作者：张杰
出版社：电子工业出版社
格式: AZW3, DOCX, EPUB, MOBI, PDF, TXT
Python数据可视化之美：专业图表绘制指南(全彩)试读：
前言
本书主要介绍如何使用Python中的matplotlib、Seaborn、plotnine、Basemap等包绘制专业图表。本书首先介绍 Python 语言编程基础知识，以及 NumPy 和 Pandas 的数据操作方法；再对比介绍matplotlib、Seaborn和plotnine的图形语法。本书系统性地介绍了使用matplotlib、Seaborn和plotnine绘制类别对比型、数据关系型、时间序列型、整体局部型、地理空间型等常见的二维和三维图表的方法。另外，本书也介绍了商业图表与学术图表的规范与差异，以及如何使用matplotlib绘制HTML交互页面动画。
本书定位
人生苦短，我用Python！
现在Python语言越来越流行，尤其是在机器视觉、机器学习与深度学习等领域。但是数据可视化一直是其短板，特别是相对R语言而言。R语言以ggplot2包及其拓展包人性化的绘图语法大受用户的喜爱，特别是生物信息与医学研究者。市面上有两本很经典的R ggplot2教程：ggplot2 Elegant Graphics for Data Analysis和R Graphics Cookbook，这两本书重点介绍了ggplot2包的绘图语法及常见图表的绘制方法。另外，《R语言数据可视化之美：专业图表绘制指南（增强版）》基于R中的ggplot2包及其拓展包等，系统性地介绍了几乎所有常见的二维和三维图表的绘制方法。
所以，笔者认为很有必要系统性地介绍 Python 的绘图语法系统，包括最基础也最常用的matplotlib、常用于统计分析的Seaborn、最新出现的类似R ggplot2语法的plotnine包，以及用于地理空间数据可视化的Basemap包。本书首先介绍数据可视化基础理论，然后系统性地介绍了几乎所有常见的二维和三维图表的绘制方法，包括简单的柱形图系列、条形图系列、折线图系列、地图系列等。
读者对象
本书适合想学习数据分析与可视化相关专业课程的高校学生，以及对数据分析与可视化感兴趣的职场人士阅读，尤其是 Python 用户。从软件掌握程度而言，本书同样适用于零基础学习 Python的用户。
阅读指南
全书内容共有11章，其中，前3章是后面8章的基础，第4～10章都是独立知识点，第11章是数据可视化绘图综合案例。读者可以根据实际需求有选择性地进行学习。
第1章 介绍Python编程基础，重点介绍数据结构、控制语句与函数编写。
第2章 介绍Python数据处理基础，重点介绍NumPy和Pandas的数据操作方法，包括NumPy的数值运算与Pandas的表格运算。
第3章 介绍Python数据可视化基础，重点对比介绍了matplotlib、Seaborn和plotnine的图形语法，以及数据可视化的颜色主题运用原理。
第4章 介绍类别比较型图表，包括柱形图系列、条形图系列、南丁格尔玫瑰图、径向柱图等图表。
第5章 介绍数据关系型图表，包括二维和三维散点图、气泡图、等高线图、三维曲面图、三元相图、二维和三维瀑布图、相关系数热力图等图表。
第6章 介绍数据分布型图表，包括一维、二维和三维的统计直方图和核密度估计图、抖动散点图、点阵图、箱形图、小提琴图等图表。
第7章 介绍时间序列型图表，包括折线图和面积图系列、日历图、量化波形图等图表。
第8章 介绍局部整体型图表，包括饼状图、马赛克图、华夫饼图、点状柱形图系列等图表。
第9章 介绍高维数据的可视化方法，包括分面图系列、矩阵散点图、热力图、平行坐标系图、RadViz图等图表。
第10章 介绍地理空间型图表，包括分级统计地图、点描法地图、带气泡/柱形的地图、等位地图、线型地图、三维柱形地图等不同的地图图表。
第11章 介绍数据可视化的各种应用场景，包括商业图表、学术图表、HTML网页动画等的规范与制作。
应用范围
本书的图表绘制方法都是基于Python的matplotlib、Seaborn、plotnine、Basemap等包实现的，几乎适应于所有常见的二维和三维图表。本书以虚拟的地图数据为例讲解不同的地理空间型图表，读者需将绘图方法应用到实际的地理空间型图表。
适用版本
本书所用Python版本为：3.7.1；图表绘制包matplotlib、Seaborn、plotnine、Basemap和GeoPandas的版本分别为：3.0.2、0.9.0、0.5.1、1.2.0和0.4.1；数据处理包NumPy和Pandas的版本分别为：1.15.4和0.23.4。
Python作为免费的开源软件，数据分析与可视化的包更新迭代很快，这是它的优势。但是有时候有些代码运行可能会由于Python及其包的版本的更新，而出现函数弃用（deprecated）的情况。此时，需要自己更新代码，使用新的函数替代原有的函数。
源代码
本书配有几乎所有图表的Python源文件及其CSV或TXT格式的数据源文件。但是需要注意的是，如果运行的Python版本没有安装相应的数据分析与可视化的包（package），那么请预先安装相应的包，才能成功运行代码。同时，也请注意运行Python及其包的版本是否已经更新。本书配套源代码下载的GitHub网址：https：//github.com/Easy-Shu/Beautiful-Visualization-with-python。
与作者联系
因笔者知识与能力所限，书中纰漏之处在所难免，欢迎并恳请读者朋友们给予批评与指正，可以通过邮箱联系笔者。如果读者有关于学术图表或商业图表绘制的问题，可以与笔者交流。另外，更多关于图表绘制的教程请关注笔者的博客、专栏和微博平台，也可以重点关注微信公众号：EasyShu，还可以添加笔者微信：EasyCharts。笔者的数据分析与可视化的文章会优先发表在微信公众号平台。邮 箱：easycharts@qq.com博 客：https：//github.com/Easy-Shu/EasyShu-WeChat知乎专栏：https：//zhuanlan.zhihu.com/EasyShu（知乎账号：张杰）
致谢
自从2019年10月出版《R语言数据可视化之美：专业图表绘制指南（增强版）》，很多读者问笔者能不能出一本Python版的数据可视化教程。写书真的呕心沥血，但是在撰写过程中能系统地总结所学的知识，可以查漏补缺，也是受益匪浅。《R语言数据可视化之美：专业图表绘制指南》这本书在2017年5月断断续续写了1年半多，到2019年5月才出版。后来又花了3个多月增加了3章图表内容，增强版才出版。
所谓“大道相通”，不同软件的数据可视化原理都是相通的。《Python 数据可视化之美：专业图表绘制指南》这本书就是对照着R语言那本书“翻译”而成的。所以亲爱的读者请不必诧异于笔者现在这么快又出版Python的数据可视化图书了。
在这里，首先要感谢读者，感谢你们对笔者的支持与包容。也非常感谢笔者的大学好友金伟（现为腾讯高级研究员）引导笔者入门 Python，还要感谢香港理工大学的姚鹏鹏博士、清华大学的赵建树博士笔者在学习Python时给予的帮助。最后，笔者觉得还应该感谢的就是自己。蓦然回首，4年弹指一挥间，从大学毕业到香港做学术研究这几年，经历过很多次的失望，也差点患上抑郁症，感谢自己有一颗积极、阳光、乐观的心，终于守得云开见月明，如笔者所愿能坚持做自己喜欢的事情。
小时候，读到课本里普希金的一段话：“假如生活欺骗了你，不要悲伤，不要心急！忧郁的日子里须要镇静：相信吧，快乐的日子将会来临。”到现在才明白这确实是一条生活的“潜规则”。月有阴晴圆缺，人有悲欢离合。人不仅有趋利避害、喜甜厌苦的本能反应，还有趋欢避悲、求乐脱苦的本能调节。所以，悲伤的日子后面就是快乐的日子。
亲爱的读者，也希望你能快乐地阅读本书！作者2019年12月5日其他
读者服务
微信扫码回复：38370
● 获取书中图表的Python源文件及其CSV或TXT数据源文件
● 获取博文视点学院20元付费内容抵扣券。
● 获取免费增值资源。
● 加入读者交流群，与本书作者互动。（本书正文中链接1～链接23请见www.broadview.com.cn/38370）第1章 Python编程基础1.1 Python基础知识1.1.1 Python3.7的安装
使用Anaconda可以直接组合安装Python、Jupyter Notebook和Spyder。Anaconda是一个开源的Python发行版本，用于进行大规模的数据处理、预测分析、科学计算，致力于简化包的管理和部署。
读者可以通过搜索Anaconda，找到Anaconda官网，并下载。
需要注意的是：我们要根据电脑的系统（Windows、macOS 和 Linux）选择对应的 Python 版本。对于Windows系统，还需要根据系统的位数选择32位或64位。另外，笔者推荐使用Python 3.7版本。
Jupyter Notebook：Jupyter Notebook是基于网页的用于交互计算的应用程序。其可被应用于全过程计算：开发、文档编写、运行代码和展示结果。Jupyter Notebook是以网页形式打开的程序，可以在网页页面中直接编写代码和运行代码，代码的运行结果也会直接在代码块下显示。如在编程过程中需要编写说明文档，则可在同一个页面中直接编写，便于进行及时的说明和解释（见图1-1-1）。图1-1-1 Jupyter Notebook的运行界面
Spyder：Spyder是Python（x，y）的作者为它开发的一个简单的集成开发环境。和其他的Python开发环境相比，它最大的优点就是可以模仿MATLAB的“工作空间”功能，可以很方便地观察和修改数组的值。Spyder 的界面由许多窗格构成，用户可以根据自己的喜好调整它们的位置和大小。当多个窗格出现在同一个区域时，将使用标签页的形式显示。例如在图1-1-2中，可以看到Editor、Object inspector、Variable explorer、File explorer、Console、History log以及两个显示图像的窗格。在View菜单中可以设置是否显示这些窗格。图1-1-2 Spyder运行界面1.1.2 包的安装与使用
在计算机程序的开发过程中，随着程序代码越写越多，在一个文件里的代码就会越来越长，越来越不容易维护。为了编写可维护的代码，我们把很多函数分组，分别放到不同的文件里，这样，每个文件包含的代码就相对较少，很多编程语言都采用这种组织代码的方式。在Python中，一个.py文件就称之为一个模块（module）。模块的名字就是该文件的名字（不包含后缀）。使用模块不仅可以大大提高代码的可维护性，而且编写代码也不必从零开始。
为了避免模块名冲突，Python 又引入了按目录来组织模块的方法，称为包（package）。一个包就是一个文件夹（Python 2规定该文件夹必须包含一个__init__.py文件，Python 3没有要求），包名就是文件夹名。包的安装可以直接打开Anaconda 3文件夹中的Anaconda Prompt对话框，输入conda install<；package>；或者 pip install<；package>；，就可以安装对应的包。也可以使用 conda uninstall<；package>；和pip uninstall<；package>；卸载对应的包。模块和包的导入与使用方法没有本质区别。我们在使用这些包前，需要提前将这些包导入，使用 import 语句可以导入4种不同的对象类型。
Python 借助外在的包和模块可以实现网络爬虫、数据分析与可视化、机器学习和深度学习等诸多功能（见图1-1-3）。其中，常用于数据分析处理与机器学习的包如下。
● NumPy、Pandas、DASK和Numba包可用于分析数据的可拓展性与性能；
● SciPy、StatsModel和scikit-learn可用于数据的处理与分析；
● matplotlib、Seaborn、plotnine、Bokeh、Datashader和HoloViews包可实现数据结果的可视化；
● scikit-learn、PyTorch、TensorFlow和theano包可构造并训练机器学习与深度学习模型。图1-1-3 常用的Python包1.1.3 Python基础操作
1.Python注释
注释的目的是让阅读人员能够轻松读懂每一行代码的意义，同时也为后期代码的维护提供便利。在Python中，单行注释是以＃号开头的。而Python的多行注释是由两个三引号（'''）包含起来的。
2.Python的行与缩进
与 R、C++等语言相比，Python 最具特色的就是使用缩进表示代码块，而不需要使用大括号。缩进的空格数是可变的，但是同一个代码块的语句必须包含相同的缩进空格数。需要特别注意的是：不一致的代码块缩进会导致代码运行错误。
3.变量与对象
Python中的任何数值、字符串、数据结构、函数、类、模块等都是对象。每个对象都有标识符、类型（type）和值（value）。几乎所有的对象都有方法与属性，都可以通过“对象名.方法（参数1，参数2，…，参数n）”或者“对象名.属性”的方式访问该对象的内部数据结构。需要注意的是：对象之间的赋值并不是复制。
复制是指复制对象与原始对象不是同一个对象，原始对象发生任何变化都不会影响复制对象的变化，可以分为浅复制（copy）和深复制（deepcopy）。浅复制是复制了对象，但对于对象中的元素，依然使用原始的引用，即只复制指向对象的指针，并不复制对象本身。深复制是指完全地复制一个对象的所有元素及其子元素，可以理解为直接复制整个对象到另一块内存中。1.2 6种常用数据结构
Python最常用的数据结构有6种：数字、字符串、列表、元组、字典和集合。其中最为常用的是数字、字符串、列表和字典。（1）数字（number）：用于储存数值。Python 3支持4种类型的数字：int（整数类型）、float（浮点类型）、bool（布尔类型）、complex（复数类型）。我们可以使用type（）函数查看数据类型；（2）字符串（string）：由数值、字母、下画线组成的一串字符，可以使用单引号（'）、双引号（＂）和三引号（'''）指定字符串，使用“+”号可以连接两个字符串；（3）列表（list）：一维序列，变长，其内容可以进行修改，用“[]”标识；（4）元组（tuple）：一维序列，定长、不可变，其内容不能修改，用“（）”标识；（5）字典（dict）：最重要的内置结构之一，大小可变的键值对集，其中键（key）和值（value）都是Python对象，用“{}”指定，可以使用大括号“{}”创建空字典；（6）集合（set）：由唯一元素组成的无序集，可以看成是只有键没有值的字典，可以使用大括号“{}”或者set（）函数创建集合。一个空集合必须使用set（）函数创建。1.2.1 列表
列表（list）是任意对象的有序集合，使用“[]”标识，元素之间使用逗号隔开。列表中的元素既可以是数字或字符串，也可以是列表。每个列表中的元素都是从0开始计算的。列表方式可以通过“列表对象.列表方法（参数）”的方式调用。主要方法如下所示：1.2.2 字典
字典是一种可变的容器模型，且可以存储任意类型的对象，用“{}”标识。字典是一个无序的键（key）和值（value）对的集合。格式如下：
dc={key1：value1，key2：value2} 或者 dc=dict（key1=value1，key2=value2）
键必须是唯一的，但值则不必。值可以取任何数据类型，但键必须是不可变的，如字符串、数字或元组。示例如下所示：1.2.3 元组
元组与列表类似，不同之处在于元组的元素不能修改。元组使用小括号，列表使用方括号。元组的创建方式很简单，只需要在括号中添加元素，并使用逗号隔开即可。示例如下所示：1.3 控制语句与函数编写1.3.1 控制语句
Python 语句与 R、C++语言类似，其控制流语句同样包括条件、顺序和循环等。我们可以利用这些语句控制数据分析的流向。与其他语言不同的是，控制流语句是以“：”和缩进来识别与运行代码块的（见表1-3-1）。
我们最常见的就是if条件语句。条件语句可以使程序按照一定的表达式或条件，实现不同的操作或执行顺序跳转的功能。其条件最基本的检查包括等于（=）、小于（<；）、小于或等于（<；=）、大于（>；）、大于或等于（>；=）和不等于（！=）。在Python中可以将产生一个值的if…else语句写到一行或一个表达式（三元表达式）中，以下为两种不同形式的三元表达式：
for循环可以对任何有序的序列对象（如字符串、列表、元组、字典等）或迭代器做循环和迭代处理。其中，range（）函数可以产生一组间隔相等的整数序列，可以指定起始值、终止值与步长，常用于for循环。
while循环可以对任何对象进行循环处理，只要条件不为false或者循环没有被终止（break），其代码块就一直不断地执行。如果while循环中有else语句，则else语句会在循环正常结束之后执行。
在for和while循环中，用户还可以使用特定的语句对循环进行中止（continue）、终止（break）等控制。常用的有如下两种。
● break：结束或终止循环；
● continue：中止当前循环，调到下一次循环的开始。表1-3-1 控制语句
推导式（comprehensions）是一种将for循环、if表达式以及复制语句放到单一语句中产生序列的方法，主要有列表推导式、集合推导式、字典推导式等。其中列表推导式只需要一条表达式就能非常简洁地构造一个新列表，其基本形式如下：
● [执行语句 for value in 集合] ＃使用执行语句生产列表
● [执行语句 for value in 集合 if 条件] ＃根据一定条件生产列表
例如：1.3.2 函数编写
函数（function）是Python中最重要，也是最主要的代码组织与重复使用的方法。Python本身内置许多函数，如 range（）函数，也可以通过导入包或者模块的方法调用函数，另外也可以灵活地自定义函数。默认情况下，实参与形参是按函数声明中定义的顺序匹配的。调用函数时可以使用的正式参数类型主要有必备参数、命名参数、缺省参数、不定参数等。其中，必备参数要以正确的顺序把参数传递给函数，调用时的数量必须和声明时的一样；命名参数以参数的命名来确定传递的参数值，可以跳过不传的参数或乱序传递参数。
匿名函数（lambda）仅由单条语句组成，该语句执行的结果就是返回值。其省略了用def定义函数的标准步骤，没有名称属性。其一般形式如表1-3-2所示。
lambda函数能接收任何数量的参数，但是只能返回一个表达式的数值，不能同时包含命令或者多个表达式。调用函数时不占用栈内存，从而增加运行效率。
内置函数是Python内置的一系列常用函数，无须导入包或者模块即可直接使用（见表1-3-2）。Python有3个常用的内置函数，可以实现序列的遍历与处理，提高数据分析的效率，如filter（）、map（）和reduce（）函数。filter（）函数的功能相当于滤波器，调用一个布尔函数遍历序列中的每个元素，返回一个能够使布尔函数数值为ture的元素的序列。map（）函数可以指定函数作用于给定序列的每个元素，并用一个列表来提供返回值。reduce（）函数作为参数的 func函数为二元函数，将 func函数作用于序列的元素，连续将现有结果和下一个元素作用在随后的结构上，最后将简化的序列作为一个单一返回值（注意：Python 3已经移除reduce（）函数，放入functools模块：from functools import reduce）。表1-3-2 Python函数的常用方法第2章 数据处理基础2.1 NumPy：数值运算
NumPy是Numerical Python的简称，是高性能计算和数据分析的基础包。ndarray是NumPy的核心功能，其含义为n-dimensional array，即多维数组。数组与列表之间的主要区别为：数组是同类的，即数组的所有元素必须具有相同的类型；相反，列表可以包含任意类型的元素。使用NumPy的函数可以快速创建数组，远比使用基本库的函数节省运算时间。NumPy在使用前需要导入，约定俗成的导入方法为：2.1.1 数组的创建
数组（ndarray）由实际数据和描述这些数据的元素组成，可以使用*.shape查看数组的形状，使用*.dim查看数组的维数。而向量（vector）即一维数组，也是最常用的数组之一。通过NumPy的函数创建一维向量与二维数组常用的方法如表2-1-1所示。数组可由列表构造，也可以通过*.tolist方法转换列表。表2-1-1 数组array的创建
NumPy支持的数据类型有：bool（布尔）、int8（-128～127的整数）、int16、int32、int64、uint8（0～255的无符号整数）、uint16、uint32、uint64、float16（5位指数10位尾数的半精度浮点数）、float32、float64等。可以使用*.astype（）函数实现对数组数据类型的转换。2.1.2 数组的索引与变换
Python数组的索引与切片使用中括号“[]”选定下标来实现，同时采用“：”分割起始位置与间隔，用“，”表示不同维度，用“…”表示遍历剩下的维度（见表2-1-2）。使用reshape（）函数可以构造一个3行2列的二维数组：表2-1-2 数组的索引与变换
其中，NumPy的ravel（）和flatten（）函数所要实现的功能是一致的，都是将多维数组降为一维数组。两者的区别在于返回拷贝（copy）还是返回视图（view），numpy.flatten（）返回一份拷贝，对拷贝所做的修改不会影响原始矩阵，而numpy.ravel（）返回的是视图，会影响原始矩阵。
数组的排序也尤为重要。NumPy提供了多种排序函数，比如sort（直接返回排序后的数组）、argsot （返回数组排序后的下标）、lexsort（根据键值的字典序排序）、msort（沿着第一个轴排序）、sort_complex （对复数按照先实后虚的顺序排序）等。具体如表2-1-3所示。表2-1-3 数组的排序2.1.3 数组的组合
NumPy数组的组合可以分为：水平组合（hstack）、垂直组合（vstack）、深度组合（dstack）、列组合（colume_stack）、行组合（row_stack）等（见表 2-1-4）。其中，水平组合就是把所有参加组合的数组拼接起来，各数组行数应该相等，对于二维数组，列组合和水平组合的效果相同。垂直组合就是把所有组合的数据追加在一起，各数组列数应该一样，对于二维数组，行组合和垂直组合的效果一样。表2-1-4 数组的组合续表2.1.4 数组的统计函数
有时候，我们需要对数组进行简单的统计分析，包括数组的均值、中值、方差、标准差、最大值、最小值等。图2-1-1所示为3种不同数据分布的统计直方图分析：均值（红色实线）、中值（蓝色实线）、最大值（桔色圆圈）、最小值（绿色圆圈）。NumPy的简单统计函数如表2-1-5所示。示例数据：ary=np.arange（6），则数组ary为array（[0，1，2，3，4，5]）。图2-1-1 不同数据分布的统计直方图分析：均值、中值、最大值、最小值表2-1-5 简单统计函数续表2.2 Pandas：表格处理
Pandas提供了3种数据类型，分别是Series、DataFrame和Panel。其中，Series用于保存一维数据，DataFrame 用于保存二维数据，Panel 用于保存三维或者可变维数据，其提供的数据结构使得Python做数据处理变得非常快速与简单。平常的数据分析最常用的数据类型为Series和DataFrame，而Panel较少用到。在Python中调用Pandas往往使用如下约定俗成的方式：2.2.1 Series数据结构
Series本质上是一个含有索引的一维数组，看起来，其包含一个左侧可以自动生成（也可以手动指定）的index和右侧的values值，分别使用 s.index s.values 进行查看。index返回一个index对象，而values则返回一个array（见表2-2-1）。
Series就是一个带有索引的列表，为什么我们不使用字典呢？一个优势是，Series更快，其内部是向量化运行的，和迭代相比，使用Series可以获得显著的性能上的优势。表2-2-1 Series的创建与属性2.2.2 数据结构：DataFrame
DataFrame（数据框）类似于Excel电子表格，也与R语言中DataFrame的数据结构类似。创建类DataFrame实例对象的方式有很多，包括如下几种（见表2-2-2）。
● 使用list或者ndarray对象创建DataFrame：
试读结束[说明：试读内容隐藏了图片]