Python实现平行坐标图的绘制(plotly)方式

概述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

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

import matplotlib.pyplot as pltimport pandas as pdimport seaborn as snsfrom pandas.plotting import parallel_coordinatesdata = 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jupyter notebook中进行绘图。

首先熟悉一下plotly的绘图方式：

import plotly as pyimport plotly.graph_obJs as gopy.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,tickvals = [1.5,3,4.5],label = 'B',values = [3,1.5]),dict(range = [1,tickvals = [1,2,4,label = 'C',values = [2,4],ticktext = ['text 1','text 2','text 3','text 4']),label = 'D',values = [4,2])  ]) )],"layout": go.Layout(title="My first parallel coordinates")})

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,label = 'Sepal Length',values = df['sepal_length']),6],label = 'Sepal WIDth',values = df['sepal_wIDth']),dict(range = [0,label = 'Petal Length',values = df['petal_length']),label = 'Petal WIDth',values = df['petal_wIDth'])  ]) )],"layout": go.Layout(Title='Iris parallel coordinates plot')})

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我们。

总结

以上是内存溢出为你收集整理的Python实现平行坐标图的绘制(plotly)方式全部内容，希望文章能够帮你解决Python实现平行坐标图的绘制(plotly)方式所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。