快捷導(dǎo)航

Python實(shí)現(xiàn)平行坐標(biāo)圖的繪制(plotly)方式

更新時(shí)間：2019年11月22日 09:13:35 作者：Backcanhave7

今天小編就為大家分享一篇Python實(shí)現(xiàn)平行坐標(biāo)圖的繪制(plotly)方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧

平行坐標(biāo)圖簡(jiǎn)介

當(dāng)數(shù)據(jù)的維度超過三維時(shí)，此時(shí)數(shù)據(jù)的可視化就變得不再那么簡(jiǎn)單。為解決高維數(shù)據(jù)的可視化問題，我們可以使用平行坐標(biāo)圖。以下關(guān)于平行坐標(biāo)圖的解釋引自百度百科：為了克服傳統(tǒng)的笛卡爾直角坐標(biāo)系容易耗盡空間、難以表達(dá)三維以上數(shù)據(jù)的問題，平行坐標(biāo)圖將高維數(shù)據(jù)的各個(gè)變量用一系列相互平行的坐標(biāo)軸表示，變量值對(duì)應(yīng)軸上位置。為了反映變化趨勢(shì)和各個(gè)變量間相互關(guān)系，往往將描述不同變量的各點(diǎn)連接成折線。所以平行坐標(biāo)圖的實(shí)質(zhì)是將m維歐式空間的一個(gè)點(diǎn)Xi(xi1,xi2,...,xim) 映射到二維平面上的一條曲線。在N條平行的線的背景下，（一般這N條線都豎直且等距），一個(gè)在高維空間的點(diǎn)可以被表示為一條拐點(diǎn)在N條平行坐標(biāo)軸的折線，在第K個(gè)坐標(biāo)軸上的位置就表示這個(gè)點(diǎn)在第K個(gè)維的值。

繪制平行坐標(biāo)圖

本文主要介紹兩種利用Python繪制平行坐標(biāo)圖的方法，分別是利用pandas包繪制和利用plotly包繪制(默認(rèn)已安裝pandas包和plotly包)。

利用pandas實(shí)現(xiàn)平行坐標(biāo)圖的繪制

import matplotlib.pyplot as plt
import pandas as pd
import seaborn as sns
from pandas.plotting import parallel_coordinates
 
data = sns.load_dataset('iris')
 
fig,axes = plt.subplots()
parallel_coordinates(data,'species',ax=axes)
fig.savefig('parallel.png')

繪制的平行坐標(biāo)圖如下所示：

從上圖可以看到x軸上變量共用一個(gè)y坐標(biāo)軸，此時(shí)因sepal_length、sepal_width、petal_length以及petal_width這四個(gè)變量的值得范圍相近，利用這種方式作出的共用y軸的平行坐標(biāo)圖有著很好的可視化效果；但假如sepal_length、sepal_width、petal_length以及petal_width這些變量的值的范圍相差較大時(shí)，這種共用y軸的平行坐標(biāo)圖就不再適用，此時(shí)我們需要的是y軸獨(dú)立的平行坐標(biāo)圖。下面介紹的另一種方法實(shí)現(xiàn)的就是y軸獨(dú)立的平行坐標(biāo)圖。

利用plotly實(shí)現(xiàn)平行坐標(biāo)圖的繪制

plotly繪圖有兩種模式，一種是online模式，另一種是offline模式。本文使用的是offline模式，且是在jupyter notebook中進(jìn)行繪圖。

首先熟悉一下plotly的繪圖方式：

import plotly as py
import plotly.graph_objs as go
py.offline.init_notebook_mode(connected=True) # 初始化設(shè)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 = ['text 1', 'text 2', 'text 3', 'text 4']),
   dict(range = [1,5],
     label = 'D', values = [4,2])
  ])
 )],
 "layout": go.Layout(title="My first parallel coordinates")
})

繪制圖形如下所示：

繪制鳶尾花數(shù)據(jù)的平行坐標(biāo)圖：

df = sns.load_dataset('iris')
df['species_id'] = df['species'].map({'setosa':1,'versicolor':2,'virginica':3}) #用于顏色映射
 
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 = 'Sepal Length', values = df['sepal_length']),
   dict(range = [1,6],
    label = 'Sepal Width', values = df['sepal_width']),
   dict(range = [0,8],
    label = 'Petal Length', values = df['petal_length']),
   dict(range = [0,4],
    label = 'Petal Width', values = df['petal_width'])
  ])
 )],
 "layout": go.Layout(title='Iris parallel coordinates plot')
})

繪制的圖形如下所示：