4行代码！完成数据可视化分析

上期介绍了「GoPUP」这个数据获取神器，100+的免费数据接口。

本期就来给大家讲讲，有数据之后，我们该怎么去做可视化分析。

同样是大佬造的轮子「Lux」，只需4行代码就能可视化数据集。

A Python API for Intelligent Visual Discovery.

GitHub：https://github.com/lux-org/lux/

文档地址：https://lux-api.readthedocs.io/

在PyCharm上是无法使用的，只能是在jupyter notebook中用。

jupyter notebook的安装就不讲了，没有装的同学，可以自行百度～

首先要在conda默认的环境「base」中安装扩展包jupyter_contrib_nbextensions。

# 在conda中安装
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple jupyter_contrib_nbextensions
jupyter contrib nbextension install --user
# 启动jupyter notebook

安装成功后启动jupyter notebook，会发现多了一个Tab页，即Nbextensions(扩展插件)。

然后在conda的base环境中安装如下两个插件。

# 在conda中安装插件
jupyter nbextension install --py luxwidget
jupyter nbextension enable --py luxwidget

上图的左下角处就会有高亮出现，即插件安装成功。

如此我们就可以导入这个第三方库了。

用作者提供的数据来看一下。

import pandas as pd
import lux

# 使用作者提供的数据
df = pd.read_csv("college.csv")
df

在jupyter notebook中无需使用print()来显示信息，直接在最后一行加上变量名，就会打印结果，而且还是表格形式。

可以看到，左上角多了个按钮，可以切换Pandas结果展示和Lux结果展示。

点击按钮，得到下图。

Correlation、Distribution、Occurrence，一共是有3个Tab页。

Correlation意思是两个变量的相关性，从左到右12个图表，相关性逐渐减弱。

Distribution意思是单个变量(数值属性)的分布情况(直方图)，从左到右7个图表，偏斜由大变小。

Occurrence意思是单个变量(类别属性)的分布情况(条形图)，从左到右3个图表，不均匀度由高到小。

由于作者提供的数据都是英文的，不太方便看。

所以小F使用之前一篇文章的数据，5000个抖音大V数据。

4行Python代码读取数据，并对其进行可视化分析。

import pandas as pd
import lux

# 使用抖音数据
df = pd.read_csv("douyin.csv")
df

得到结果如下。

这里无需其他设置，中文自己就能显示出来。

其中喜欢数与粉丝数有着较强的相关性。这也不难理解，粉丝多，看视频的人也就多了。

这里由于是对数据进行均分(bins)划分，所以看不太出来分布情况。

至于是否可以自定义设置bins，小F目前也还不清楚～

分类数据的情况，这个功能很实用，自动就给你分组汇总计数，省去不少代码。

以上就是对数据的总览，下面我们可以对你所感兴趣的数据进行可视化分析。

import pandas as pd
import lux

# 使用抖音数据
df = pd.read_csv("douyin.csv")
# 对你感兴趣的数据进行可视化分析，这里以视频数为例
df.intent = ["视频数"]
df

以视频数数据为例，得到结果如下。

左侧图表是视频数的分布情况，右侧是视频数与其他变量的情况。

毕业院校与平均视频数的关系，应该是对毕业院校进行分组计数后，得出平均视频数。

同理，昵称也是一样的，只不过头部账号的昵称基本不会出现相同的，和毕业院校数据还是有所不同。

当然，我们还可以使用多个变量数据。

import pandas as pd
import lux

# 使用抖音数据
df = pd.read_csv("douyin.csv")
# 可以使用多个变量数据
df.intent = ["喜欢数", "分类"]
df

选择喜欢数、分类变量数据，得到结果如下。

左侧图表是分类和平均喜欢数的情况，右侧图表则是省市、昵称与平均喜欢数的关系。

可以看出，最后一张图和之前分析的图基本差不多，而且还多了一个维度(分类)。

对变量中的特定值再进一步分析。

import pandas as pd
import lux

# 使用抖音数据
df = pd.read_csv("douyin.csv")
# 对数据的子集再进行分析
df.intent = ["分类=美女"]
df

上面的代码会报错，小F也不知道是什么原因，猜测是中文的问题。

使用作者的例子就没啥问题～

以上是基于字符串的基本描述，作者还提供了一个高级的方法，可以自定义设置参数。

lux.Clause，可以设置感兴趣的变量值(attribute)、数据类型(data_type)、数据模型(data_model)、聚合方式(aggregation)等等。

下面就来举个 ? 

import pandas as pd
import lux

# 使用抖音数据
df = pd.read_csv("douyin.csv")
# 分析分类数据与喜欢数总和之间的关系
df.intent = ["分类",lux.Clause("喜欢数",aggregation="sum")]
df

分类数据与喜欢数总和之间的关系，得到结果如下。

这里通过设置lux.Clause中的aggregation参数，使得将横坐标改变为总数，而不是之前的平均数。

左侧图表与小F之前做的树形图类似，使用的数据一摸一样。

最后，再讲一下使用Vis和VisList创建可视化对象及集合。

from lux.vis.Vis import Vis
import pandas as pd
import lux

# 使用抖音数据
df = pd.read_csv("douyin.csv")
# 使用Vis进行分析
intent = ["喜欢数"]
vis = Vis(intent, df)
vis

得到结果如下。

不能自定义bins，确实是有点难受，Vis可设置参数如下。

上面是单个变量的分析，使用VisList可设置多个变量。

from lux.vis.Vis import Vis
import pandas as pd
import lux

# 使用抖音数据
df = pd.read_csv("douyin.csv")
# 使用VisList进行分析
vc = VisList(["分类",lux.Clause(['粉丝数','喜欢数','评论数','分享数'],aggregation="sum")],df)
vc

结合lux.Clause一起使用，得到结果如下。

VisList可设置参数如下图。

到此，本期分享就结束了。