python绘制直方图数据
“如何在Python中绘制图？” 过去有一个简单的答案：Matplotlib是唯一的方法。 如今，Python是数据科学的语言，并且还有更多选择。 你应该用什么？
Matplotlib ， Seaborn ， Plotly和Bokeh —还有几个很有前途的考虑： Altair （具有表现力的API）和Pygal （具有出色的SVG输出）。
我还将看一下pandas提供的非常方便的绘图API。
对于每个库，我都提供了源代码片段，以及使用Anvil的完整的基于Web的示例， Anvil是我们的平台，仅使用Python即可构建Web应用程序。 让我们来看看。
样例
每个库采用略有不同的方法来绘制数据。 为了进行比较，我将对每个库进行相同的绘制并向您显示源代码。 对于我的示例数据，我选择了自1966年以来的英国大选结果分组条形图：
我从Wikipedia收集了英国大选历史的数据集 ：从1966年至2019年，每次选举中保守党，工党和自由党在英国议会中赢得的席位（广义定义），加上“其他”获得的席位”。 您可以将其下载为CSV文件 。
Matplotlib
Matplotlib是最古老的Python绘图库，现在仍然是最受欢迎的库。 它创建于2003年，是SciPy Stack （类似于Matlab的开源科学计算库）的一部分。
Matplotlib使您可以精确控制绘图-例如，您可以定义绘图栏中每个条形的单独x位置。 这是绘制此图的代码（您可以在此处运行）：
import matplotlib.
pyplot
as plt
import numpy
as np
from votes
import wide
as df
# Initialise a figure. subplots() with no args gives one plot.
fig
, ax
= plt.
subplots
(
)
# A little data preparation
years
= df
[
'year'
]
x
= np.
arange
(
len
( years
)
)
# Plot each bar plot. Note: manually calculating the 'dodges' of the bars
ax.
bar
( x -
3 *width/
2
, df
[
'conservative'
]
, width
, label
=
'Conservative'
, color
=
'#0343df'
)
ax.
bar
( x - width/
2
, df
[
'labour'
]
, width
, label
=
'Labour'
, color
=
'#e50000'
)
ax.
bar
( x + width/
2
, df
[
'liberal'
]
, width
, label
=
'Liberal'
, color
=
'#ffff14'
)
ax.
bar
( x +
3 *width/
2
, df
[
'others'
]
, width
, label
=
'Others'
, color
=
'#929591'
)
# Customise some display properties
ax.
set_ylabel
(
'Seats'
)
ax.
set_title
(
'UK election results'
)
ax.
set_xticks
( x
)
# This ensures we have one tick per year, otherwise we get fewer
ax.
set_xticklabels
( years.
astype
(
str
) .
values
, rotation
=
'vertical'
)
ax.
legend
(
)
# Ask Matplotlib to show the plot
plt.
show
(
)这是Matplotlib中绘制的选举结果：
海生
Seaborn是Matplotlib之上的抽象层。 它为您提供了一个真正简洁的界面，可以非常轻松地制作各种有用的绘图类型。
但是，它并不会影响功耗！ Seaborn提供了逃生阴影来访问底层的Matplotlib对象，因此您仍然拥有完全的控制权。
Seaborn的代码比原始Matplotlib（可在此处运行）简单：
import seaborn
as sns
from votes
import
long
as df
# Some boilerplate to initialise things
sns.
set
(
)
plt.
figure
(
)
# This is where the actual plot gets made
ax
= sns.
barplot
( data
= df
, x
=
"year"
, y
=
"seats"
, hue
=
"party"
, palette
=
[
'blue'
,
'red'
,
'yellow'
,
'grey'
]
, saturation
=
0.6
)
# Customise some display properties
ax.
set_title
(
'UK election results'
)
ax.
grid
( color
=
'#cccccc'
)
ax.
set_ylabel
(
'Seats'
)
ax.
set_xlabel
(
None
)
ax.
set_xticklabels
( df
[
"year"
] .
unique
(
) .
astype
(
str
)
, rotation
=
'vertical'
)
# Ask Matplotlib to show it
plt.
show
(
)并生成此图：
密谋
Plotly是一个包含Python绘图库的绘图生态系统。 它具有三个不同的接口：
- 面向对象的界面
- 命令式界面，使您可以使用类似JSON的数据结构来指定绘图
- 与Seaborn类似的高级界面称为Plotly Express
情节图旨在嵌入Web应用程序中。 本质上，Plotly实际上是一个JavaScript库！ 它使用D3和stack.gl绘制图。
您可以通过将JSON传递给JavaScript库来以其他语言构建Plotly库。 官方的Python和R库就是这样做的。 在Anvil，我们移植了Python Plotly API以在网络浏览器中运行 。
这是Plotly中的源代码（可以在此处运行）：
import plotly.
graph_objects
as go
from votes
import wide
as df
# Get a convenient list of x-values
years
= df
[
'year'
]
x
=
list
(
range
(
len
( years
)
)
)
# Specify the plots
bar_plots
=
[
go.
Bar
( x
= x
, y
= df
[
'conservative'
]
, name
=
'Conservative'
, marker
= go.
bar .
Marker
( color
=
'#0343df'
)
)
,
go.
Bar
( x
= x
, y
= df
[
'labour'
]
, name
=
'Labour'
, marker
= go.
bar .
Marker
( color
=
'#e50000'
)
)
,
go.
Bar
( x
= x
, y
= df
[
'liberal'
]
, name
=
'Liberal'
, marker
= go.
bar .
Marker
( color
=
'#ffff14'
)
)
,
go.
Bar
( x
= x
, y
= df
[
'others'
]
, name
=
'Others'
, marker
= go.
bar .
Marker
( color
=
'#929591'
)
)
,
]
# Customise some display properties
layout
= go.
Layout
(
title
= go.
layout .
Title
( text
=
"Election results"
, x
=
0.5
)
,
yaxis_title
=
"Seats"
,
xaxis_tickmode
=
"array"
,
xaxis_tickvals
=
list
(
range
(
27
)
)
,
xaxis_ticktext
=
tuple
( df
[
'year'
] .
values
)
,
)
# Make the multi-bar plot
fig
= go.
Figure
( data
= bar_plots
, layout
= layout
)
# Tell Plotly to render it
fig.
show
(
)选举结果图：
散景
Bokeh （发音为“ BOE-kay”）专门从事构建交互式地块，因此，此标准示例并未充分发挥其作用。 与Plotly一样，Bokeh的地块旨在嵌入到Web应用程序中。 它将其图输出为HTML文件。
这是Bokeh中的代码（您可以在此处运行）
from bokeh.
io
import show
, output_file
from bokeh.
models
import ColumnDataSource
, FactorRange
, HoverTool
from bokeh.
plotting
import figure
from bokeh.
transform
import factor_cmap
from votes
import
long
as df
# Specify a file to write the plot to
output_file
(
"elections.html"
)
# Tuples of groups (year, party)
x
=
[
(
str
( r
[
1
]
[
'year'
]
)
, r
[
1
]
[
'party'
]
)
for r
in df.
iterrows
(
)
]
y
= df
[
'seats'
]
# Bokeh wraps your data in its own objects to support interactivity
source
= ColumnDataSource
( data
=
dict
( x
= x
, y
= y
)
)
# Create a colourmap
cmap
=
{
'Conservative' :
'#0343df'
,
'Labour' :
'#e50000'
,
'Liberal' :
'#ffff14'
,
'Others' :
'#929591'
,
}
fill_color
= factor_cmap
(
'x'
, palette
=
list
( cmap.
values
(
)
)
, factors
=
list
( cmap.
keys
(
)
)
, start
=
1
, end
=
2
)
# Make the plot
p
= figure
( x_range
= FactorRange
( *x
)
, width
=
1200
, title
=
"Election results"
)
p.
vbar
( x
=
'x'
, top
=
'y'
, width
=
0.9
, source
= source
, fill_color
= fill_color
, line_color
= fill_color
)
# Customise some display properties
p.
y_range .
start
=
0
p.
x_range .
range_padding
=
0.1
p.
yaxis .
axis_label
=
'Seats'
p.
xaxis .
major_label_orientation
=
1
p.
xgrid .
grid_line_color
=
None和剧情：
牵牛星
Altair基于称为Vega的说明性绘图语言（或“可视化语法”）。 这意味着它是一种经过深思熟虑的API，可以很好地缩放复杂图，从而避免您陷入嵌套循环地狱中。
与Bokeh一样，Altair将其图输出为HTML文件。 这是代码（您可以在此处运行）：
import altair
as alt
from votes
import
long
as df
# Set up the colourmap
cmap
=
{
'Conservative' :
'#0343df'
,
'Labour' :
'#e50000'
,
'Liberal' :
'#ffff14'
,
'Others' :
'#929591'
,
}
# Cast years to strings
df
[
'year'
]
= df
[
'year'
] .
astype
(
str
)
# Here's where we make the plot
chart
= alt.
Chart
( df
) .
mark_bar
(
) .
encode
(
x
= alt.
X
(
'party'
, title
=
None
)
,
y
=
'seats'
,
column
= alt.
Column
(
'year'
, sort
=
list
( df
[
'year'
]
)
, title
=
None
)
,
color
= alt.
Color
(
'party'
, scale
= alt.
Scale
( domain
=
list
( cmap.
keys
(
)
)
,
range
=
list
( cmap.
values
(
)
)
)
)
)
# Save it as an HTML file.
chart.
save
(
'altair-elections.html'
)以及结果图：
皮加尔
Pygal专注于视觉外观。 默认情况下，它会生成SVG图，因此您可以永久缩放它们或将其打印出来而不会变得像素化。 Pygal图还具有一些内置的良好交互功能，如果您希望将图嵌入Web应用程序，则Pygal会成为另一个被低估的候选对象。
源代码如下所示（您可以在此处运行）：
import pygal
from pygal.
style
import Style
from votes
import wide
as df
# Define the style
custom_style
= Style
(
colors
=
(
'#0343df'
,
'#e50000'
,
'#ffff14'
,
'#929591'
)
font_family
=
'Roboto,Helvetica,Arial,sans-serif'
,
background
=
'transparent'
,
label_font_size
=
14
,
)
# Set up the bar plot, ready for data
c
= pygal.
Bar
(
title
=
"UK Election Results"
,
style
= custom_style
,
y_title
=
'Seats'
,
width
=
1200
,
x_label_rotation
=
270
,
)
# Add four data sets to the bar plot
c.
add
(
'Conservative'
, df
[
'conservative'
]
)
c.
add
(
'Labour'
, df
[
'labour'
]
)
c.
add
(
'Liberal'
, df
[
'liberal'
]
)
c.
add
(
'Others'
, df
[
'others'
]
)
# Define the X-labels
c.
x_labels
= df
[
'year'
]
# Write this to an SVG file
c.
render_to_file
(
'pygal.svg'
)和图表：
大熊猫
Pandas是一个非常流行的Python数据科学库。 它允许您按比例进行各种数据处理，但是它还具有方便的绘图API。 因为pandas示例直接在数据帧上运行，所以它是本文中最简洁的代码段，甚至比Seaborn代码还短！
熊猫API是Matplotlib的包装，因此您还可以使用底层Matplotlib API来获得对图的细粒度控制。
这是大熊猫的选举结果图。 代码简明扼要！
from matplotlib.
colors
import ListedColormap
from votes
import wide
as df
cmap
= ListedColormap
(
[
'#0343df'
,
'#e50000'
,
'#ffff14'
,
'#929591'
]
)
ax
= df.
plot .
bar
( x
=
'year'
, colormap
= cmap
)
ax.
set_xlabel
(
None
)
ax.
set_ylabel
(
'Seats'
)
ax.
set_title
(
'UK election results'
)
plt.
show
(
)以及结果图：
要运行此示例，请在此处签出。
画出自己的路
Python提供了许多无需大量代码即可绘制相同数据的方法。 尽管您可以使用这些方法中的任何一种快速开始创建图表，但是它们确实需要一些本地配置。 如果需要， Anvil可为Python开发提供基于Web的优美体验。 密谋快乐！
本文基于Python绘图：比较 Anvil博客上的选项 ，并在获得许可的情况下重复使用。
翻译自: https://opensource.com/article/20/4/plot-data-python
python绘制直方图数据
