时间:2021-05-22
平行坐标图简介
当数据的维度超过三维时,此时数据的可视化就变得不再那么简单。为解决高维数据的可视化问题,我们可以使用平行坐标图。以下关于平行坐标图的解释引自百度百科:为了克服传统的笛卡尔直角坐标系容易耗尽空间、 难以表达三维以上数据的问题, 平行坐标图将高维数据的各个变量用一系列相互平行的坐标轴表示, 变量值对应轴上位置。为了反映变化趋势和各个变量间相互关系,往往将描述不同变量的各点连接成折线。所以平行坐标图的实质是将m维欧式空间的一个点Xi(xi1,xi2,...,xim) 映射到二维平面上的一条曲线。在N条平行的线的背景下,(一般这N条线都竖直且等距),一个在高维空间的点可以被表示为一条拐点在N条平行坐标轴的折线,在第K个坐标轴上的位置就表示这个点在第K个维的值。
绘制平行坐标图
本文主要介绍两种利用Python绘制平行坐标图的方法,分别是利用pandas包绘制和利用plotly包绘制(默认已安装pandas包和plotly包)。
利用pandas实现平行坐标图的绘制
import matplotlib.pyplot as pltimport pandas as pdimport seaborn as snsfrom pandas.plotting import parallel_coordinates data = sns.load_dataset('iris') fig,axes = plt.subplots()parallel_coordinates(data,'species',ax=axes)fig.savefig('parallel.png')绘制的平行坐标图如下所示:
从上图可以看到x轴上变量共用一个y坐标轴,此时因sepal_length、sepal_width、petal_length以及petal_width这四个变量的值得范围相近,利用这种方式作出的共用y轴的平行坐标图有着很好的可视化效果;但假如sepal_length、sepal_width、petal_length以及petal_width这些变量的值的范围相差较大时,这种共用y轴的平行坐标图就不再适用,此时我们需要的是y轴独立的平行坐标图。下面介绍的另一种方法实现的就是y轴独立的平行坐标图。
利用plotly实现平行坐标图的绘制
plotly绘图有两种模式,一种是online模式,另一种是offline模式。本文使用的是offline模式,且是在jupyter notebook中进行绘图。
首先熟悉一下plotly的绘图方式:
import plotly as pyimport plotly.graph_objs as gopy.offline.init_notebook_mode(connected=True) # 初始化设置 py.offline.iplot({ "data": [go.Parcoords( line = dict(color = 'blue'), dimensions = list([ dict(range = [1,5], constraintrange = [1,2], label = 'A', values = [1,4]), dict(range = [1.5,5], tickvals = [1.5,3,4.5], label = 'B', values = [3,1.5]), dict(range = [1,5], tickvals = [1,2,4,5], label = 'C', values = [2,4], ticktext = ['text 1', 'text 2', 'text 3', 'text 4']), dict(range = [1,5], label = 'D', values = [4,2]) ]) )], "layout": go.Layout(title="My first parallel coordinates")})绘制图形如下所示:
绘制鸢尾花数据的平行坐标图:
df = sns.load_dataset('iris')df['species_id'] = df['species'].map({'setosa':1,'versicolor':2,'virginica':3}) #用于颜色映射 py.offline.iplot({ "data": [go.Parcoords( line = dict(color = df['species_id'], colorscale = [[0,'#D7C16B'],[0.5,'#23D8C3'],[1,'#F3F10F']]), dimensions = list([ dict(range = [2,8], constraintrange = [4,8], label = 'Sepal Length', values = df['sepal_length']), dict(range = [1,6], label = 'Sepal Width', values = df['sepal_width']), dict(range = [0,8], label = 'Petal Length', values = df['petal_length']), dict(range = [0,4], label = 'Petal Width', values = df['petal_width']) ]) )], "layout": go.Layout(title='Iris parallel coordinates plot')})绘制的图形如下所示:
注:关于plotly.offline.iplot、go.Parcoords以及go.Layout的用法可以利用help关键字查看相关帮助文档,与pyecharts不同,plotly提供的帮助文档非常详细。
以上这篇Python实现平行坐标图的绘制(plotly)方式就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
python中画图的库有很多,Matplotlib画2D图像是个不错的选择。Matplotlib.pyplot中有很多种函数,今天就为大家简单介绍。绘制坐标图:
本文实例讲述了php使用Jpgraph绘制复杂X-Y坐标图的方法。分享给大家供大家参考。具体实现方法如下:SetScale("textlin");$graph-
本文实例为大家分享了python使用Plotly绘图工具绘制柱状图的具体代码,供大家参考,具体内容如下使用Plotly绘制基本的柱状图,需要用到的函数是grap
本文实例讲述了php使用Jpgraph绘制简单X-Y坐标图的方法。分享给大家供大家参考。具体实现方法如下:SetScale("textlin");//设置刻度样
今天来讲讲如何使用Python绘图工具,Plotly来绘制气泡图。气泡图的实现方法类似散点图的实现。修改散点图中点的大小,就变成气泡图。实现代码如下:impor