R语言的ggplot2绘图能力超强，python虽有matplotlib，但是语法臃肿，使用复杂，入门极难，seaborn的出现稍微改善了matplotlib代码量问题，但是定制化程度依然需要借助matplotlib，使用难度依然很大。

而且咱们经管专业学编程语言，一直有一个经久不衰的问题-“学数据分析，到底选择R还是Python”。通过plotnine这个库，你就可以在python世界中体验下R语言的新奇感，体验可视化之美，如果着迷上瘾，再学R也不迟。

plotnine包，可以实现绝大多数ggplot2的绘图功能，两者语法十分相似，R和Python的语法转换成本大大降低。

plotnine文档 https://plotnine.readthedocs.io/en/latest/
R语言ggplot2文档 https://ggplot2.tidyverse.org/reference/index.html

安装

1pip install plotnine  
2

准备数据

1from plotnine.data import mpg  
2  
3#dataframe  
4mpg.head()  
5

|
| manufacturer | model | displ | year | cyl | trans | drv | cty | hwy | fl | class | | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | --- | | 0 | audi | a4 | 1.8 | 1999 | 4 | auto(l5) | f | 18 | 29 | p | compact | | 1 | audi | a4 | 1.8 | 1999 | 4 | manual(m5) | f | 21 | 29 | p | compact | | 2 | audi | a4 | 2.0 | 2008 | 4 | manual(m6) | f | 20 | 31 | p | compact | | 3 | audi | a4 | 2.0 | 2008 | 4 | auto(av) | f | 21 | 30 | p | compact | | 4 | audi | a4 | 2.8 | 1999 | 6 | auto(l5) | f | 16 | 26 | p | compact |

快速作图qplot

我们先直接看最简单好用的快速作图函数qplot(x, y, data)

横坐标displ
纵坐标cty
数据mpg

1from plotnine import qplot  
2  
3qplot(x='displ',   
4      y='cty',  
5      data=mpg)  
6

1`<ggplot: (322851325)>  
2`

ggplot图层

qplot是快速作图函数，如果想让图更好看，进行私人订制，那么我们需要进行图层设计

首先设置ggplot图层（相当于买了一个高级画布），

数据mpg
横坐标x轴为displ
纵坐标y轴cty

在plotnine中，变量所对应的数据均可通过字段名调用

1from plotnine import ggplot, geom_point, aes  
2  
3ggplot(aes(x='displ', y='cty'), mpg)  
4

1`<ggplot: (321957793)>  
2`

图层叠加

我们可以看到，已经绘制出一个空的ggplot图层，x轴为displ，y轴为cty。

接下来我们给这个图层上加上数据对应的散点，使用geom_point()直接追加在ggplot图层之上即可。

1(  
2    ggplot(aes(x='displ', y='cty'), mpg)  
3    + geom_point()  
4)  
5

1`<ggplot: (322466061)>  
2`

color

在上图中，散点是没有区分每辆车的气缸数cyl。

在geom_point()中，我们可以按照气缸数cyl分门别类，按照颜色显示出来

1(  
2    ggplot(aes(x='displ', y='cty'), mpg)  
3    + geom_point(aes(color='cyl'))  
4)  
5

1`<ggplot: (323647173)>  
2`

上图挺好看的，有时候需要绘制的字段是离散型数值，但是上色后可能不够明显，需要声明该字段为离散型。这时候用factor()来告诉plotnine，这个字段是离散型数值

1(  
2    ggplot(aes(x='displ', y='cty'), mpg)  
3    + geom_point(aes(color='factor(cyl)'))   
4)  
5

`<ggplot: (321918425)>`

size

有时候为了增加可视化显示的维度数，还可以考虑加入点的大小size

1(  
2    ggplot(aes(x='displ', y='cty'), mpg)  
3    + geom_point(aes(size='hwy'))  
4)  
5

<ggplot: (323399013)>

梯度色

如果你想自己设置颜色的梯度，可以通过scale_color_gradient设置

1from plotnine import scale_color_gradient  
2  
3(  
4    ggplot(aes(x='displ', y='cty'), mpg)  
5    + geom_point(aes(color='hwy'))  
6    + scale_color_gradient(low='blue', high='red')  
7)  
8  
9

1<ggplot: (323622897)>  
2

条形图

plotnine中可绘制的图有很多，刚刚已经讲了散点图，接下来我们看看plotnine中的条形图。

首先准备一下数据

1import pandas as pd  
2  
3df = pd.DataFrame({  
4    'variable': ['gender', 'gender', 'age', 'age', 'age', 'income', 'income', 'income', 'income'],  
5    'category': ['Female', 'Male', '1-24', '25-54', '55+', 'Lo', 'Lo-Med', 'Med', 'High'],  
6    'value': [60, 40, 50, 30, 20, 10, 25, 25, 40],  
7})  
8df['variable'] = pd.Categorical(df['variable'], categories=['gender', 'age', 'income'])  
9df['category'] = pd.Categorical(df['category'], categories=df['category'])  
10  
11df  
12

|
| variable | category | value | | --- | --- | --- | --- | | 0 | gender | Female | 60 | | 1 | gender | Male | 40 | | 2 | age | 1-24 | 50 | | 3 | age | 25-54 | 30 | | 4 | age | 55+ | 20 | | 5 | income | Lo | 10 | | 6 | income | Lo-Med | 25 | | 7 | income | Med | 25 | | 8 | income | High | 40 |

1from plotnine import ggplot, aes, geom_text, position_dodge, geom_point  
2  
3#调整文本位置  
4dodge_text = position_dodge(width=0.9)                              # new  
5  
6(  
7    ggplot(df, aes(x='variable',   
8                   y='value',   
9                   fill='category')) #类别填充颜色  
10    + geom_col(position='dodge',   
11               show_legend=False)   # modified  
12    + geom_text(aes(y=-.5, label='category'),                          # new  
13                position=dodge_text,  
14                color='gray',  #文本颜色  
15                size=8,   #字号  
16                angle=30, #文本的角度  
17                va='top')  
18      
19 + lims(y=(-5, 60))                                                 # new  
20)  
21

1<ggplot: (334727813)>  
2

1from plotnine.data import economics_long  
2  
3economics_long.head()  
4

|
| date | variable | value | value01 | | --- | --- | --- | --- | --- | | 0 | 1967-07-01 | pce | 507.4 | 0.000000 | | 1 | 1967-08-01 | pce | 510.5 | 0.000266 | | 2 | 1967-09-01 | pce | 516.3 | 0.000764 | | 3 | 1967-10-01 | pce | 512.9 | 0.000472 | | 4 | 1967-11-01 | pce | 518.1 | 0.000918 |

1from plotnine import ggplot, aes, geom_line  
2  
3(  
4    ggplot(economics_long, aes(x='date', y='value01', color='variable'))  
5    + geom_line()  
6)  
7

1<ggplot: (334895445)>  
2

plotnine目前已经支持绝大多数ggplot2，但是文档方面没有ggplot2全，所以学习plotnine时可以参考ggplot2。

plotnine文档 https://plotnine.readthedocs.io/en/latest/
R语言ggplot2文档 https://ggplot2.tidyverse.org/reference/index.html

公众号后台回复关键词【plotnine入门】即可下载本文数据代码!

-------------------********************************** End **********-------------**-----********-**********************************

往期精彩文章推荐：

欢迎各位大佬点击链接加入群聊【helloworld开发者社区】：https://jq.qq.com/?_wv=1027&k=mBlk6nzX进群交流IT技术热点。

本文转自 https://mp.weixin.qq.com/s/4wA4Jv_wog0fbKqeupoBEw，如有侵权，请联系删除。

plotnine: Python版的ggplot2作图库

安装