Matplotlib 中的平行坐标

在数据可视化中，平行坐标图是一种常用的多变量可视化工具，它可以同时展示多个相互作用的维度。Matplotlib 提供了一个方便的模块 matplotlib.pyplot.parallel_coordinates() 来创建平行坐标图，让我们快速地将高维数据转化为可视化的图表。

基本用法

matplotlib.pyplot.parallel_coordinates() 的基本用法如下：

import matplotlib.pyplot as plt
from pandas.plotting import parallel_coordinates
import pandas as pd

# 加载数据
iris = pd.read_csv('https://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data', header=None)

# 绘制平行坐标图
plt.figure()
parallel_coordinates(iris, 4, color=['#556270', '#4ECDC4', '#C7F464'])
plt.show()

上面的代码中，我们使用了 Python 中的数据分析库 Pandas 来加载鸢尾花数据集，并使用 parallel_coordinates() 函数绘制了平行坐标图。其中 iris 为数据集的对象，第二个参数 4 代表需要绘制第 4 列数据（即花的种类）。color 参数用来指定图表中每个组的颜色。

平行坐标图是一种很直观、易于理解的多维数据可视化方法，它可以很好地展示不同维度之间的关系和趋势，并且能够帮助我们发现隐藏在数据中的规律和趋势。

参数说明

matplotlib.pyplot.parallel_coordinates() 的主要参数说明如下：

• frame：包含数据的 DataFrame 或数组。
• class_column：分类标签所在的列数或列名。
• cols：要使用的列数或列名。默认使用所有列。
• ax：将图形绘制在该轴上。默认使用当前轴。
• color：每个类别的颜色。可以使用单个颜色值或一个包含颜色的列表。
• colormap：一个用于将类别映射到颜色的 Colormap 对象。
• alpha：线条透明度。
• linewidth：线条宽度。
• xticks：用于指定 x 轴刻度位置的列表（或者函数）。
• xlabel：x 轴标签。
• ylabel：y 轴标签。

示例

下面是另一个示例代码：

# 加载数据
df = pd.read_csv('https://raw.githubusercontent.com/resbaz/r-novice-gapminder-files/master/data/gapminder-FiveYearData.csv')

# 只保留 GDP、生存率、和出生率三列数据
data = df[['year', 'continent', 'gdpPercap', 'lifeExp', 'pop']]

# 绘制平行坐标图
plt.figure()
parallel_coordinates(data, 'continent')
plt.show()

以上代码中，我们使用 pd.read_csv() 加载了 gapminder 数据集，并选取了三个关键列进行可视化。'continent' 参数用来指定分类标签所在的列名。

结语

平行坐标图是一种优雅、具有实用价值的多维数据可视化方法，Matplotlib 的 parallel_coordinates() 函数提供了便捷的工具来实现平行坐标图的绘制，为数据分析带来了诸多便利。