平行坐標(biāo)圖，一種數(shù)據(jù)可視化的方式。以多個(gè)垂直平行的坐標(biāo)軸表示多個(gè)維度，以維度上的刻度表示在該屬性上對(duì)應(yīng)值，相連而得的一個(gè)折線表示一個(gè)樣本，以不同顏色區(qū)分類別。
但是很可惜，才疏學(xué)淺，沒(méi)辦法在Python里實(shí)現(xiàn)不同顏色來(lái)區(qū)分不同的類別。如果對(duì)此比較在意的大神可以不要往下看了。。。。。。。。。
上圖是一個(gè)基于iris數(shù)據(jù)集所畫(huà)的一個(gè)平行坐標(biāo)圖。
隔開(kāi)隔開(kāi).......................................隔開(kāi)隔開(kāi)
不多扯了，下面正式上代碼
方法一、 基于pyecharts第三方包來(lái)實(shí)現(xiàn)
from pyecharts import Parallel
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
data = 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平行坐標(biāo)圖')
parallel.config(schema)
parallel.add('dasfd',data_1,is_random = True)
parallel
可惜，這樣子run出來(lái)的恰好結(jié)果就是上圖，沒(méi)辦法實(shí)現(xiàn)不同類別用不同顏色來(lái)區(qū)分。實(shí)在不得不說(shuō)是一個(gè)令人超級(jí)不爽的一個(gè)地方，勞資都想咋了電腦當(dāng)時(shí)，哈哈哈哈。。。
在這里多扯兩句啊，pyecharts這個(gè)包還真的是特么的好用啊，各種圖都能實(shí)現(xiàn)，感興趣的朋友不妨裝個(gè)來(lái)耍耍
方法二、基于pandas來(lái)實(shí)現(xiàn)
what？pandas？這把絕世好劍不是用來(lái)處理一些數(shù)據(jù)的嗎？什么時(shí)候還具有畫(huà)圖的功能了，lz你沒(méi)貓餅吧？
說(shuō)實(shí)話，lz當(dāng)時(shí)也沒(méi)想到pandas能用來(lái)畫(huà)圖，而且是畫(huà)平行坐標(biāo)圖。下面就是代碼了：
import matplotlib.pyplot as plt
import pandas as pd
from pandas.tools.plotting import parallel_coordinates
data = 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，就可以得到下圖了
不難看出，這張圖是具有了不同顏色，但是每個(gè)坐標(biāo)軸的刻度都是0-8啊，lz希望的是每個(gè)軸獨(dú)立的啊?????????
以上就是我探討在Python里如何實(shí)現(xiàn)平行坐標(biāo)圖所得到的一些結(jié)果吧。兩種方式都沒(méi)辦法很完美的實(shí)現(xiàn)我們的需求（軸獨(dú)立、顏色區(qū)別）。正所謂活到老，學(xué)到老。各位大神如果有可以實(shí)現(xiàn)的方式，可以教教小弟，小弟不勝感激！
雖然lz沒(méi)辦法在Python里畫(huà)出滿意的平行坐標(biāo)圖，但是最后也用Echarts實(shí)現(xiàn)了一下（哈哈，有時(shí)候沒(méi)辦法了，不妨試試換個(gè)工具）
順道附上代碼吧，不然擔(dān)心被人畫(huà)小圈圈
// 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: '平行坐標(biāo)',
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，快點(diǎn)點(diǎn)贊啊，不然我胖虎用小拳拳錘死在座的各位，記住是全部。。。。。
以上這篇Python實(shí)現(xiàn)平行坐標(biāo)圖的兩種方法小結(jié)就是小編分享給大家的全部?jī)?nèi)容了，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號(hào)聯(lián)系： 360901061
您的支持是博主寫(xiě)作最大的動(dòng)力，如果您喜歡我的文章，感覺(jué)我的文章對(duì)您有幫助，請(qǐng)用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點(diǎn)擊下面給點(diǎn)支持吧，站長(zhǎng)非常感激您！手機(jī)微信長(zhǎng)按不能支付解決辦法：請(qǐng)將微信支付二維碼保存到相冊(cè)，切換到微信，然后點(diǎn)擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對(duì)您有幫助就好】元
