Python 視覺化(3) matplotlib 進階繪圖

紀錄一些資源，為視覺化提供一點參考的靈感。並記錄如何用 matplotlib 繪製 Waffle Chart 。

Monday, July 15, 2024

沒有繪圖靈感時的資源

以下幾個網站可以提供一點靈感:

The Python Graph Gallery: 列出多種圖，和實際在海報上會看到的，很 fancy 的圖。透過現成的圖像得到靈感!
from Data to Viz:
- 提供一個決策樹，使用者可以根據手上的資料分析，例如: 一維/二維/多維數據? 是否需要排序?
- 提供 Case Study，例如: 公寓價格與地面居住面積就是來自 Kaggle 的 dataset.

前面兩者都還偏向圖庫加上快速分析，下面兩篇則針對商業上「說故事」與「畫哪種圖」一些簡單的引導。

Waffle Chart

matplotlib 畫一些基本的圖很方便，複雜的圖則依賴 seaborn 。但如果只有一兩種特別的圖，不想特別載新的模組，還是可以透過 matplotlib 達成。以 Waffle Chart 來說，可以用 plt.matshow 達成。在這篇 stackoverflow 有個範例，流程大致是

製作一個 np.array，每一格填入數字代表它的 class
plt.matshow 繪製
手動加 legend 說明每種 color 代表什麼類別。

我根據那篇留言的案例，再做了點變化而成下面的範例

改用 Numpy reshape 的方式得到 array
使用 ListedColormap 自訂 color map。
如果不想用既有的色盤，想針對每個類別給指定的顏色可以用 ListedColormap，但建議在 matshow 的時候要指定 vmin 與 vmax。vmin 應為資料中可能的的最小值，而 vmax 為可能的最大值。否則 matshow 在取色的時候，會以「當前資料的最小與最大值」作為上下界取色，如果每筆資料的最大最小值都不同，則相同數值取到的顏色會不一樣。
在這個例子中，我讓 0 為補空格 (如果資料不能被 10 整除，則需要補齊 array )，1~3 才是真正的類別，因此應該這樣給:
```
ax.matshow(arr2d, cmap=colormap, vmin=0, vmax=3)
```

完整範例

waffle_chart_example

import matplotlib.pyplot as plt
import matplotlib.patches as mpatches
import matplotlib.colors as color 
import numpy as np 
from sklearn import datasets

wine = datasets.load_wine()
target = wine.target
names = wine.target_names
cls_data = {
    names[0] : (target==0).sum(),
    names[1] : (target==1).sum(),
    names[2] : (target==2).sum(),
}

def waffle_plot(cls_data, ax, colormap=plt.cm.coolwarm, base_hight=10 ):
    base_hight = 10
    legends = []
    i = 0 # None 
    targets = []
    for i, (k, v) in enumerate(cls_data.items()):
        targets.append(np.ones(v)*(i+1))
        color_val = colormap(float(i+1)/len(cls_data))
        legends.append(mpatches.Patch(color=color_val, label=k))
    arr = np.concatenate(targets)

    if len(arr) % base_hight != 0:
        width = len(arr) // base_hight + 1 
    total = base_hight * width 
    arr2d = np.concatenate([arr, np.zeros(total - len(arr))]).reshape(base_hight, -1)

    ax.matshow(arr2d, cmap=colormap, vmin=0, vmax=3)
    height, width = arr2d.shape

    # Minor ticks
    ax.set_xticks(np.arange(-.5, (width), 1), minor=True)
    ax.set_yticks(np.arange(-.5, (height), 1), minor=True)

    # Gridlines based on minor ticks
    ax.grid(which='minor', color='white', linestyle='-', linewidth=2)
    
    
    # Add the legend. Still a bit of work to do here, to perfect centering.
    ax.legend(handles=legends, loc=1, ncol=len(legends),
               bbox_to_anchor=(0., -0.1, 0.95, .10))

    ax.set_frame_on(False)
    ax.set_xticks([])
    ax.set_yticks([])
    return 

fig = plt.figure(figsize=(12, 6), dpi=80, layout="constrained")
axes = fig.subplots(1, 2).reshape(-1)

waffle_plot(cls_data, axes[0])
axes[0].set_title("coolwarm")

cmap = color.ListedColormap(colors=["white", "lime", "pink", "cyan"])
waffle_plot(cls_data, axes[1], colormap=cmap)
axes[1].set_title("ListedColormap")

fig.savefig("test.png")
plt.show()

其他

還有 API 太難記了，這也有 matplotlib 的 Cheat Sheets