圖表的個性化變得非常重要。
在這篇文章的剩餘部分，我想和大家分享 10 個基本的中級和高級的繪圖工具。我發現在現實生活中，當涉及到繪圖解釋你的數據時，這些工具非常有用。
我將在下面幾行中引用的庫：
Seaborn：import seaborn as snsmatplotlib：matplotlib.pyplot as plt
此外，如果需要，可以設置樣式和你喜歡的格式，例如：
plt.style.use('fivethirtyEight')%config inlinebackend.figure\\format='retina'%matplotlib inline說到這裡，讓我們直接跳到這些工具：
繪製符合圖
有時，你會想在一個圖表中繪製出不同的東西。但有時，你會希望在同一行或列中拋出不同的圖表，相互補充和/或顯示不同的信息片段。
為此，這裡給出一個非常基本但必不可少的工具：subplots。如何使用它?很簡單。matplotlib 中的圖表是一種結構，可以這樣使用：
圖形：繪製圖表的背景或畫布
軸：我們的圖表
通常，這些東西是在代碼後臺自動設置的，但是如果要繪製多個圖形，我們只需要按照以下方式創建圖形和軸對象：
fig, ax = plt.subplots(ncols=number_of_cols, nrows=number_of_rows, figsize=(x,y)
例如，如果設置 ncols=1 和 nrows=2，我們將創建一個由 x，y 軸組成的圖形，其中只有兩個圖表，分佈在兩個不同的行中。剩下的唯一事情是從 0 開始使用'ax'參數指定不同繪圖的順序。例如：
sns.scatterplot(x=horizontal_data_1, y=vertical_data_1, ax=ax[0]);sns.scatterplot(x=horizontal_data_2, y=vertical_data_2, ax=ax[1]);
軸標籤
這可能看起來沒有必要，或者不是很有幫助，但是你無法想象，如果你的圖表有點混亂，或者看到數據的人對此不是很熟悉，你會被問多少次 x/y 軸代表的是什麼。按照前面的兩個繪圖示例，如果要為軸設置特定名稱，則必須使用以下代碼行：
ax[0].set(x label='My X Label'，ylabel='My Y Label')ax[1].set(xlabel='My Second X Label'，ylabel='My Second and Very Creative Y Label')
設置標題
如果我們要將數據呈現給第三方，另一個基本但關鍵的要點是使用標題，它和之前的軸標記非常相似：
ax[0].title.set_text(‘This title has to be very clear and explicative’)ax[1].title.set_text(‘And this title has to explain what’s different in this chart’
給圖表重點元素做註釋
通常情況下，僅僅在圖表的左右兩側使用刻度本身並不是很清楚。在圖上標註值對於解釋圖表非常有用。
假設現在我們使用 subplots，我們有幾個圖表，其中一個是位於 ax[0] 位置的 seaborn 的 barplot。在這種情況下，在條形圖中每個條上獲取註釋的代碼要複雜一些，但很容易實現：
for p in ax[0].patches:ax[0].annotate(“%.2f” % p.get_height(), (p.get_x() + p.get_width() / 2., p.get_height()),ha=’center’, va=’center’, fontsize=12, color=’white’, xytext=(0, -10), textcoords=’offset points’
對於圖表中的每個「patch」或條形圖，直到「ha」參數獲取條形圖的位置、高度和寬度為止，以便將值註釋放在正確的位置。以類似的方式，我們還可以指定註釋的對齊方式、字體大小和顏色，而「xytext」參數指示我們是否要在某個 x 或 y 方向移動註釋。在上面的例子中，我們將在 y 軸上向下移動註釋文本。
使用不同顏色區分標籤
在某些情況下，在一段時間或一系列的值中，我們可能測量了不同種類的物體。例如，假設我們測量 6 個月以來狗和貓的體重。在實驗結束時，我們想畫出每隻動物的體重，分別用藍色和紅色區分貓和狗。為此，在大多數傳統繪圖中，我們可以使用參數「hue」為元素提供顏色列表。
舉個例子：
weight = [5,4,8,2,6,2] month = [‘febrero’,’enero’,’abril’,’junio’,’marzo’,’mayo’] animal_type = [‘dog’,’cat’,’cat’,’dog’,’dog’,’dog’] hue = [‘blue’,’red’,’red’,’blue’,’blue’,’blue’] sns.scatterplot(x=month, y=weight, hue=hue);
改變散點圖中點的大小
使用上面的相同示例，我們還可以使用從 1 到 5 的刻度表示圖表中動物的大小。將此額外指標添加到繪圖中的一個好選擇是修改散點圖的大小，通過「size」參數將大小指定給新的附加向量，並使用「size」調整它們之間的關係：
size = [2,3,5,1,4,1]sns.scatterplot(x=month, y=weight, hue=hue, size=size, sizes= (50,300));
順便說一下，如果如上圖所示，圖例使繪圖更難閱讀，你可以將「legend」參數設置為 false。
在數據中包含一行以顯示閾值
在現實生活中的許多情況下，數據高於或低於某個閾值可能是問題提示信號或錯誤警告。如果要在繪圖中清楚地顯示，可以使用以下命令添加一行：
ax[0].axvline(32,0，c='r')
加在哪裡?
ax[0] 將是我們要在其中插入行的圖表
32 將是繪製線的值
c = 'r' 表示圖表將是紅色的
如果我們使用的是 subplots，那麼將 axvline 添加到相應的 axe 就很簡單，如上面的示例所示。但是，如果不使用 subplots，則應執行以下操作：
g=sns.scatterplot(x=month，y=weight，hue=hue，legend=false)g.axvline(2，c='r')plt.show()
多Y軸繪圖
這可能是最簡單，但也是最有用的技巧之一。
有時我們只需要在圖表中添加更多信息，除了在繪圖的右 y 軸上添加新的度量之外，沒有其他方法可以繞過它：
ax2=ax[0].twinx()
現在可以添加任何要將「ax」參數指向「ax2」的圖表
sns.lineplot(x=month, y=average_animal_weight, ax=ax2
請注意，這個例子再次假設你使用的是 subplots。如果沒有，你應該遵循與前一點相同的邏輯：
g = sns.scatterplot(x=month, y=weight, hue=hue, legend=False)g.axvline(2,c=’r’)ax2 = g.twinx()sns.lineplot(x=month, y=average_animal_weight, ax=ax2, c=’y’)plt.show()
請注意，要使其工作，你應該為兩個圖表中的 x 軸設置始終相同的數據。否則，它們就不匹配了。
重疊繪圖和更改標籤和顏色
在同一軸上重疊圖表很容易：我們只需要為所有想要的繪圖編寫代碼，然後，我們可以簡單地調用'plt.show()'將它們全部繪製在一起：
a=[1,2,3,4,5]b=[4,5,6,2,2]c=[2,5,6,2,1]sns.lineplot(x=a，y=b，c='r')sns.lineplot(x=a，y=c，c='b')plt.show()
然而，有時重疊會導致混淆，所以我們可能需要做一些改進，讓人更容易理解。
例如，假設你希望在同一個圖形中重疊你採集的兩個不同樣本的身高分佈：一個來自你的同事，另一個來自當地的籃球隊。最好添加一些個性化的東西，如不同的顏色，並添加一個圖例，表明它們具體代表的是哪一個。好吧，簡單點：
設置「colour」標籤，我們可以為每一個設置一種特定的顏色。請注意，有時此參數可以更改為簡單的「c」
使用「label」參數，我們可以通過簡單地調用 x.legend()用來指定要顯示的任何文本
舉個例子：
g = sns.distplot(workmates_height, color=’b’, label=’Workmates’)sns.distplot(basketball_team, color=’r’, ax=g, label=’Basket team’)g.legend()plt.show()
10. 在條形圖中設置軸的順序
最後是一個非常特殊的工具~如果你喜歡使用條形圖，你可能會面臨這樣的問題：你的條形圖沒有按照你想要的順序排列。在這種情況下，有一個簡單的修復方法，將一個帶有你想要的特定順序的列表傳遞給「order」參數：
a=['second'，'first'，'third']b=[15,10,20]sns.barplot(x=a，y=b，order=['first'，'second'，'third']);
繪圖本身就是一個世界，根據我的經驗，提高你技能的最好方法就是練習。但我希望這些工具和技巧能幫助你做好現實中數據科學的工作，就像當初幫助我一樣。
【年薪30w工程師吐血整理資料大合集】
領取IT資料大合集：http://image.qbangmang.com/counselor.html
閱讀更多 馬哥Linux 的文章
