python绘制直方图数据

“如何在Python中绘制图？” 过去有一个简单的答案：Matplotlib是唯一的方法。 如今，Python是的语言，并且还有更多选择。 你应该用什么？

Matplotlib ， Seaborn ， Plotly和 Bokeh —还有几个很有 前途的考虑： Altair （具有表现力的API）和 Pygal （具有出色的SVG输出）。 我还将看一下 pandas提供的非常方便的绘图API。

对于每个库，我都提供了源代码片段，以及使用的完整的基于Web的示例， 是我们的平台，仅使用Python即可构建Web应用程序。 让我们来看看。

样例

每个库采用略有不同的方法来绘制数据。 为了进行比较，我将对每个库进行相同的绘制并向您显示源代码。 对于我的示例数据，我选择了自1966年以来的英国大选结果分组条形图：

我从Wikipedia收集了的 ：从1966年至2019年，每次选举中保守党，工党和自由党在英国议会中赢得的席位（广义定义），加上“其他”获得的席位”。 您可以 。

Matplotlib

是最古老的Python绘图库，现在仍然是最受欢迎的库。 它创建于2003年，是 （类似于开源科学计算库）的一部分。

Matplotlib使您可以精确控制绘图-例如，您可以定义绘图栏中每个条形的单独x位置。 这是绘制此图的代码（您可以在运行）：

         
     import matplotlib.      
     pyplot      
     as plt     
              
     import numpy      
     as np     
              
     from votes      
     import wide      
     as df     
          
              
     # Initialise a figure. subplots() with no args gives one plot.      
         fig      
     , ax      
     = plt.      
     subplots      
     (      
     )      
          
              
     # A little data preparation      
         years      
     = df      
     [      
     'year'      
     ]      
         x      
     = np.      
     arange      
     (      
     len      
     ( years      
     )      
     )      
          
              
     # Plot each bar plot. Note: manually calculating the 'dodges' of the bars      
         ax.      
     bar      
     ( x -      
     3 *width/      
     2      
     , df      
     [      
     'conservative'      
     ]      
     , width      
     , label      
     =      
     'Conservative'      
     , color      
     =      
     '#0343df'      
     )      
         ax.      
     bar      
     ( x - width/      
     2      
     , df      
     [      
     'labour'      
     ]      
     , width      
     , label      
     =      
     'Labour'      
     , color      
     =      
     '#e50000'      
     )      
         ax.      
     bar      
     ( x + width/      
     2      
     , df      
     [      
     'liberal'      
     ]      
     , width      
     , label      
     =      
     'Liberal'      
     , color      
     =      
     '#ffff14'      
     )      
         ax.      
     bar      
     ( x +      
     3 *width/      
     2      
     , df      
     [      
     'others'      
     ]      
     , width      
     , label      
     =      
     'Others'      
     , color      
     =      
     '#929591'      
     )      
          
              
     # Customise some display properties      
         ax.      
     set_ylabel      
     (      
     'Seats'      
     )      
         ax.      
     set_title      
     (      
     'UK election results'      
     )      
         ax.      
     set_xticks      
     ( x      
     )         
     # This ensures we have one tick per year, otherwise we get fewer      
         ax.      
     set_xticklabels      
     ( years.      
     astype      
     (      
     str      
     ) .      
     values      
     , rotation      
     =      
     'vertical'      
     )      
         ax.      
     legend      
     (      
     )      
          
              
     # Ask Matplotlib to show the plot      
         plt.      
     show      
     (      
     )

这是Matplotlib中绘制的选举结果：

海生

是Matplotlib之上的抽象层。 它为您提供了一个真正简洁的界面，可以非常轻松地制作各种有用的绘图类型。

但是，它并不会影响功耗！ Seaborn提供了来访问底层的Matplotlib对象，因此您仍然拥有完全的控制权。

Seaborn的代码比原始Matplotlib（可运行）简单：

         
     import seaborn      
     as sns     
              
     from votes      
     import      
     long      
     as df     
          
              
     # Some boilerplate to initialise things      
         sns.      
     set      
     (      
     )      
         plt.      
     figure      
     (      
     )      
          
              
     # This is where the actual plot gets made      
         ax      
     = sns.      
     barplot      
     ( data      
     = df      
     , x      
     =      
     "year"      
     , y      
     =      
     "seats"      
     , hue      
     =      
     "party"      
     , palette      
     =      
     [      
     'blue'      
     ,      
     'red'      
     ,      
     'yellow'      
     ,      
     'grey'      
     ]      
     , saturation      
     =      
     0.6      
     )      
          
              
     # Customise some display properties      
         ax.      
     set_title      
     (      
     'UK election results'      
     )      
         ax.      
     grid      
     ( color      
     =      
     '#cccccc'      
     )      
         ax.      
     set_ylabel      
     (      
     'Seats'      
     )      
         ax.      
     set_xlabel      
     (      
     None      
     )      
         ax.      
     set_xticklabels      
     ( df      
     [      
     "year"      
     ] .      
     unique      
     (      
     ) .      
     astype      
     (      
     str      
     )      
     , rotation      
     =      
     'vertical'      
     )      
          
              
     # Ask Matplotlib to show it      
         plt.      
     show      
     (      
     )

并生成此图：

密谋

是一个包含Python绘图库的绘图生态系统。 它具有三个不同的接口：

• 面向对象的界面
• 命令式界面，使您可以使用类似JSON的数据结构来指定绘图
• 与Seaborn类似的高级界面称为Plotly Express

情节图旨在嵌入Web应用程序中。 本质上，Plotly实际上是一个JavaScript库！ 它使用和绘制图。

您可以通过将JSON传递给JavaScript库来以其他语言构建Plotly库。 官方的Python和R库就是这样做的。 在Anvil，我们移植了Python Plotly API以 。

这是Plotly中的源代码（可以在运行）：

         
     import plotly.      
     graph_objects      
     as go     
              
     from votes      
     import wide      
     as df     
          
              
     #  Get a convenient list of x-values      
         years      
     = df      
     [      
     'year'      
     ]      
         x      
     =      
     list      
     (      
     range      
     (      
     len      
     ( years      
     )      
     )      
     )      
          
              
     # Specify the plots      
         bar_plots      
     =      
     [      
             go.      
     Bar      
     ( x      
     = x      
     , y      
     = df      
     [      
     'conservative'      
     ]      
     , name      
     =      
     'Conservative'      
     , marker      
     = go.      
     bar .      
     Marker      
     ( color      
     =      
     '#0343df'      
     )      
     )      
     ,      
             go.      
     Bar      
     ( x      
     = x      
     , y      
     = df      
     [      
     'labour'      
     ]      
     , name      
     =      
     'Labour'      
     , marker      
     = go.      
     bar .      
     Marker      
     ( color      
     =      
     '#e50000'      
     )      
     )      
     ,      
             go.      
     Bar      
     ( x      
     = x      
     , y      
     = df      
     [      
     'liberal'      
     ]      
     , name      
     =      
     'Liberal'      
     , marker      
     = go.      
     bar .      
     Marker      
     ( color      
     =      
     '#ffff14'      
     )      
     )      
     ,      
             go.      
     Bar      
     ( x      
     = x      
     , y      
     = df      
     [      
     'others'      
     ]      
     , name      
     =      
     'Others'      
     , marker      
     = go.      
     bar .      
     Marker      
     ( color      
     =      
     '#929591'      
     )      
     )      
     ,      
              
     ]      
          
              
     # Customise some display properties      
         layout      
     = go.      
     Layout      
     (      
             title      
     = go.      
     layout .      
     Title      
     ( text      
     =      
     "Election results"      
     , x      
     =      
     0.5      
     )      
     ,      
             yaxis_title      
     =      
     "Seats"      
     ,      
             xaxis_tickmode      
     =      
     "array"      
     ,      
             xaxis_tickvals      
     =      
     list      
     (      
     range      
     (      
     27      
     )      
     )      
     ,      
             xaxis_ticktext      
     =      
     tuple      
     ( df      
     [      
     'year'      
     ] .      
     values      
     )      
     ,      
              
     )      
          
              
     # Make the multi-bar plot      
         fig      
     = go.      
     Figure      
     ( data      
     = bar_plots      
     , layout      
     = layout      
     )      
          
              
     # Tell Plotly to render it      
         fig.      
     show      
     (      
     )

选举结果图：

散景

（发音为“ BOE-kay”）专门从事构建交互式地块，因此，此标准示例并未充分发挥其作用。 与Plotly一样，Bokeh的地块旨在嵌入到Web应用程序中。 它将其图输出为HTML文件。

这是Bokeh中的代码（您可以在运行）

         
     from bokeh.      
     io      
     import show      
     , output_file     
              
     from bokeh.      
     models      
     import ColumnDataSource      
     , FactorRange      
     , HoverTool     
              
     from bokeh.      
     plotting      
     import figure     
              
     from bokeh.      
     transform      
     import factor_cmap     
              
     from votes      
     import      
     long      
     as df     
          
              
     # Specify a file to write the plot to      
         output_file      
     (      
     "elections.html"      
     )      
          
              
     # Tuples of groups (year, party)      
         x      
     =      
     [      
     (      
     str      
     ( r      
     [      
     1      
     ]      
     [      
     'year'      
     ]      
     )      
     , r      
     [      
     1      
     ]      
     [      
     'party'      
     ]      
     )      
     for r      
     in df.      
     iterrows      
     (      
     )      
     ]      
         y      
     = df      
     [      
     'seats'      
     ]      
          
              
     # Bokeh wraps your data in its own objects to support interactivity      
         source      
     = ColumnDataSource      
     ( data      
     =      
     dict      
     ( x      
     = x      
     , y      
     = y      
     )      
     )      
          
              
     # Create a colourmap      
         cmap      
     =      
     {
            
                  
     'Conservative' :      
     '#0343df'      
     ,      
                  
     'Labour' :      
     '#e50000'      
     ,      
                  
     'Liberal' :      
     '#ffff14'      
     ,      
                  
     'Others' :      
     '#929591'      
     ,      
              
     }      
         fill_color      
     = factor_cmap      
     (      
     'x'      
     , palette      
     =      
     list      
     ( cmap.      
     values      
     (      
     )      
     )      
     , factors      
     =      
     list      
     ( cmap.      
     keys      
     (      
     )      
     )      
     , start      
     =      
     1      
     , end      
     =      
     2      
     )      
          
              
     # Make the plot      
         p      
     = figure      
     ( x_range      
     = FactorRange      
     ( *x      
     )      
     , width      
     =      
     1200      
     , title      
     =      
     "Election results"      
     )      
         p.      
     vbar      
     ( x      
     =      
     'x'      
     , top      
     =      
     'y'      
     , width      
     =      
     0.9      
     , source      
     = source      
     , fill_color      
     = fill_color      
     , line_color      
     = fill_color      
     )      
          
              
     # Customise some display properties      
         p.      
     y_range .      
     start      
     =      
     0      
         p.      
     x_range .      
     range_padding      
     =      
     0.1      
         p.      
     yaxis .      
     axis_label      
     =      
     'Seats'      
         p.      
     xaxis .      
     major_label_orientation      
     =      
     1      
         p.      
     xgrid .      
     grid_line_color      
     =      
     None

和剧情：

牵牛星

基于称为的说明性绘图语言（或“可视化语法”）。 这意味着它是一种经过深思熟虑的API，可以很好地缩放复杂图，从而避免您陷入嵌套循环地狱中。

与Bokeh一样，Altair将其图输出为HTML文件。 这是代码（您可以在运行）：

         
     import altair      
     as alt     
              
     from votes      
     import      
     long      
     as df     
          
              
     # Set up the colourmap      
         cmap      
     =      
     {
            
                  
     'Conservative' :      
     '#0343df'      
     ,      
                  
     'Labour' :      
     '#e50000'      
     ,      
                  
     'Liberal' :      
     '#ffff14'      
     ,      
                  
     'Others' :      
     '#929591'      
     ,      
              
     }      
          
              
     # Cast years to strings      
         df      
     [      
     'year'      
     ]      
     = df      
     [      
     'year'      
     ] .      
     astype      
     (      
     str      
     )      
          
              
     # Here's where we make the plot      
         chart      
     = alt.      
     Chart      
     ( df      
     ) .      
     mark_bar      
     (      
     ) .      
     encode      
     (      
             x      
     = alt.      
     X      
     (      
     'party'      
     , title      
     =      
     None      
     )      
     ,      
             y      
     =      
     'seats'      
     ,      
             column      
     = alt.      
     Column      
     (      
     'year'      
     , sort      
     =      
     list      
     ( df      
     [      
     'year'      
     ]      
     )      
     , title      
     =      
     None      
     )      
     ,      
             color      
     = alt.      
     Color      
     (      
     'party'      
     , scale      
     = alt.      
     Scale      
     ( domain      
     =      
     list      
     ( cmap.      
     keys      
     (      
     )      
     )      
     ,      
     range      
     =      
     list      
     ( cmap.      
     values      
     (      
     )      
     )      
     )      
     )      
              
     )      
          
              
     # Save it as an HTML file.      
         chart.      
     save      
     (      
     'altair-elections.html'      
     )

以及结果图：

皮加尔

专注于视觉外观。 默认情况下，它会生成SVG图，因此您可以永久缩放它们或将其打印出来而不会变得像素化。 Pygal图还具有一些内置的良好交互功能，如果您希望将图嵌入Web应用程序，则Pygal会成为另一个被低估的候选对象。

源代码如下所示（您可以在运行）：

         
     import pygal     
              
     from pygal.      
     style      
     import Style     
              
     from votes      
     import wide      
     as df     
          
              
     # Define the style      
         custom_style      
     = Style      
     (      
             colors      
     =      
     (      
     '#0343df'      
     ,      
     '#e50000'      
     ,      
     '#ffff14'      
     ,      
     '#929591'      
     )      
             font_family      
     =      
     'Roboto,Helvetica,Arial,sans-serif'      
     ,      
             background      
     =      
     'transparent'      
     ,      
             label_font_size      
     =      
     14      
     ,      
              
     )      
          
              
     # Set up the bar plot, ready for data      
         c      
     = pygal.      
     Bar      
     (      
             title      
     =      
     "UK Election Results"      
     ,      
             style      
     = custom_style      
     ,      
             y_title      
     =      
     'Seats'      
     ,      
             width      
     =      
     1200      
     ,      
             x_label_rotation      
     =      
     270      
     ,      
              
     )      
          
              
     # Add four data sets to the bar plot      
         c.      
     add      
     (      
     'Conservative'      
     , df      
     [      
     'conservative'      
     ]      
     )      
         c.      
     add      
     (      
     'Labour'      
     , df      
     [      
     'labour'      
     ]      
     )      
         c.      
     add      
     (      
     'Liberal'      
     , df      
     [      
     'liberal'      
     ]      
     )      
         c.      
     add      
     (      
     'Others'      
     , df      
     [      
     'others'      
     ]      
     )      
          
              
     # Define the X-labels      
         c.      
     x_labels      
     = df      
     [      
     'year'      
     ]      
          
              
     # Write this to an SVG file      
         c.      
     render_to_file      
     (      
     'pygal.svg'      
     )

和图表：

大熊猫

是一个非常流行的Python数据科学库。 它允许您按比例进行各种数据处理，但是它还具有方便的绘图API。 因为pandas示例直接在数据帧上运行，所以它是本文中最简洁的代码段，甚至比Seaborn代码还短！

熊猫API是Matplotlib的包装，因此您还可以使用底层Matplotlib API来获得对图的细粒度控制。

这是大熊猫的选举结果图。 代码简明扼要！

         
     from matplotlib.      
     colors      
     import ListedColormap     
              
     from votes      
     import wide      
     as df     
          
         cmap      
     = ListedColormap      
     (      
     [      
     '#0343df'      
     ,      
     '#e50000'      
     ,      
     '#ffff14'      
     ,      
     '#929591'      
     ]      
     )      
          
         ax      
     = df.      
     plot .      
     bar      
     ( x      
     =      
     'year'      
     , colormap      
     = cmap      
     )      
          
         ax.      
     set_xlabel      
     (      
     None      
     )      
         ax.      
     set_ylabel      
     (      
     'Seats'      
     )      
         ax.      
     set_title      
     (      
     'UK election results'      
     )      
          
         plt.      
     show      
     (      
     )

以及结果图：

要运行此示例，请在签出。

画出自己的路

Python提供了许多无需大量代码即可绘制相同数据的方法。 尽管您可以使用这些方法中的任何一种快速开始创建图表，但是它们确实需要一些本地配置。 如果需要， 可为Python开发提供基于Web的优美体验。 密谋快乐！

---

本文基于 Anvil博客上 ，并在获得许可的情况下重复使用。

翻译自:

python绘制直方图数据