腾讯课堂 | Python网络爬虫与文本数据分析

同样的基本作图任务，plotnine比matplotlib和seaborn代码量少，更美观。所以我又重新发一遍，大家可以先收藏起来，后面总有用到的时候~

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

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

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

• plotnine文档 https://plotnine.readthedocs.io/en/latest/
• R语言ggplot2文档 https://ggplot2.tidyverse.org/reference/index.html

安装

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='displ', 
      y='cty',
      data=mpg)

ggplot图层

qplot是快速作图函数，如果想让图更好看，进行私人订制，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)，

• 数据mpg
• 横坐标x轴为displ
• 纵坐标y轴cty

在plotnine中，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='displ', y='cty'), mpg)

图层叠加

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

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

(
    ggplot(aes(x='displ', y='cty'), mpg)
    + geom_point()
)

color

在上图中，散点是没有区分每辆车的气缸数cyl。

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

(
    ggplot(aes(x='displ', y='cty'), mpg)
    + geom_point(aes(color='cyl'))
)

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

(
    ggplot(aes(x='displ', y='cty'), mpg)
    + geom_point(aes(color='factor(cyl)')) 
)

size

有时候为了增加可视化显示的维度数，还可以考虑加入点的大小size

(
    ggplot(aes(x='displ', y='cty'), mpg)
    + geom_point(aes(size='hwy'))
)

梯度色

如果你想自己设置颜色的梯度，可以通过scale_color_gradient设置

from plotnine import scale_color_gradient

(
    ggplot(aes(x='displ', y='cty'), mpg)
    + geom_point(aes(color='hwy'))
    + scale_color_gradient(low='blue', high='red')
)

条形图

plotnine中可绘制的图有很多，刚刚已经讲了散点图，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 = pd.DataFrame({
    'variable': ['gender', 'gender', 'age', 'age', 'age', 'income', 'income', 'income', 'income'],
    'category': ['Female', 'Male', '1-24', '25-54', '55+', 'Lo', 'Lo-Med', 'Med', 'High'],
    'value': [60, 40, 50, 30, 20, 10, 25, 25, 40],
})
df['variable'] = pd.Categorical(df['variable'], categories=['gender', 'age', 'income'])
df['category'] = pd.Categorical(df['category'], categories=df['category'])

df

from plotnine import ggplot, aes, geom_text, position_dodge, geom_point

#调整文本位置
dodge_text = position_dodge(width=0.9)                              # new

(
    ggplot(df, aes(x='variable', 
                   y='value', 
                   fill='category')) #类别填充颜色
    + geom_col(position='dodge', 
               show_legend=False)   # modified
    + geom_text(aes(y=-.5, label='category'),                          # new
                position=dodge_text,
                color='gray',  #文本颜色
                size=8,   #字号
                angle=30, #文本的角度
                va='top')
    
 + lims(y=(-5, 60))                                                 # new
)

from plotnine.data import economics_long

economics_long.head()

from plotnine import ggplot, aes, geom_line

(
    ggplot(economics_long, aes(x='date', y='value01', color='variable'))
    + geom_line()
)

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

• plotnine文档 https://plotnine.readthedocs.io/en/latest/
• R语言ggplot2文档 https://ggplot2.tidyverse.org/reference/index.html

往期文章

[更新] Python网络爬虫与文本数据分析 rpy2库 | 在jupyter中调用R语言代码plydata库 | 数据操作管道操作符>>tidytext | 耳目一新的R-style文本分析库七夕礼物 | 全网最火的钉子绕线图制作教程读完本文你就了解什么是文本分析文本分析在经管领域中的应用概述  综述:文本分析在市场营销研究中的应用plotnine: Python版的ggplot2作图库小案例: Pandas的apply方法  stylecloud:简洁易用的词云库 用Python绘制近20年地方财政收入变迁史视频  Wow~70G上市公司定期报告数据集漂亮~pandas可以无缝衔接Bokeh  YelpDaset: 酒店管理类数据集10+G  

公众号后台回复关键词【plotnine入门】即可下载本文数据代码