Python实现平行坐标图的两种方式
平行坐标图，一种数据可视化的方式。以多个垂直平行的坐标轴表示多个维度，以维度上的刻度表示在该属性上对应值，相连而得的一个折线表示一个样本，以不同颜色区分类别。
但是很可惜，才疏学浅，没办法在Python里实现不同颜色来区分不同的类别。如果对此比较在意的大神可以不要往下看了。。。。。。。。。
上图是一个基于iris数据集所画的一个平行坐标图。
隔开隔开.........................................................................................................................................................................................................隔开隔开
不多扯了，下面正式上代码
方法一、基于pyecharts第三方包来实现
from pyecharts import Parallel
import matplotlib.pyplot as plt
import pandas as pd
import numpy as npdata = pd.read_csv('iris.csv')
data_1 = np.array(data[['Sepal_length', 'Sepal_width', 'Petal_length', 'Petal_width']]).tolist()schema = ['Sepal_length', 'Sepal_width', 'Petal_length', 'Petal_width']parallel = Parallel('iris平行坐标图')
parallel.config(schema)
parallel.add('dasfd',data_1,is_random = True)
parallel可惜，这样子run出来的恰好结果就是上图，没办法实现不同类别用不同颜色来区分。实在不得不说是一个令人超级不爽的一个地方，劳资都想咋了电脑当时，哈哈哈哈。。。
在这里多扯两句啊，pyecharts这个包还真的是特么的好用啊，各种图都能实现，感兴趣的朋友不妨装个来耍耍
方法二、基于pandas来实现
what？pandas？这把绝世好剑不是用来处理一些数据的吗？什么时候还具有画图的功能了，lz你没猫饼吧？
说实话，lz当时也没想到pandas能用来画图，而且是画平行坐标图。下面就是代码了：
import matplotlib.pyplot as plt
import pandas as pd
from pandas.tools.plotting import parallel_coordinatesdata = pd.read_csv('iris.csv')
data_1 =data[['Species','Sepal_length', 'Sepal_width', 'Petal_length', 'Petal_width']]parallel_coordinates(data_1,'Species')
plt.legend(loc='upper center', bbox_to_anchor=(0.5,-0.1),ncol=3,fancybox=True,shadow=True)
plt.show()run一下，就可以得到下图了
不难看出，这张图是具有了不同颜色，但是每个坐标轴的刻度都是0-8啊，lz希望的是每个轴独立的啊·········
以上就是我探讨在Python里如何实现平行坐标图所得到的一些结果吧。两种方式都没办法很完美的实现我们的需求（轴独立、颜色区别）。正所谓活到老，学到老。各位大神如果有可以实现的方式，可以教教小弟，小弟不胜感激！
虽然lz没办法在Python里画出满意的平行坐标图，但是最后也用Echarts实现了一下（哈哈，有时候没办法了，不妨试试换个工具）
顺道附上代码吧，不然担心被人画小圈圈诅咒
// Schema:
// date,AQIindex,PM2.5,PM10,CO,NO2,SO2
var data1 = [[5.1, 3.5, 1.4, 0.2], [4.9, 3.0, 1.4, 0.2], [4.7, 3.2, 1.3, 0.2], [4.6, 3.1, 1.5, 0.2], [5.0, 3.6, 1.4, 0.2], [5.4, 3.9, 1.7, 0.4], [4.6, 3.4, 1.4, 0.3], [5.0, 3.4, 1.5, 0.2], [4.4, 2.9, 1.4, 0.2], [4.9, 3.1, 1.5, 0.1], [5.4, 3.7, 1.5, 0.2], [4.8, 3.4, 1.6, 0.2], [4.8, 3.0, 1.4, 0.1], [4.3, 3.0, 1.1, 0.1], [5.8, 4.0, 1.2, 0.2], [5.7, 4.4, 1.5, 0.4], [5.4, 3.9, 1.3, 0.4], [5.1, 3.5, 1.4, 0.3], [5.7, 3.8, 1.7, 0.3], [5.1, 3.8, 1.5, 0.3], [5.4, 3.4, 1.7, 0.2], [5.1, 3.7, 1.5, 0.4], [4.6, 3.6, 1.0, 0.2], [5.1, 3.3, 1.7, 0.5], [4.8, 3.4, 1.9, 0.2], [5.0, 3.0, 1.6, 0.2], [5.0, 3.4, 1.6, 0.4], [5.2, 3.5, 1.5, 0.2], [5.2, 3.4, 1.4, 0.2], [4.7, 3.2, 1.6, 0.2], [4.8, 3.1, 1.6, 0.2], [5.4, 3.4, 1.5, 0.4], [5.2, 4.1, 1.5, 0.1], [5.5, 4.2, 1.4, 0.2], [4.9, 3.1, 1.5, 0.1], [5.0, 3.2, 1.2, 0.2], [5.5, 3.5, 1.3, 0.2], [4.9, 3.1, 1.5, 0.1], [4.4, 3.0, 1.3, 0.2], [5.1, 3.4, 1.5, 0.2], [5.0, 3.5, 1.3, 0.3], [4.5, 2.3, 1.3, 0.3], [4.4, 3.2, 1.3, 0.2], [5.0, 3.5, 1.6, 0.6], [5.1, 3.8, 1.9, 0.4], [4.8, 3.0, 1.4, 0.3], [5.1, 3.8, 1.6, 0.2], [4.6, 3.2, 1.4, 0.2], [5.3, 3.7, 1.5, 0.2], [5.0, 3.3, 1.4, 0.2]
];
var data2 = [[7.0, 3.2, 4.7, 1.4], [6.4, 3.2, 4.5, 1.5], [6.9, 3.1, 4.9, 1.5], [5.5, 2.3, 4.0, 1.3], [6.5, 2.8, 4.6, 1.5], [5.7, 2.8, 4.5, 1.3], [6.3, 3.3, 4.7, 1.6], [4.9, 2.4, 3.3, 1.0], [6.6, 2.9, 4.6, 1.3], [5.2, 2.7, 3.9, 1.4], [5.0, 2.0, 3.5, 1.0], [5.9, 3.0, 4.2, 1.5], [6.0, 2.2, 4.0, 1.0], [6.1, 2.9, 4.7, 1.4], [5.6, 2.9, 3.6, 1.3], [6.7, 3.1, 4.4, 1.4], [5.6, 3.0, 4.5, 1.5], [5.8, 2.7, 4.1, 1.0], [6.2, 2.2, 4.5, 1.5], [5.6, 2.5, 3.9, 1.1], [5.9, 3.2, 4.8, 1.8], [6.1, 2.8, 4.0, 1.3], [6.3, 2.5, 4.9, 1.5], [6.1, 2.8, 4.7, 1.2], [6.4, 2.9, 4.3, 1.3], [6.6, 3.0, 4.4, 1.4], [6.8, 2.8, 4.8, 1.4], [6.7, 3.0, 5.0, 1.7], [6.0, 2.9, 4.5, 1.5], [5.7, 2.6, 3.5, 1.0], [5.5, 2.4, 3.8, 1.1], [5.5, 2.4, 3.7, 1.0], [5.8, 2.7, 3.9, 1.2], [6.0, 2.7, 5.1, 1.6], [5.4, 3.0, 4.5, 1.5], [6.0, 3.4, 4.5, 1.6], [6.7, 3.1, 4.7, 1.5], [6.3, 2.3, 4.4, 1.3], [5.6, 3.0, 4.1, 1.3], [5.5, 2.5, 4.0, 1.3], [5.5, 2.6, 4.4, 1.2], [6.1, 3.0, 4.6, 1.4], [5.8, 2.6, 4.0, 1.2], [5.0, 2.3, 3.3, 1.0], [5.6, 2.7, 4.2, 1.3], [5.7, 3.0, 4.2, 1.2], [5.7, 2.9, 4.2, 1.3], [6.2, 2.9, 4.3, 1.3], [5.1, 2.5, 3.0, 1.1], [5.7, 2.8, 4.1, 1.3]
];
var data3 = [[6.3, 3.3, 6.0, 2.5], [5.8, 2.7, 5.1, 1.9], [7.1, 3.0, 5.9, 2.1], [6.3, 2.9, 5.6, 1.8], [6.5, 3.0, 5.8, 2.2], [7.6, 3.0, 6.6, 2.1], [4.9, 2.5, 4.5, 1.7], [7.3, 2.9, 6.3, 1.8], [6.7, 2.5, 5.8, 1.8], [7.2, 3.6, 6.1, 2.5], [6.5, 3.2, 5.1, 2.0], [6.4, 2.7, 5.3, 1.9], [6.8, 3.0, 5.5, 2.1], [5.7, 2.5, 5.0, 2.0], [5.8, 2.8, 5.1, 2.4], [6.4, 3.2, 5.3, 2.3], [6.5, 3.0, 5.5, 1.8], [7.7, 3.8, 6.7, 2.2], [7.7, 2.6, 6.9, 2.3], [6.0, 2.2, 5.0, 1.5], [6.9, 3.2, 5.7, 2.3], [5.6, 2.8, 4.9, 2.0], [7.7, 2.8, 6.7, 2.0], [6.3, 2.7, 4.9, 1.8], [6.7, 3.3, 5.7, 2.1], [7.2, 3.2, 6.0, 1.8], [6.2, 2.8, 4.8, 1.8], [6.1, 3.0, 4.9, 1.8], [6.4, 2.8, 5.6, 2.1], [7.2, 3.0, 5.8, 1.6], [7.4, 2.8, 6.1, 1.9], [7.9, 3.8, 6.4, 2.0], [6.4, 2.8, 5.6, 2.2], [6.3, 2.8, 5.1, 1.5], [6.1, 2.6, 5.6, 1.4], [7.7, 3.0, 6.1, 2.3], [6.3, 3.4, 5.6, 2.4], [6.4, 3.1, 5.5, 1.8], [6.0, 3.0, 4.8, 1.8], [6.9, 3.1, 5.4, 2.1], [6.7, 3.1, 5.6, 2.4], [6.9, 3.1, 5.1, 2.3], [5.8, 2.7, 5.1, 1.9], [6.8, 3.2, 5.9, 2.3], [6.7, 3.3, 5.7, 2.5], [6.7, 3.0, 5.2, 2.3], [6.3, 2.5, 5.0, 1.9], [6.5, 3.0, 5.2, 2.0], [6.2, 3.4, 5.4, 2.3], [5.9, 3.0, 5.1, 1.8]
];
var schema = [{name: 'Sepal_length', index: 0, text: 'Sepal_length'},{name: 'Sepal_width', index: 1, text: 'Sepal_width'},{name: 'Petal_length', index: 2, text: 'Petal_length'},{name: 'Petal_width', index: 3, text: 'Petal_width'},
];var lineStyle = {normal: {width: 1,opacity: 0.5}
};option = {legend: {top: 0,data:['Iris-setosa','Iris-versicolor','Iris-virginica'],itemGap: 10},parallelAxis: [{dim: 0, name: schema[0].text},{dim: 1, name: schema[1].text},{dim: 2, name: schema[2].text},],parallel: {left: '5%',right: '13%',bottom: '10%',top: '15%',parallelAxisDefault: {type: 'value',name: '平行坐标',nameLocation: 'end',nameGap: 20,nameTextStyle: {fontSize: 12}}},series: [{name: 'Iris-setosa',type: 'parallel',lineStyle: lineStyle,data: data1},{name: 'Iris-versicolor',type: 'parallel',lineStyle: lineStyle,data: data2},{name: 'Iris-virginica',type: 'parallel',lineStyle: lineStyle,data: data3},]
};打完收工，各位小兄dei，快点点赞啊，不然我胖虎用小拳拳锤死在座的各位，记住是全部。。。。。
Python实现平行坐标图的两种方式相关推荐
- Python实现图片裁剪的两种方式——Pillow和OpenCV
在这篇文章里我们聊一下Python实现图片裁剪的两种方式,一种利用了Pillow,还有一种利用了OpenCV.两种方式都需要简单的几行代码,这可能也就是现在Python那么流行的原因吧. 首先,我们有 ...
- django + python上传文件的两种方式
突然心血来潮,研究了下django+python上传文件的两种方式. 第一:直接采用文件读写的方式上传 1. settings.py文件中设置文件的存放路径和文件读取路径 MEDIA_ROOT = o ...
- python模块的导入的两种方式区别详解
Python 有两种导入模块的方法.两种都有用,你应该知道什么时候使用哪一种方法.一种方法,import module,另一种是from module import,下面是 from module i ...
- Python调用Jar包的两种方式
概览 因工作场景,需要在python代码里调用Jar包来实现一些功能,调研下来主要有两种方式: java -jar xx.jar JPype 环境配置 因为要在公司内网操作,所以需要通过离线方式进行安 ...
- python画平行坐标图_Python实现平行坐标图的两种方法小结
怎么用python实现一个坐标图的平移和缩放最容易想到的应该是DP算法,即取初始轨迹的起点A和终点B连线,计算每个点到这条线的距离,距离最大的点C若小于要分享误差则结束: 否则将C点加入压缩后的数据集 ...
- JavaScript+HTML+CSS 无缝滚动轮播图的两种方式
第一种方式 在轮播图最后添加第一张,一张重复的图片. 点击前一张,到了第一张,将父级oList移动到最后一张(也就是添加的重复的第一张),在进行后续动画. 点击下一张,到了最后一张(也就是添加的重复的 ...
- python表单提交的两种方式_Flask框架学习笔记之表单基础介绍与表单提交方式
本文实例讲述了Flask框架学习笔记之表单基础介绍与表单提交方式.分享给大家供大家参考,具体如下: 表单介绍 表单是HTML页面中负责数据采集功能的部件.由表单标签,表单域和表单按钮组成.通过表单,将 ...
- python处理文乱码的两种方式
最近在写爬虫项目,遇到出现中文乱码的问题,汇总一下总共两种处理方式 这样与那样的乱码很头疼,但是以下方法基本可以解决 python处理中文乱码的问题: 方式一:将要处理的乱码对象设置 encoding ...
- Python导入模块(包)的两种方式 TypeError: 'module' object is not callable
Python编程时明明在开始处import了相关包,但是调用函数时就报错如下: TypeError: 'module' object is not callable Python中有两种导入包(模块, ...
最新文章
- 请与计算机管理员联系,电脑的限制被取消，请与管理员联系 解决方案
- LeetCode Remove Duplicates from Sorted List II
- java自增自减很难理解_关于java中自增，自减，和拓展运算符的小讨论
- Javascript 思维导图
- centos升级gcc
- TreeMap方法源码
- shiro 方法级别细粒度权限控制_Shiro的认证和权限控制
- Eclipse ,Ant编译 jbpm.war包
- 电芯容量在前期循环中容量增加_了解移动电源聚合物电芯，这篇文章就够了
- can接收进入两次中断_STM32的CAN2口无法进入接收中断
- python绘制小狗_用Python画一只有点方的小狗狗——turtle库基础入门
- 创建一个超链接，点击这个超链接，显示数据库中的数据信息：MVC模式查询
- JAVA上传文件 DiskFileUpload组件
- 批处理一键创建局域网共享文件夹或文件共享轻松访问Win系统其他电脑的共享文件命令行（纯bat代码）实用便携~
- 快速对二叉树和前中后序遍历的相互转化
- Fiddler抓包没有网！
- 后缀–ize_动词后加ize的后缀有什么作用
- 阿里云对象存储OSS简介和使用
- Tupper自我指涉公式：图象里竟然包含式子本身
- Python制作酷炫的动画效果