基于Python實現交互式數據可視化的工具

該項目的學生背景多元，并且他們在上這門課前都對R和Python有了很深入的理解。通過各種課程的學習，他們已經能夠熟練使用ggplot2和matplotlib，為學習大型多變量數據可視化打下了基礎。

作為一個數據可視化的研究者，我想要介紹所有那些在數據可視化領域涌現的絕妙技術。因此，我的課程的其中一部分將會是基于研究論文，在線可視化和d3示例的講座。

Python中的數據可視化

現在大部分的數據可視化研究都是通過D3進行的。遺憾的是，我只有短短8周跟學生相處的時間，所以我只能專注于講授理論和實踐相結合的內容來幫助他們成為數據科學家。雖然學生樂于使用可視化技術探索并解釋問題，但他們中的大多數對于使用D3創建美麗的自定義可視化不太感興趣。根據之前教授這門課的教授反饋來看，在這么短的時間內教授D3是不可能的。

鑒于我自己對Python的熱愛和Python給學生帶來的舒適體驗，我決定向他們介紹Python中神奇的（我希望是的?。┸浖?，它們可以實現所有我向學生展示的內容。

Seaborn的靜態可視化

鑒于我過去使用seaborn的經驗，我很高興能夠向學生介紹seaborn產生的美麗的可視化圖案。 他們已經有了使用matplotlib的經驗，所以學習seaborn時很容易，且優勢巨大。 學生能夠制作散點圖（雙變量和多變量），swarmplots，小提琴圖，條形圖，箱形圖和帶有刻面的直方圖。他們了解到，使用大型數據集生成swarmplots非常耗時，而基于摘要的圖（如小提琴圖）是更好的選擇。

Seaborn中的可視化技術示例

用Bokeh或Plot.ly實現交互式可視化

雖然seaborn能夠產生美麗的可視化圖形，但它們都是靜態的。我希望學生體驗使用交互技術（如梳理，過濾，縮放和懸停）的好處。為此，我介紹了可視化庫Bokeh和Plot.ly，利用它們可以輕松實現交互式數據可視化。對于時間序列可視化分配，學生可以選擇使用Bokeh或plot.ly來實現多線圖(multi line charts)，熱圖(heatmaps)，動畫氣泡圖(animated bubble charts)等。

使用plot.ly創建的可視化示例

Bokeh中的交互式可視化

可視化樹，圖和網絡

在討論分層數據可視化的技術時，我很高興地展示樹狀圖可視化技術，并將其與節點鏈接圖進行了比較。遺憾的是，當我深入挖掘時，卻沒有找到實現多級樹狀圖的方法L即使在導入了squarify庫之后，你也只能在Python中生成一個一級樹狀圖！

使用squarify包只能生成一級樹圖

精彩的networkx軟件包可以被用來分析圖形和網絡。 然而，網絡可視化只能通過matplotlib或igraph或plotly來實現（請參閱使用plotly實現網絡可視化的教程）。igraph有許多不同的選項可以幫助用戶嘗試配置圖形，但是設置起來很不方便，因此許多學生在使用時遇到了問題。另一方面，plot.ly使用順暢，但在自定義網絡圖方面幾乎沒有選擇。

地學可視化

鑒于創建交互式映射圖是數據可視化的重要組成部分，我對于找到能夠創建等值區域圖(choropleth maps)，符號圖(symbol maps)，統計圖(cartograms)，交通圖(transit maps)甚至流向圖(flow maps)的軟件包更有信心。以下是我在Python中發現的地學可視化庫：

Plot.ly允許您創建等值區域圖和符號圖，但幾乎無法控制圖的創建過程。

geoplotlib是一個小巧好用的軟件包，它建立在pyglet上，但它有點不穩定，經常崩潰。它使用OpenStreetMap圖塊，甚至允許基于動畫的空間數據可視化。我很喜歡這個包，因為它里面有一些簡潔好用的示例。

geoplot看起來很完美，其中有一些很棒的例子，但是我和我們的學生都無法安裝它。鑒于我們大多數人都不使用conda，我們應該注意這個警告 - “請謹慎使用，因為這可能不適用于Windows，并且可能無法在OSX和Linux上運行?！?/p>

Cartopy和geopandas+matplotlib只生成靜態可視化，所有我還沒有嘗試過。

文本可視化

我們學習了很多關于各種文本可視化技術的知識，例如標簽云(tag clouds)（例如wordle），文檔散（docubursts），平行標簽云（parallel tag clouds），短語網絡(phrase nets)和單詞樹(word trees)，還介紹了主題探索和情感可視化技術。

不幸的是，除了word_cloud軟件包之外，對于想要在Python中實現單個文檔或大型文本集可視化的人來說，幾乎沒有其他選項。

Web的交互式數據可視化

當前，Bokeh和Plot.ly Dash是創建允許多視圖刷選和過濾的交互式儀表盤的主要選擇。Bokeh的示例非常少，而Plot.ly Dash對慣于在Python中創建可視化的用戶來說則非常重要。

Plot.ly Dash是基于Flask，Plotly.js和React.js構建的，同時增加了創建同步多視點可視化的障礙。我班上的一些學生團隊使用Plot.ly Dash完成期末項目，但他們學得非?？?。以下鏈接中是一個關于Ryan Campa和Shikhar Gupta通過Dash實現TED演講數據集可視化的簡單案例。

Altar會是理想的選擇嗎？

隨著課程的進展，出現了一些關于Python 和Vega組合成為Altair的消息！我欣喜地得知我所使用的Vega來自UW Interactive Data Lab。Jim Vallandingam出色的“Altair簡介”教程是一個很好的起點。

Altair的主要開發人員Jake VanderPlas最近發布了他的Python筆記本和PyCon 2018視頻的鏈接。我從那以后一直在玩它，我非常喜歡它！數據科學家們希望探索他們的數據并創建可視化圖形來從內部和外部解釋它們。我希望它能滿足數據科學家的需求。

Altair示例庫中的交互式可視化示例集合

總結

數據科學家喜歡使用Python中的可視化庫和包，我希望像Altair這樣的工具就是最終的實現途徑。諸如plotly，seaborn，bokeh，geoplotlib等軟件包將繼續發展，并擁有更多功能。通過Python實現的交互式數據可視化（用于Web）將有一個更光明的未來，我們期待這一天！