代码下载

点击跳转到下载链接页面


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。

好消息是python中有一个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。

安装


!pip3 install plotnine

准备数据

from plotnine.data import mpg

#dataframe
mpg.head()
manufacturer model displ year cyl trans drv cty hwy fl class
0 audi a4 1.8 1999 4 auto(l5) f 18 29 p compact
1 audi a4 1.8 1999 4 manual(m5) f 21 29 p compact
2 audi a4 2 2008 4 manual(m6) f 20 31 p compact
3 audi a4 2 2008 4 auto(av) f 21 30 p compact
4 audi a4 2.8 1999 6 auto(l5) f 16 26 p compact

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
variable category value
0 gender Female 60
1 gender Male 40
2 age 1-24 50
3 age 25-54 30
4 age 55+ 20
5 income Lo 10
6 income Lo-Med 25
7 income Med 25
8 income High 40
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()
date variable value value01
0 1967-07-01 00:00:00 pce 507.4 0
1 1967-08-01 00:00:00 pce 510.5 0.000266001
2 1967-09-01 00:00:00 pce 516.3 0.00076368
3 1967-10-01 00:00:00 pce 512.9 0.000471937
4 1967-11-01 00:00:00 pce 518.1 0.000918132
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。


广而告之