作者 | xiaoyu
來(lái)源 | Python與數(shù)據(jù)科學(xué)
前言
學(xué)過(guò)Python數(shù)據(jù)分析的朋友都知道，在可視化的工具中，有很多優(yōu)秀的三方庫(kù)，比如matplotlib，seaborn，plotly，Boken，pyecharts等等。這些可視化庫(kù)都有自己的特點(diǎn)，在實(shí)際應(yīng)用中也廣為大家使用。
plotly、Boken等都是交互式的可視化工具，結(jié)合Jupyter notebook可以非常靈活方便地展現(xiàn)分析后的結(jié)果。雖然做出的效果非常的炫酷，比如plotly，但是每一次都需要寫(xiě)很長(zhǎng)的代碼，一是麻煩，二是不便于維護(hù)。
我覺(jué)得在數(shù)據(jù)的分析階段，
更多的時(shí)間應(yīng)該放在分析上，維度選擇、拆解合并，業(yè)務(wù)理解和判斷。
如果既可以減少代碼量，又可以做出炫酷可視化效果，那將大大提高效率。當(dāng)然如果有特別的需求除外，此方法僅針對(duì)想要快速可視化進(jìn)行分析的人。
本篇給大家介紹一個(gè)非常棒的工具， cufflinks ， 可以完美解決這個(gè)問(wèn)題,且效果一樣炫酷。
就像seaborn封裝了matplotlib一樣，cufflinks在plotly的基礎(chǔ)上做了一進(jìn)一步的包裝，方法統(tǒng)一，參數(shù)配置簡(jiǎn)單。其次它還可以結(jié)合pandas的dataframe隨意靈活地畫(huà)圖。可以把它形容為 "pandas like visualization" 。
毫不夸張地說(shuō)，畫(huà)出各種炫酷的可視化圖形， 我只需一行代碼 ，效率非常高，同時(shí)也降低了使用的門(mén)檻兒。cufflinks的github鏈接如下：
https://github.com/santosjorge/cufflinks
cufflinks安裝
安裝不多說(shuō)，直接pip install即可。
cufflinks如何使用？
cufflinks庫(kù)一直在不斷更新，目前最新版為V0.14.0，支持plotly3.0。首先我們看看它都支持哪些種類(lèi)的圖形，可以通過(guò)help來(lái)查看。
使用方法其實(shí)很簡(jiǎn)單，我總結(jié)一下，它的格式大致是這樣的：
-
DataFrame： 代表pandas的數(shù)據(jù)框；
-
Figure： 代表我們上面看到的可繪制圖形，比如bar、box、histogram等等；
-
iplot： 代表繪制方法，其中有很多參數(shù)可以進(jìn)行配置，調(diào)節(jié)符合你自己風(fēng)格的可視化圖形；
cufflinks實(shí)例
我們通過(guò)幾個(gè)實(shí)例感受一下上面的使用方法。使用過(guò)plotly的朋友可能知道，如果使用online模式，那么生成的圖形是有限制的。所以，我們這里先設(shè)置為offline模式，這樣就避免了出現(xiàn)次數(shù)限制問(wèn)題。
然后我們需要按照上面的使用格式來(lái)操作，首先我們需要有個(gè)DataFrame，如果手頭沒(méi)啥數(shù)據(jù)，那可以先生成個(gè)隨機(jī)數(shù)。cufflinks有一個(gè)專(zhuān)門(mén)生成隨機(jī)數(shù)的方法，叫做 datagen，用于生成不同維度的隨機(jī)數(shù)據(jù)，比如下面。
lines線(xiàn)圖
1）cufflinks使用datagen生成隨機(jī)數(shù)；
2）figure定義為lines形式，數(shù)據(jù)為(1,500)；
3）然后再用ta_plot繪制這一組時(shí)間序列，參數(shù)設(shè)置SMA展現(xiàn)三個(gè)不同周期的時(shí)序分析。
box箱型圖
還是與 上面用法一樣，一行代碼解決。
可以看到，x軸每個(gè)box都有對(duì)應(yīng)的名稱(chēng)，這是因?yàn)閏ufflinks通過(guò)kind參數(shù)識(shí)別了box圖形，自動(dòng)為它生成的名字。如果我們只生成隨機(jī)數(shù)，它是這樣子的，默認(rèn)生成100行的隨機(jī)分布的數(shù)據(jù)，列數(shù)由自己選定。
histogram直方圖
和plotly一樣，我們可以通過(guò)一些輔助的小工具框選或者lasso選擇來(lái)區(qū)分和選定指定區(qū)域，只要一行代碼。
當(dāng)然了，除了隨機(jī)數(shù)據(jù)，任何的其它dataframe數(shù)據(jù)框都可以，包括我們自己導(dǎo)入的數(shù)據(jù)。
histogram條形圖
上面我們生成了一個(gè)(10,4)的dataframe數(shù)據(jù)框，名稱(chēng)分別是a,b,c,d。那么cufflinks將會(huì)根據(jù)iplot中的kind種類(lèi)自動(dòng)識(shí)別并繪制圖形。參數(shù)設(shè)置為堆疊模式。
scatter散點(diǎn)圖
bubble氣泡圖
scatter matrix 散點(diǎn)矩陣圖
subplots?子圖
再比如復(fù)雜一點(diǎn)的。
shapes?形狀圖
如果我們 想在lines圖上增加一些直線(xiàn)作為參考基準(zhǔn)，這時(shí)候我們可以使用hlines的類(lèi)型圖。
或者是將某個(gè)區(qū)域標(biāo)記出來(lái)，可以使用hspan類(lèi)型。
又或者是豎條的區(qū)域，可以用vspan類(lèi)型。
如果對(duì)iplot中的參數(shù)不熟練，直接輸入以下代碼即可查詢(xún)。
總結(jié)
怎么樣，是不是非常快捷方便？以上介紹是一般的可繪制類(lèi)型，當(dāng)然你可以根據(jù)自己的需求做出更多的可視化圖形。 如果是常規(guī)圖形，一行即可實(shí)現(xiàn)。 除此外，cufflinks還有強(qiáng)大的顏色管理功能，如果感興趣可以自行學(xué)習(xí)。
（*本文為 Python大本營(yíng)轉(zhuǎn)載文章，轉(zhuǎn)載請(qǐng)聯(lián)系 原作者 ）
社群福利
掃碼添加小助手，回復(fù)：大會(huì)，加入2019 AI開(kāi)發(fā)者大會(huì)福利群，每周 一、三、五 更新技術(shù)福利，還有不定期的抽獎(jiǎng)活動(dòng)~
◆
AI 開(kāi)發(fā)者大會(huì)精彩提前看
◆
2019 AI開(kāi)發(fā)者大會(huì)重磅嘉賓更新： 阿里、華為、Google?Brain、Amazon、微軟中國(guó)、百度、京東、小米、快手、科大訊飛、商湯、曠視、圖森、云知聲、思必馳... “硬核AI技術(shù)大會(huì)，一年參加一次就夠了”。掃碼查看 更多嘉賓和大會(huì)信息。
推薦閱讀：
-
干貨 | 20個(gè)Python教程，掌握時(shí)間序列的特征分析（附代碼）
-
吐血整理！ 140種Python標(biāo)準(zhǔn)庫(kù)、第三方庫(kù)和外部工具都有了
-
用Python分析“標(biāo)題黨”文章
-
別再說(shuō)學(xué)不會(huì)：超棒的Numpy可視化學(xué)習(xí)教程來(lái)了
-
如何用爬蟲(chóng)技術(shù)幫助孩子秒到心儀的幼兒園（基礎(chǔ)篇）
-
Python傳奇：30年崛起之路
-
干貨 | Python后臺(tái)開(kāi)發(fā)的高并發(fā)場(chǎng)景優(yōu)化解決方案
-
2019年最新華為、BAT、美團(tuán)、頭條、滴滴面試題目及答案匯總
-
阿里巴巴楊群：高并發(fā)場(chǎng)景下Python的性能挑戰(zhàn)
你點(diǎn)的每個(gè)“在看”，我都認(rèn)真當(dāng)成了喜歡
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號(hào)聯(lián)系： 360901061
您的支持是博主寫(xiě)作最大的動(dòng)力，如果您喜歡我的文章，感覺(jué)我的文章對(duì)您有幫助，請(qǐng)用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點(diǎn)擊下面給點(diǎn)支持吧，站長(zhǎng)非常感激您！手機(jī)微信長(zhǎng)按不能支付解決辦法：請(qǐng)將微信支付二維碼保存到相冊(cè)，切換到微信，然后點(diǎn)擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對(duì)您有幫助就好】元
