让你的可视化更高效

用 Python 提升数据可视化

Nick Strayer

Instructor

什么是高效？

  • 降低理解故事的成本
  • 重新组织图表以保持焦点
  • 提高"墨水"与信息比
  • 不牺牲信息传达

混乱折线多步简化为直线

用 Python 提升数据可视化

左侧为一份报告含三个独立图，箭头指向右侧将同三图组合到报告顶部

用 Python 提升数据可视化
# Create a subplot w/ one row & two columns.
f, (ax1, ax2) = plt.subplots(1, 2)

# Pass each axes to respective plot
sns.lineplot('month', 'NO2', 'year', ax=ax1, data=pol_by_month)

sns.barplot('year', 'count', ax=ax2, data=obs_by_year)

左为不同年份的污染折线图，右为各年份观测数柱状图

用 Python 提升数据可视化

清理不必要的图例

左为不同年份的污染折线图，右为各年份观测数柱状图，并指出柱状图可作折线图图例

用 Python 提升数据可视化
sns.lineplot('month', 'NO2', 'year', ax=ax1, data=pol_by_month, palette='RdBu',)

sns.barplot('year', 'count', 'year', ax=ax2, data=obs_by_year,
            palette='RdBu', dodge=False)

# Remove legends for both plots
ax1.legend_.remove()
ax2.legend_.remove()

左为污染折线图，右为观测数柱状图；柱状图颜色充当折线图图例

用 Python 提升数据可视化

Passons à la pratique !

用 Python 提升数据可视化

Preparing Video For Download...