在Python中使用Pygal進行交互可視化
本文轉載自微信公眾號「Python學會」，作者Huangwei AI。轉載本文請聯系Python學會公眾號。
1前言
我們需要處理、分析和探索的大量數據;隨著技術的進步，這個數字只會越來越大。現在，想象一下必須盯著電子表格中的數千行數據，試圖找到隱藏的模式并追蹤數字的變化。這就是數據可視化的切入點。擁有可視化的信息摘要比瀏覽電子表格更容易識別模式和趨勢。由于數據分析的目的是獲得見解和發現模式，將數據可視化將使其更有價值，更容易探索。不同類型的圖表和圖表使交流數據發現更快和更有效。
可視化數據的重要性不僅僅是簡化數據的解釋。可視化數據有很多好處，比如:
- 顯示數據隨時間的變化。
- 確定相關事件發生的頻率。
- 指出不同事件之間的相關性。
- 分析不同機會的價值和風險。
在本文中，我們將介紹一個Python庫，它可以幫助我們創建引人注目的、令人驚嘆的、交互式的可視化。它就是Pygal
2Pygal介紹
當使用Python可視化數據時，大多數數據科學家使用臭名昭著的Matplotlib、Seaborn或Bokeh。然而，一個經常被忽視的庫是Pygal。Pygal允許用戶創建漂亮的交互式圖，這些圖可以以最佳的分辨率轉換成svg，以便使用Flask或Django打印或顯示在網頁上。
熟悉Pygal
Pygal提供了各種各樣的圖表，我們可以使用它們來可視化數據，確切地說，Pygal中有14種圖表類別，比如柱狀圖、柱狀圖、餅狀圖、樹形圖、測量圖等等。
要使用Pygal，我們得先安裝它。
- $ pip install pygal
我們來畫第一張圖。我們將從最簡單的字符開始，一個條形圖。要使用Pygal繪制條形圖，我們需要創建一個圖表對象，然后向其添加一些值。
- bar_chart = pygal.Bar()
我們將繪制0到5的階乘。在這里，我定義了一個簡單的函數來計算一個數字的階乘，然后使用它生成一個數字從0到5的階乘列表。
- def factorial(n):
- if n == 1 or n == 0:
- return 1
- else:
- return n * factorial(n-1)
- fact_list = [factorial(i) for i in range(11)]
現在，我們可以使用它來創建我們的繪圖
- bar_chart = pygal.Bar(height=400)
- bar_chart.add('Factorial', fact_list)
- display(HTML(base_html.format(rendered_chart=bar_chart.render(is_unicode=True))))
這將生成一個漂亮的交互圖
如果我們想要繪制不同類型的圖表，我們將遵循相同的步驟。您可能已經注意到，用于將數據鏈接到圖表的主要方法是add方法。
現在，讓我們開始基于實際數據構建一些東西。
應用
接下來，我將使用美國COVID-19病例數據集來解釋Pygal的不同方面。
首先，為了確保一切順利進行，我們需要確保兩件事:
- Pandas和Pygal都裝上了。
- 在jupiter Notebook中，我們需要啟用IPython顯示和HTML選項。
- from IPython.display import display, HTML
- base_html = """
- <!DOCTYPE html>
- <html>
- <head>
- <script type="text/javascript" src="http://kozea.github.com/pygal.js/javascripts/svg.jquery.js"></script>
- <script type="text/javascript" src="https://kozea.github.io/pygal.js/2.0.x/pygal-tooltips.min.js""></script>
- </head>
- <body>
- <figure>
- {rendered_chart}
- </figure>
- </body>
- </html>
- """
現在我們已經設置好了，我們可以開始使用Pandas來探索我們的數據，然后使用不同類型的圖表來操作和準備它。
- import pygal
- import pandas as pd
- data = pd.read_csv("https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv")
該數據集包含基于日期、縣和州的COVID-19病例和死亡信息。我們可以通過data.column看出這一點。列，以了解數據的形狀。執行該命令將返回:
- Index(['date', 'county', 'state', 'fips', 'cases', 'deaths'], dtype='object')
我們可以獲得一個10行的樣本來查看我們的數據幀是什么樣子的。
- data.sample(10)
條形圖
讓我們首先繪制一個柱狀圖，顯示每個狀態的案例數的平均值。為此，我們需要執行以下步驟:
將數據按狀態分組，提取每個狀態的案例號，然后計算每個狀態的平均值。
- mean_per_state = data.groupby('state')['cases'].mean()
開始構建數據并將其添加到條形圖中。
- barChart = pygal.Bar(height=400)
- [barChart.add(x[0], x[1]) for x in mean_per_state.items()]
- display(HTML(base_html.format(rendered_chart=barChart.render(is_unicode=True))))
瞧，我們有一個條形圖。我們可以通過從圖例列表中取消選擇來刪除數據，也可以通過重新選擇來重新添加數據。
柱狀圖的完整代碼
- #Import needed libraries
- import pygal
- import pandas as pd
- #Parse the dataframe
- data = pd.read_csv("https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv")
- #Get the mean number of cases per states
- mean_per_state = data.groupby('state')['cases'].mean()
- #Draw the bar chart
- barChart = pygal.Bar(height=400)
- [barChart.add(x[0], x[1]) for x in mean_per_state.items()]
- display(HTML(base_html.format(rendered_chart=barChart.render(is_unicode=True))))
Treemap
條形圖有助于顯示整體數據，但如果我們想要更具體，我們可以選擇不同類型的char，即treemap。樹圖對于顯示數據中的類別非常有用。例如，在我們的數據集中，我們有基于每個州每個縣的病例數量。柱狀圖顯示了每個州的均值，但我們看不到每個州每個縣的病例分布。一種方法是使用樹圖。
假設我們想要查看案例數量最多的10個州的詳細案例分布情況。然后，在繪制數據之前，我們需要先對數據進行操作。
我們需要根據案例對數據進行排序，然后按州進行分組。
- sort_by_cases = data.sort_values(by=['cases'],ascending=False).groupby(['state'])['cases'].apply(list)
使用排序列表來獲得案例數量最多的前10個州。
- top_10_states = sort_by_cases[:10]
使用這個子列表來創建我們的樹圖。
- treemap = pygal.Treemap(height=400)
- [treemap.add(x[0], x[1][:10]) for x in top_10_states.items()]
- display(HTML(base_html.format(rendered_chart=treemap.render(is_unicode=True))))
然而，這個樹圖沒有被標記，所以當我們懸停在方塊上時，我們無法看到縣名。我們將在該州的所有縣街區上看到該州的名稱。為了避免這種情況并將縣名添加到我們的treemap中，我們需要標記向圖表提供的數據。
- #Import needed libraries
- import pygal
- import pandas as pd
- #Parse the dataframe
- data = pd.read_csv("https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv")
- #Sort states by cases count
- sort_by_cases = data.sort_values(by=['cases'],ascending=False).groupby(['state'])['cases'].apply(list)
- #Get the top 10 states with the highest number of cases
- top_10_states = sort_by_cases[:10]
- #Draw the treemap
- treemap = pygal.Treemap(height=400)
- [treemap.add(x[0], x[1][:10]) for x in top_10_states.items()]
- display(HTML(base_html.format(rendered_chart=treemap.render(is_unicode=True))))
在此之前，我們的數據每天都會更新。因此，每個縣將進行幾次重復。因為我們關心每個縣的病例總數，所以在將數據添加到樹圖之前，我們需要清理數據。
- #Get the cases by county for all states
- cases_by_county = data.sort_values(by=['cases'],ascending=False).groupby(['state'], axis=0).apply(
- lambda x : [{"value" : l, "label" : c } for l, c in zip(x['cases'], x['county'])])
- cases_by_county= cases_by_county[:10]
- #Create a new dictionary that contains the cleaned up version of the data
- clean_dict = {}
- start_dict= cases_by_county.to_dict()
- for key in start_dict.keys():
- values = []
- labels = []
- county = []
- for item in start_dict[key]:
- if item['label'] not in labels:
- labels.append(item['label'])
- values.append(item['value'])
- else:
- i = labels.index(item['label'])
- values[i] += item['value']
- for l,v in zip(labels, values):
- county.append({'value':v, 'label':l})
- clean_dict[key] = county
- #Convert the data to Pandas series to add it to the treemap
- new_series = pd.Series(clean_dict)
然后，我們可以將該系列添加到treemap，并繪制它的標記版本。
- treemap = pygal.Treemap(height=200)
- [treemap.add(x[0], x[1][:10]) for x in new_series.iteritems()]
- display(HTML(base_html.format(rendered_chart=treemap.render(is_unicode=True))))
太棒了!現在我們的樹形圖被標記了。如果將鼠標懸停在這些塊上，就可以看到縣的名稱、州和該縣的病例數。
完整的代碼
- #Import needed libraries
- import pygal
- import pandas as pd
- #Parse the dataframe
- data = pd.read_csv("https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv")
- #Get the cases by county for all states
- cases_by_county = data.sort_values(by=['cases'],ascending=False).groupby(['state'], axis=0).apply(
- lambda x : [{"value" : l, "label" : c } for l, c in zip(x['cases'], x['county'])])
- cases_by_county= cases_by_county[:10]
- #Create a new dictionary that contains the cleaned up version of the data
- clean_dict = {}
- start_dict= cases_by_county.to_dict()
- for key in start_dict.keys():
- values = []
- labels = []
- county = []
- for item in start_dict[key]:
- if item['label'] not in labels:
- labels.append(item['label'])
- values.append(item['value'])
- else:
- i = labels.index(item['label'])
- values[i] += item['value']
- for l,v in zip(labels, values):
- county.append({'value':v, 'label':l})
- clean_dict[key] = county
- #Convert the data to Pandas series to add it to the treemap
- new_series = pd.Series(clean_dict)
- #Draw the treemap
- treemap = pygal.Treemap(height=200)
- [treemap.add(x[0], x[1][:10]) for x in new_series.iteritems()]
- display(HTML(base_html.format(rendered_chart=treemap.render(is_unicode=True))))
餅狀圖
我們可以用另一種形式來展示這一信息，那就是用餅狀圖來展示案例數量最多的10個州。使用餅狀圖，我們可以看到一個州的案例數相對于其他州的百分比。
由于我們已經完成了所有的數據幀操作，我們可以使用它來立即創建餅圖。
- first10 = list(sort_by_cases.items())[:10]
- [pi_chart.add(x[0], x[1]) for x in first10]
- display(HTML(base_html.format(rendered_chart=pi_chart.render(is_unicode=True))))
餅狀圖的完整代碼
- #Import needed libraries
- import pygal
- import pandas as pd
- #Parse the dataframe
- data = pd.read_csv("https://raw.githubusercontent.com/nytimes/covid-19-data/master/us-counties.csv")
- #Get the mean number of cases per states
- sort_by_cases = data.sort_values(by=['cases'],ascending=False).groupby(['state'])['cases'].apply(list)
- #Draw the bar chart
- pi_chart = pygal.Pie(height=400)
- #Get the top 10 states
- first10 = list(sort_by_cases.items())[:10]
- [pi_chart.add(x[0], x[1]) for x in first10]
- display(HTML(base_html.format(rendered_chart=pi_chart.render(is_unicode=True))))
