Python实现平行坐标图的绘制(plotly)方式
平行坐标图简介
当数据的维度超过三维时，此时数据的可视化就变得不再那么简单。为解决高维数据的可视化问题，我们可以使用平行坐标图。以下关于平行坐标图的解释引自百度百科：为了克服传统的笛卡尔直角坐标系容易耗尽空间、难以表达三维以上数据的问题，平行坐标图将高维数据的各个变量用一系列相互平行的坐标轴表示，变量值对应轴上位置。为了反映变化趋势和各个变量间相互关系，往往将描述不同变量的各点连接成折线。所以平行坐标图的实质是将m维欧式空间的一个点Xi(xi1,xi2,...,xim)映射到二维平面上的一条曲线。在N条平行的线的背景下，（一般这N条线都竖直且等距），一个在高维空间的点可以被表示为一条拐点在N条平行坐标轴的折线，在第K个坐标轴上的位置就表示这个点在第K个维的值。
绘制平行坐标图
本文主要介绍两种利用Python绘制平行坐标图的方法，分别是利用pandas包绘制和利用plotly包绘制(默认已安装pandas包和plotly包)。
利用pandas实现平行坐标图的绘制
importmatplotlib.pyplotasplt
importpandasaspd
importseabornassns
frompandas.plottingimportparallel_coordinates
data=sns.load_dataset('iris')
fig,axes=plt.subplots()
parallel_coordinates(data,'species',ax=axes)
fig.savefig('parallel.png')
绘制的平行坐标图如下所示：
从上图可以看到x轴上变量共用一个y坐标轴，此时因sepal_length、sepal_width、petal_length以及petal_width这四个变量的值得范围相近，利用这种方式作出的共用y轴的平行坐标图有着很好的可视化效果；但假如sepal_length、sepal_width、petal_length以及petal_width这些变量的值的范围相差较大时，这种共用y轴的平行坐标图就不再适用，此时我们需要的是y轴独立的平行坐标图。下面介绍的另一种方法实现的就是y轴独立的平行坐标图。
利用plotly实现平行坐标图的绘制
plotly绘图有两种模式，一种是online模式，另一种是offline模式。本文使用的是offline模式，且是在jupyternotebook中进行绘图。
首先熟悉一下plotly的绘图方式：
importplotlyaspy
importplotly.graph_objsasgo
py.offline.init_notebook_mode(connected=True)#初始化设置
py.offline.iplot({
"data":[go.Parcoords(
line=dict(color='blue'),
dimensions=list([
dict(range=[1,5],
constraintrange=[1,2],
label='A',values=[1,4]),
dict(range=[1.5,5],
tickvals=[1.5,3,4.5],
label='B',values=[3,1.5]),
dict(range=[1,5],
tickvals=[1,2,4,5],
label='C',values=[2,4],
ticktext=['text1','text2','text3','text4']),
dict(range=[1,5],
label='D',values=[4,2])
])
)],
"layout":go.Layout(title="Myfirstparallelcoordinates")
})
绘制图形如下所示：
绘制鸢尾花数据的平行坐标图：
df=sns.load_dataset('iris')
df['species_id']=df['species'].map({'setosa':1,'versicolor':2,'virginica':3})#用于颜色映射
py.offline.iplot({
"data":[go.Parcoords(
line=dict(color=df['species_id'],
colorscale=[[0,'#D7C16B'],[0.5,'#23D8C3'],[1,'#F3F10F']]),
dimensions=list([
dict(range=[2,8],
constraintrange=[4,8],
label='SepalLength',values=df['sepal_length']),
dict(range=[1,6],
label='SepalWidth',values=df['sepal_width']),
dict(range=[0,8],
label='PetalLength',values=df['petal_length']),
dict(range=[0,4],
label='PetalWidth',values=df['petal_width'])
])
)],
"layout":go.Layout(title='Irisparallelcoordinatesplot')
})
绘制的图形如下所示：
注：关于plotly.offline.iplot、go.Parcoords以及go.Layout的用法可以利用help关键字查看相关帮助文档，与pyecharts不同，plotly提供的帮助文档非常详细。
以上这篇Python实现平行坐标图的绘制(plotly)方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。
声明：本文内容来源于网络，版权归原作者所有，内容由互联网用户自发贡献自行上传，本网站不拥有所有权，未作人工编辑处理，也不承担相关法律责任。如果您发现有涉嫌版权的内容，欢迎发送邮件至：czq8825#qq.com（发邮件时，请将#更换为@）进行举报，并提供相关证据，一经查实，本站将立刻删除涉嫌侵权内容。