數(shù)據(jù)可視化是任何數(shù)據(jù)科學(xué)或機(jī)器學(xué)習(xí)項(xiàng)目的一個(gè)重要組成部分。人們常常會(huì)從探索數(shù)據(jù)分析(EDA)開始，來深入了解數(shù)據(jù)，并且創(chuàng)建可視化確實(shí)有助于讓問題更清晰和更容易理解，尤其是對(duì)于那些較大的高維度數(shù)據(jù)集。在項(xiàng)目結(jié)束的時(shí)候，能夠以清晰的、簡潔的和令人信服的方式呈現(xiàn)最終結(jié)果，這是非常重要的，讓你的用戶能夠理解和明白。你可能已經(jīng)看過了我之前的文章《5種快速和簡單的Python數(shù)據(jù)可視化方法(含代碼)》(5 Quick and Easy Data Visualizations in Python with Code)，其中介紹了5種基本可視化方法：散點(diǎn)圖、線圖、柱狀圖、條形圖和箱形圖。這五個(gè)是簡單而強(qiáng)大的可視化方法，你絕對(duì)可以通過這些方法從數(shù)據(jù)集中得到巨大的收獲。在本文中，將介紹另外4個(gè)數(shù)據(jù)可視化方法，但稍微復(fù)雜一些，你可以在看完上一篇文章介紹的基本方法之后再用。
熱圖(Heat Map)
熱圖是數(shù)據(jù)的矩陣表示方式，其中每個(gè)矩陣的值用一種顏色來表示。不同的顏色代表不同的級(jí)別，矩陣指數(shù)將兩個(gè)對(duì)比的列或特征連接在一起。熱圖可以很好地顯示出多個(gè)特征變量之間的關(guān)系，因?yàn)榭梢灾苯影岩粋€(gè)級(jí)別看作一種顏色。還可以通過觀察熱圖中的一些點(diǎn)來查看每個(gè)關(guān)系是如何與數(shù)據(jù)集中的其它關(guān)系進(jìn)行比較的。這些顏色的確提供了簡單的表示方式，因?yàn)檫@是非常直觀的。
現(xiàn)在來看下代碼：與matplotlib庫相比，seaborn庫可用于更高級(jí)的圖表，通常也需要更多的組件，如更多的顏色、圖形或者變量。Matplotlib庫用于顯示圖表，numpy用于生成數(shù)據(jù)，而pandas用于控制。繪圖只是調(diào)用一個(gè)簡單的seaborn函數(shù)，如果你發(fā)現(xiàn)了一些在視覺上很特別的東西，通過這個(gè)函數(shù)，還可以設(shè)置顏色映射。
二維密度圖(2D Density Plot)
二維密度圖是一維版本的簡單擴(kuò)展，能夠看到關(guān)于2個(gè)變量的概率分布。讓我們看看下面的二維密度圖，右邊的刻度用顏色表示每一點(diǎn)的概率。最高的概率，看下數(shù)據(jù)集，似乎大約是0.5的大小和1.4-ish的速度。正如你所看到的，二維密度圖對(duì)于快速確定數(shù)據(jù)對(duì)于兩個(gè)變量最集中的區(qū)域非常地顯著，而不是像一維密度圖那樣只集中一個(gè)變量。當(dāng)你有兩個(gè)對(duì)輸出結(jié)果非常重要的變量，并且希望了解它們?nèi)绾我黄饘?duì)輸出結(jié)果分布起作用的時(shí)候，二維密度圖尤其適合。
Seaborn的代碼超級(jí)簡單，我們將通過創(chuàng)建一個(gè)偏態(tài)分布介紹它。如果你發(fā)現(xiàn)某些顏色和陰影在視覺上更特別，那么大多數(shù)的可選參數(shù)都是為了看起來更清晰。
蜘蛛圖(Spider Plot)
蜘蛛圖是顯示一對(duì)多關(guān)系最好的方法之一。也就是說，你可以繪制并查看區(qū)別于單個(gè)變量或類別的多個(gè)變量的值。在蜘蛛圖中，一個(gè)變量相對(duì)于另一個(gè)變量的特性是顯而易見的，因?yàn)槊娣e和長度在一些方向上變化了。如果你希望了解幾個(gè)類別關(guān)于這些變量是如何疊加起來的，可以并排繪制一下。在下圖中，很容易比較三個(gè)電影角色的不同屬性，并了解他們的優(yōu)勢(shì)所在!
這次我們將能夠直接使用matplotlib來創(chuàng)建可視化，而不是用seaborn。需要計(jì)算每個(gè)屬性所在的角度，因?yàn)槲覀兿Ｍ鼈冄貓A周被平均地分隔開。我們將在每個(gè)計(jì)算的角度放置標(biāo)簽，然后把值繪制成一個(gè)點(diǎn)，該點(diǎn)到中心的距離取決于它的值或是級(jí)別。最后，為了清晰起見，我們將使用半透明的顏色填充由連接各屬性點(diǎn)的線所包含的區(qū)域。
樹形圖(Tree Diagram)
我們從小學(xué)就開始使用樹形圖了，樹形圖既自然又直觀，還易于解釋。直接連接的節(jié)點(diǎn)關(guān)系密切，而與有多個(gè)連接的節(jié)點(diǎn)差別很大。在下圖中，我已經(jīng)根據(jù)統(tǒng)計(jì)繪制了一小部分來自Kaggle的Pokemon with stats數(shù)據(jù)集：
HP、攻擊、防御、特殊攻擊、特殊防御、速度
因此，與stats wise最匹配的Pokemon將緊密連接在一起。例如，我們看到，在頂部，Arbok和Fearow是直接連接的，而且，如果我們查看數(shù)據(jù)，Arbok總共有438個(gè)，而Fearow有442個(gè)，非常接近。但是一旦我們移動(dòng)到Raticate，我們得到的總數(shù)是413，這與Arbok和Fearow的差別很大，這就是它們被分開的原因。當(dāng)我們移動(dòng)樹的時(shí)候，基于相似性，Pokemon被分的組越來越多。在綠色組中的Pokemon相互之間比紅色組中的更相似，即使沒有直接的綠色連接。
對(duì)于樹形圖，我們實(shí)際上要使用Scipy的。在查看了數(shù)據(jù)集之后，我們將去掉字符串類型的列。我們這么做只是為了要得到正確的可視化結(jié)果，但在實(shí)踐中，最好是把這些字符串轉(zhuǎn)換成分類變量，為了得到更好的結(jié)果和進(jìn)行比較，我們還設(shè)置了數(shù)據(jù)幀索引，以便能夠適當(dāng)?shù)赜盟鳛橐妹總€(gè)節(jié)點(diǎn)的列。最后，在Scipy中計(jì)算和繪制樹形圖是非常簡單的事了。
