pythonggplot画等值线图,plotnine:Python版的ggplot2作图库

R语言的ggplot2绘图能力超强&＃xff0c;python虽有matplotlib&＃xff0c;但是语法臃肿&＃xff0c;使用复杂&＃xff0c;入门极难&＃xff0c;seaborn的出现稍微改善了matplotlib代码量问题&＃xff0c;但是定制化程度依然需要借助matplotlib&＃xff0c;使用难度依然很大。

而且咱们经管专业学编程语言&＃xff0c;一直有一个经久不衰的问题-“学数据分析&＃xff0c;到底选择R还是Python”。通过plotnine这个库&＃xff0c;你就可以在python世界中体验下R语言的新奇感&＃xff0c;体验可视化之美&＃xff0c;如果着迷上瘾&＃xff0c;再学R也不迟。

plotnine包&＃xff0c;可以实现绝大多数ggplot2的绘图功能&＃xff0c;两者语法十分相似&＃xff0c;R和Python的语法转换成本大大降低。

pip install plotnine

**准备数据**

from plotnine.data import mpg

#dataframe

mpg.head()


**快速作图qplot**

我们先直接看最简单好用的快速作图函数qplot(x, y, data)

* 横坐标displ

* 纵坐标cty

* 数据mpg

*

from plotnine import qplot

qplot(x&＃61;&＃39;displ&＃39;,

y&＃61;&＃39;cty&＃39;,

data&＃61;mpg)


**ggplot图层**

qplot是快速作图函数&＃xff0c;如果想让图更好看&＃xff0c;进行私人订制&＃xff0c;那么我们需要进行图层设计

首先设置ggplot图层(相当于买了一个高级画布)&＃xff0c;

* 数据mpg

* 横坐标x轴为displ

* 纵坐标y轴cty

在plotnine中&＃xff0c;变量所对应的数据均可通过字段名调用

from plotnine import ggplot, geom_point, aes

ggplot(aes(x&＃61;&＃39;displ&＃39;, y&＃61;&＃39;cty&＃39;), mpg)


**图层叠加**

我们可以看到&＃xff0c;已经绘制出一个空的ggplot图层&＃xff0c;x轴为displ&＃xff0c;y轴为cty。

接下来我们给这个图层上加上数据对应的散点&＃xff0c;使用geom_point()直接追加在ggplot图层之上即可。

(

ggplot(aes(x&＃61;&＃39;displ&＃39;, y&＃61;&＃39;cty&＃39;), mpg)

geom_point()

)


**color**

在上图中&＃xff0c;散点是没有区分每辆车的气缸数cyl。

在geom_point()中&＃xff0c;我们可以按照气缸数cyl分门别类&＃xff0c;按照颜色显示出来

(

ggplot(aes(x&＃61;&＃39;displ&＃39;, y&＃61;&＃39;cty&＃39;), mpg)

geom_point(aes(color&＃61;&＃39;cyl&＃39;))

)

图片

上图挺好看的&＃xff0c;有时候需要绘制的字段是离散型数值&＃xff0c;但是上色后可能不够明显&＃xff0c;需要声明该字段为离散型。这时候用factor()来告诉plotnine&＃xff0c;这个字段是离散型数值

(

ggplot(aes(x&＃61;&＃39;displ&＃39;, y&＃61;&＃39;cty&＃39;), mpg)

geom_point(aes(color&＃61;&＃39;factor(cyl)&＃39;))

)

size

有时候为了增加可视化显示的维度数&＃xff0c;还可以考虑加入点的大小size

(

ggplot(aes(x&＃61;&＃39;displ&＃39;, y&＃61;&＃39;cty&＃39;), mpg)

&＃43; geom_point(aes(size&＃61;&＃39;hwy&＃39;))

)

梯度色

如果你想自己设置颜色的梯度&＃xff0c;可以通过scale_color_gradient设置

from plotnine import scale_color_gradient

(

ggplot(aes(x&＃61;&＃39;displ&＃39;, y&＃61;&＃39;cty&＃39;), mpg)

&＃43; geom_point(aes(color&＃61;&＃39;hwy&＃39;))

&＃43; scale_color_gradient(low&＃61;&＃39;blue&＃39;, high&＃61;&＃39;red&＃39;)

)

条形图

plotnine中可绘制的图有很多&＃xff0c;刚刚已经讲了散点图&＃xff0c;接下来我们看看plotnine中的条形图。

首先准备一下数据

import pandas as pd

df &＃61; pd.DataFrame({

&＃39;variable&＃39;: [&＃39;gender&＃39;, &＃39;gender&＃39;, &＃39;age&＃39;, &＃39;age&＃39;, &＃39;age&＃39;, &＃39;income&＃39;, &＃39;income&＃39;, &＃39;income&＃39;, &＃39;income&＃39;],

&＃39;category&＃39;: [&＃39;Female&＃39;, &＃39;Male&＃39;, &＃39;1-24&＃39;, &＃39;25-54&＃39;, &＃39;55&＃43;&＃39;, &＃39;Lo&＃39;, &＃39;Lo-Med&＃39;, &＃39;Med&＃39;, &＃39;High&＃39;],

&＃39;value&＃39;: [60, 40, 50, 30, 20, 10, 25, 25, 40],

})

df[&＃39;variable&＃39;] &＃61; pd.Categorical(df[&＃39;variable&＃39;], categories&＃61;[&＃39;gender&＃39;, &＃39;age&＃39;, &＃39;income&＃39;])

df[&＃39;category&＃39;] &＃61; pd.Categorical(df[&＃39;category&＃39;], categories&＃61;df[&＃39;category&＃39;])

df

#调整文本位置

dodge_text &＃61; position_dodge(width&＃61;0.9) # new

(

ggplot(df, aes(x&＃61;&＃39;variable&＃39;,

y&＃61;&＃39;value&＃39;,

fill&＃61;&＃39;category&＃39;)) #类别填充颜色

&＃43; geom_col(position&＃61;&＃39;dodge&＃39;,

show_legend&＃61;False) # modified

&＃43; geom_text(aes(y&＃61;-.5, label&＃61;&＃39;category&＃39;), # new

position&＃61;dodge_text,

color&＃61;&＃39;gray&＃39;, #文本颜色

size&＃61;8, #字号

angle&＃61;30, #文本的角度

va&＃61;&＃39;top&＃39;)

&＃43; lims(y&＃61;(-5, 60)) # new

)

from plotnine.data import economics_long

economics_long.head()

from plotnine import ggplot, aes, geom_line

(

ggplot(economics_long, aes(x&＃61;&＃39;date&＃39;, y&＃61;&＃39;value01&＃39;, color&＃61;&＃39;variable&＃39;))

&＃43; geom_line()

)

plotnine目前已经支持绝大多数ggplot2&＃xff0c;但是文档方面没有ggplot2全&＃xff0c;所以学习plotnine时可以参考ggplot2。