本文用别出心裁的对比手法写成：「你需要做某事。你要怎么用 matplotlib，pandas，Seaborn，ggplot 或者 Altair 来实现呢？」通过这些不同的实现方式，我们就可以得出它们的优点，缺点，还有其他收获 —— 至少这么多代码说不定啥时候有用呢。

（警告：所有这一切都会以双幕剧的形式呈现）

首先，欢迎我们的朋友们 ² :

（在第一场，我们要处理的是整洁数据集 ts 。它有三列： dt （存日期）， value （存值）和 kind （有四个不同的 水平 ：A，B，C 和 D）。数据长这个样子：）

matplotlib: 哈！哈哈！不能再简单了。虽然我可以用很多复杂的方式搞定这个，不过我明白你们的笨脑子是无法理解其中的精妙的。所以我退而求其次给你们展示两个简单的方法。第一个方法，我循环使用你们虚构的矩阵，我相信你们这些人把它叫做「数据框」，取其子集传给相关的时间序列。然后调用 plot 方法，传入子集中的相关列。

# MATPLOTLIB
fig, ax = plt.subplots(1, 1,
                       figsize=(7.5, 5))
for k in ts.kind.unique():
    tmp = ts[ts.kind == k]
    ax.plot(tmp.dt, tmp.value, label=k)
ax.set(xlabel='Date',
       ylabel='Value',
       title='Random Timeseries')
ax.legend(loc=2)
fig.autofmt_xdate()复制代码

MPL : 然后我把它转换成数组（给 pandas 做手势），让他对「数据框」做轴向旋转（pivot），结果是这样的：

# the notion of a tidy dataframe matters not here
dfp = ts.pivot(index='dt', columns='kind', values='value')
dfp.head()复制代码

pandas: 结果看上去完全一样，所以我就不展示了。

Seaborn（抽着烟，调整着贝雷帽）： 唔。看上去区区一个折线图就让你们做了这么多数据处理。我是说，for 循环和轴向旋转？这不是九十年代的微软 Excel（译者注：pivot table 即 Excel 的数据透视表）。我在国外学到一个叫做 FacetGrid 的东西。你们大概从来没有听说过……

# SEABORN
g = sns.FacetGrid(ts, hue='kind', size=5, aspect=1.5)
g.map(plt.plot, 'dt', 'value').add_legend()
g.ax.set(xlabel='Date',
         ylabel='Value',
         title='Random Timeseries')
g.fig.autofmt_xdate()复制代码

SB: 看懂了吗？直接给 FacetGrid 传入未处理的整洁数据。在这里，将 kind 赋给 hue 参数的意思是绘出四条不同的线 —— 每条线对应 kind 的一个水平。而真正画出这四条线，得把 FacetGrid 映射到到庸俗的（ 示意 matplotlib ） plot 函数，再传入 x 和 y 参数。显然，这些东西得牢记，就像添加图例一样，但是也不会太难。好吧，对有些人来说没有什么东西有挑战性……

ggplot: 哇，赞！我的方法和她差不多，但是我做起来更像我的大哥。你们听过他吗？他超级酷 ——

SB: 谁邀请了这个孩子？

GG: 快来看看！

# GGPLOT
fig, ax = plt.subplots(1, 1, figsize=(7.5, 5))
g = ggplot(ts, aes(x='dt', y='value', color='kind')) + \
        geom_line(size=2.0) + \
        xlab('Date') + \
        ylab('Value') + \
        ggtitle('Random Timeseries')
g复制代码

GG (拿起 Hadley Wickham 写的 《ggplot2》读出声来): 每一幅图都由数据（比如 ds ），图形映射（比如 x ， y 和 color ）和几何图形（比如 geom_line ）组成，而后者将数据和图形映射转换成真正的可视化。

Altair: 没错，我也是这么做的。

# ALTAIR
c = Chart(ts).mark_line().encode(
    x='dt',
    y='value',
    color='kind'
c复制代码

ALT: 给我的 Chart 类同样的数据，告诉它你要哪种可视化：这里就是 mark_line 。然后指定想要的图形映射：x 轴是 data ，y 轴是 value ；因为我们想要按 kind 分组，所以把 kind 传给 color 。就跟你一样，GG（ 拨乱 GG 的头发 ）。哦，这样一来，要用你们都用的配色方案也轻而易举了：

# ALTAIR
# cp corresponds to Seaborn's standard color palette
c = Chart(ts).mark_line().encode(
    x='dt',
    y='value',
    color=Color('kind', scale=Scale(range=cp.as_hex()))
c复制代码

MPL 害怕又惊讶地盯着

除了混蛋的 matplotlib ³ ，还有一些要点值得注意。

（在第二场到第四场，我们会处理著名的「鸢尾花」数据集（在代码中用 df 表示）。它包含了四个数字列，对应不同的测量，还有一个类别列，表明它是三种鸢尾花中的哪一种。下面是预览：

MPL（看上去有点震惊）： 我是说，你可以继续用 for 循环，当然了。这样也没什么问题。当然。懂了吗？（ 压低声音小声说 ）只要记得显式地设定好颜色变量，不然所有的点都是蓝的……

# MATPLOTLIB
fig, ax = plt.subplots(1, 1, figsize=(7.5, 7.5))
for i, s in enumerate(df.species.unique()):
    tmp = df[df.species == s]
    ax.scatter(tmp.petalLength, tmp.petalWidth,
               label=s, color=cp[i])
ax.set(xlabel='Petal Length',
       ylabel='Petal Width',
       title='Petal Width v. Length -- by Species')
ax.legend(loc=2)复制代码

MPL: 可是，呃，（ 假装充满自信 ）我有个更好的主意！看这个：

# MATPLOTLIB
fig, ax = plt.subplots(1, 1, figsize=(7.5, 7.5))
def scatter(group):
    plt.plot(group['petalLength'],
             group['petalWidth'],
             'o', label=group.name)
df.groupby('species').apply(scatter)
ax.set(xlabel='Petal Length',
       ylabel='Petal Width',
       title='Petal Width v. Length -- by Species')
ax.legend(loc=2)复制代码

MPL: 我在这定义了 scatter 函数。它用 pandas 的 groupby 对象得到分组，然后在 x 轴上画出花瓣长度，y 轴则是花瓣宽度。每组都如此处理一番！厉害吧！

P: 真不错，Mat！真不错！基本上和我的方法差不多，所以我就坐这里不展示了。

SB (咧嘴笑): 这次怎么没用轴向旋转？

P: 嗯，这个例子里要用轴向旋转的话比较复杂。因为不像处理时序数据一样有一个通用的索引，所以……

MPL: 嘘！我们没必要跟她解释。

SB: 随便你了。不管怎样，在我看来这个问题和上一个没有什么区别。还是构建一个 FacetGrid，只是这次将 plt.plot 换成 plt.scatter 。

# SEABORN
g = sns.FacetGrid(df, hue='species', size=7.5)
g.map(plt.scatter, 'petalLength', 'petalWidth').add_legend()
g.ax.set_title('Petal Width v. Length -- by Species')复制代码

GG: 对！对！就是这样！我的写法就是把 geom_line 换成 geom_point ！

# GGPLOT
g = ggplot(df, aes(x='petalLength',
                   y='petalWidth',
                   color='species')) + \
        geom_point(size=40.0




    
) + \
        ggtitle('Petal Width v. Length -- by Species')
g复制代码

ALT (一脸茫然): 是的，只要把 mark_line 换成 mark_point 。

# ALTAIR
c = Chart(df).mark_point(filled=True).encode(
    x='petalLength',
    y='petalWidth',
    color='species'
c复制代码

MPL: 那么，嗯，一旦你掌握了 for 循环 —— 显然我就掌握了 —— 只需要简单调整一下之前的代码就行了。我用 subplot 方法画了三个轴，而不是一个。接下来就跟以前一样遍历一遍，用类似取数据子集的方法来取相关的 Axes 对象的子集。

（ 重拾自信）我敢打赌你们各位没有更简单的方法！（举起双臂，差点打到了 pandas）

# MATPLOTLIB
fig, ax = plt.subplots(1, 3, figsize=(15, 5))
for i, s in enumerate(df.species.unique()):
    tmp = df[df.species == s]
    ax[i].scatter(tmp.petalLength, tmp.petalWidth, c=cp[i])
    ax[i].set(xlabel='Petal Length',
              ylabel='Petal Width',
              title=s)
fig.tight_layout()复制代码

SB 和笑起来的 ALT 交换了目光；GG 仿佛听到笑话了笑了起来

MPL: 怎么啦？！

Altair: 老兄，看看你的 x 轴和 y 轴。所有图像的坐标轴范围都不一样。

MPL (脸红了): 呃，是，当然啊。我就是想看看你们有没有注意听我说话。你当然可以在 subplot 函数中指定坐标轴范围，保证所有的子图坐标轴范围是统一的。

# MATPLOTLIB
fig, ax = plt.subplots(1, 3, figsize=(15, 5),
                       sharex=True, sharey=True)
for i, s in enumerate(df.species.unique()):
    tmp = df[df.species == s]
    ax[i].scatter(tmp.petalLength,
                  tmp.petalWidth,
                  c=cp[i])
    ax[i].set(xlabel='Petal Length',
              ylabel='Petal Width',
              title=s)
fig.tight_layout()复制代码

P（叹气）： 我也是这么做的。跳过我吧。

SB: 改写 FacetGrid 然后用在这个例子上很简单。就像使用 hue 变量一样，我们可以简单加一个 col 变量（比如 colum）。这会告诉 FacetGrid 不仅给每个种类一个唯一的颜色，还把每个种类都画在唯一的子图上，按列排列。（只要将 col 变量换成 row 就可以按行排列。）

# SEABORN
g = sns.FacetGrid(df, col='species', hue='species', size=5)
g.map(plt.scatter, 'petalLength', 'petalWidth')复制代码

GG: 哦，这和我的做法不同（ 再一次拿起《ggplot2》开始读 ）。看，分面和图形映射本质上是两个不同的步骤，我们不应该一时疏忽把它们混为一谈。因此，我们接着用之前的代码这次加上 facet_grid 层，也就是显式地用类别进行分面。（ 开心地合上书 ）至少我大哥是这么说的！你们听到他了吗？在书里。他真酷啊 ⁴ 。

# GGPLOT
g = ggplot(df, aes(x='petalLength',
                   y='petalWidth',
                   color='species')) + \
        facet_grid(y='species') + \
        geom_point(size=40.0)
g复制代码

ALT : 我这里采用更具 Seaborn 风格的方法。具体地说，我给编码函数加了一个 column 参数。也就是说我也做了一些新工作：第一，虽然 column 参数可以接受一个简单的字符串变量，实际上我传给它的是 Column 对象，如此我可以自定义标题了。第二，我用了自定义的 configure_cell 方法，如果不用的话子图会变得特别巨大。

# ALTAIR
c = Chart(df).mark_point().encode(
    x='petalLength',
    y='petalWidth',
    color='species',
    column=Column('species',
                  title='Petal Width v. Length by Species')
c.configure_cell(height=300, width=300)复制代码

# MATPLOTLIB
fig, ax = plt.subplots(2, 3, figsize=(15, 10), sharex=True, sharey=True)
# this is preposterous -- don't do this
for i, s in enumerate(df.species.unique()):
    for j, r in enumerate(df.random_factor.sort_values().unique()):
        tmp = df[(df.species == s) & (df.random_factor == r)]
        ax[j][i].scatter(tmp.petalLength,
                         tmp.petalWidth,
                         c=cp[i+j])
        ax[j][i].set(xlabel='Petal Length',
                     ylabel='Petal Width',
                     title=s + '--' + r)
fig.tight_layout()复制代码

MPL （信心明显不足了）： 好吧，如果我们要画箱线图——我们真的要箱线图吗？——我知道怎么画。不过非常愚蠢；你肯定不会喜欢。不过我给 boxplot 方法传入一个数组组成的数组，每个数组就都会得到一个箱线图。你可能需要手动标注 X 轴的刻度。

# MATPLOTLIB
fig, ax = plt.subplots(1, 1, figsize=(10, 10))
ax.boxplot([df[df.species == s]['petalWidth'].values
                for s in df.species.unique()])
ax.set(xticklabels=df.species.unique(),
       xlabel='Species',
       ylabel='Petal Width',
       title='Distribution of Petal Width by Species')复制代码

MPL: 如果要画柱状图 —— 我们真的要画柱状图吗？ —— 我也有个方法可以用，你可以用之前提到的 for 循环或者 group by 。

# MATPLOTLIB
fig, ax = plt.subplots(1, 1, figsize=(10, 10))
for i, s in enumerate(df.species.unique()):
    tmp = df[df.species == s]
    ax.hist(tmp.petalWidth, label=s, alpha=.8)
ax.set(xlabel='Petal Width',
       ylabel='Frequency',
       title='Distribution of Petal Width by Species')
ax.legend(loc=1)复制代码

P (看上去不同寻常的骄傲）： 哈！哈哈哈哈！该我大显身手了！你们都觉得我一无是处，只是 matplotlib 的替罪羊。虽然我目前都只是套用他的 plot 方法，但我也拥有一些特殊的函数可以处理箱线图 和 柱状图。用他们来可视化分布简直就是小菜一碟！你只需要提供两个列名：第一，用来分组的列名；第二，待分布统计的列名。分别把它们传给 by 和 column 参数，图马上就画好了！

# PANDAS
fig, ax = plt.subplots(1, 1, figsize=(10, 10))
df.boxplot(column='petalWidth', by='species', ax=ax)复制代码

# PANDAS
fig, ax = plt.subplots(1, 1, figsize=(10, 10))
df.hist(column='petalWidth', by='species', grid=None, ax=ax)复制代码

GG和ALT举手击掌然后祝贺P；高呼「棒极了！」，「就该这样！」，「就这么干！」

SB (假装很热情)： 喔喔喔。很赞。同时呢，分布对我非常重要，所以我为它准备了一些特殊方法。比如，我的 boxplot 方法只需要 x 变量、y 变量和数据就可以得到这个：

# SEABORN
fig, ax = plt.subplots(1, 1, figsize=(10, 10))
g = sns.boxplot('species', 'petalWidth', data=df, ax=ax)
g.set(title='Distribution of Petal Width by Species')复制代码

SB: 这个图不错吧，我是说有人这么说过…… 不管了。我还有个特殊的分布方法叫 distplot 远不止条形图那么简单（傲慢的看了眼 pandas）。你可以用来画条形图，KDEs 和轴须图（rugplots） —— 甚至画在一起。比如把 displot 和 FacedGrid 结合起来，我就可以为每一种鸢尾花都画出直方轴须图：

# SEABORN
g = sns.FacetGrid(df, hue='species', size=7.5)
g.map(sns.distplot, 'petalWidth', bins=10,
      kde=False, rug=True).add_legend()
g.set(xlabel='Petal Width',
      ylabel='Frequency',
      title='Distribution of Petal Width by Species')复制代码

SB: 不过…… 管他呢。

GG: 这些只不过是新的几何对象！ GEOM_BOXPLOT 来画箱线图， GEOM_HISTOGRAM 来画直方图！换用它俩就行了！（ 绕着餐桌跑了起来 ）

# GGPLOT
g = ggplot(df, aes(x='species',
                   y='petalWidth',
                   fill='species')) + \
        geom_boxplot() + \
        ggtitle('Distribution of Petal Width by Species')
g复制代码

# GGPLOT
g = ggplot(df, aes(x='petalWidth',
                   fill='species')) + \
        geom_histogram() + \
        ylab('Frequency') + \
        ggtitle('Distribution of Petal Width by Species')
g复制代码

ALT （看上去坚定又自信）： 我要忏悔……

四周安静了下来 —— GG停了下来，把盘子撞到了地上。

ALT：（沉重地喘气） 我……我……我不会画箱线图。从来没学过怎么画，不过我相信我的源语言 JavaScript 的语法不支持箱线图肯定是有原因的。不过我会画直方图……

# ALTAIR
c = Chart(df).mark_bar(opacity=.75).encode(
    x=X('petalWidth', bin=Bin(maxbins=30)),
    y='count(*)',
    color=Color('species', scale=Scale(range=cp.as_hex()))
c复制代码

ALT: 乍一看代码会觉得有点怪，但是不要担心。这里实际是在说：「嘿，直方图事实上就是条形图」。X 轴对应着 bin ，我们可以用 Bin 类来定义；同时 y 轴对应到数据集里落到对应 Bin 的数据的数量。用 SQL 语言来说 y 就是 count(*) 。

（在最后一幕，我们会处理「泰坦尼克」，另一个著名的整洁数据集（代码中仍然用 df 来表示）。下面是预览……）

这个例子中，我们感兴趣的是看看每个客舱等级的平均费用是否和逃生率相关。显然，在 pandas 中我们可以这样写：

dfg = df.groupby(['survived', 'pclass']).agg({'fare': 'mean'})
dfg复制代码

其他人都开始摇头

P: 我得先对数据进行一些处理 —— 也就是 group by 和 pivot —— 处理完就可以用非常帅气的条形图方法了，比上面这些简单得多！哇，我现在自信多了，我把其他人都比下去了！ ⁵

# PANDAS
fig, ax = plt.subplots(1, 1, figsize=(12.5, 7))
# note: dfg refers to grouped by
# version of df, presented above
dfg.reset_index().\
    pivot(index='pclass',
          columns='survived',
          values='fare').plot.bar(ax=ax)
ax.set(xlabel='Class',
       ylabel='Fare',
       title='Fare by survival and class')复制代码

SB: 我恰好又认为这类工作非常重要。鉴于此，我使用了特殊的 factorplot 函数来帮助我：

# SEABORN
g = sns.factorplot(x='class', y='fare', hue='survived',
                   data=df, kind='bar',
                   order=['First', 'Second', 'Third'],
                   size=7.5, aspect=1.5)
g.ax.set_title('Fare by survival and class')复制代码

SB: 跟之前一样，先将未处理过的数据传给数据框，再搞明白自己要按照什么进行分组，这里就是 class 和 survived ，它们对应 x 和 hue 变量。然后搞明白要对哪个数据列进行摘要统计，这里就是 fare ，对应到 y 变量。默认的摘要统计方法是求平均数，不过 factorplot 提供了 estimator 参数，可以通过它指定想要的函数，比如求和，标准差，中位数等等。而选择的函数会决定每个柱的高度。

当然，有很多方法可以可视化这个信息，条形图只有一种。同样我还提供了 kind 参数用来指定不同的可视化方法。

最后， 还有人 比较在意统计确定性，所以我会默认给你加上误差线，这样可以看出不同等级舱位的平均费用和生存率是否有关系。

（ 压低声音说 ）希望你们做得比我还好

ggplot2 停下兰博基尼，走了进来

ggplo2: 嘿，你们看到 ——

GG: 嘿，大哥。

GG2: 嘿，小家伙。我们得走了。

GG: 等一下，我得马上把这个条形图画好，不过遇到麻烦了。你会怎么做呢？

GG2 (阅读手册) _: 哦，就像这样：

# GGPLOT2
# R 语言中你得这样写
ggplot(df, aes(x=factor(survived), y=fare)) +
    stat_summary_bin(aes(fill=factor(survived)),
                     fun.y=mean) +
    facet_wrap(~class)
# 天啊，ggplot2 可真棒复制代码

GG2: 看懂了吗？你要像我之前说的一样定义好图形映射，不过得把 y 映射到平均费用上。这就得叫我的好兄弟 stat_summary_bin 帮忙了，我只要把 mean 传给 fun.y 参数就行了。

GG （惊讶地睁大眼睛）： 哦，呃…… 我发现我还没有 stat_summary_bin 呢。我想想 —— pandas 你能帮帮我吗？

P: 呃，当然可以。

GG: 好诶！

# GGPLOT
g = ggplot(df.groupby(['class', 'survived']).\
               agg({'fare': 'mean'}).\
               reset_index(), aes(x='class',
                                  fill='factor(survived)',
                                  weight='fare',
                                  y='fare')) + \
        geom_bar() + \
        ylab('Avg. Fare') + \
        xlab('Class') + \
        ggtitle('Fare by survival and class')
g复制代码

GG2: 噢，不完全是图形式语法，不过我觉得只要 Hadley 还没有发现，这样也能用…… 特别是你不应该在可视化之前就对数据进行汇总。我也不是特别懂这个上下文中 weight 是什么意思……

GG: 是这样，我的条形图形对象默认会使用简单计数，所以如果没有 weight 的话所有柱子的高度都是 1 。

GG2: 噢，我懂了…… 我们以后再讨论吧。

GG 和 GG2 道别并离开了晚宴

ALT: 噢，现在 这 可是我的安身立命之道。非常简单。

# ALTAIR
c = Chart(df).mark_bar().encode(
    x='survived:N',
    y='mean(fare)',
    color='survived:N',
    column='class')
c.configure_facet_cell(strokeWidth=0, height=250)复制代码

ALT: 我希望下面的解释可以让所有的变量都非常直观：我想按幸存数来画平均船费，按舱位等级进行分面。写在代码里就是 survived 是 x 变量， mean(fare) 是 y 变量，而 class 是 column 变量。（我还指定了 color 变量这样画面可以热闹点。）

但是，这里也有一些新东西值得注意。注意，我在 x 和 color 中的 survivde 字符串后面加了 :N 。这是我给自己加的注释，意思就是「这是个名义上的变量。」我需要加这个注释是因为 survived 看上去像个定量变量，而定量变量有可能让绘的图变得有点丑。也不要太担心啦，这问题也不是每次都能碰到，只有个别情况下会有影响。比如，在上面的时间序列图中，如果我不知道 dt 是时间变量，我可能会假设它们只是名义变量，这样子就尴尬了（还好我在后面加上了 :T ，这样就好了）。

另外我还用了 configure_facet_cell 协议让三个子图看上去更加统一。

你知道有时我觉得心怀感激非常重要：我们有非常多的可视化库可以选择，我痴迷于深入探索这一切！

（是啊，这只是种逃避。）

尽管我在 matplotlib 上遇到了点困难，它还是非常好玩的（每一部剧都要有搞笑的部分）。不仅仅是因为 matplotlib 是 pandas，Seaborn 和 ggplot 这些库的底层基础，而且是因为它给予你非常细粒度的控制权。虽然我没有说，但是我用 matplotlib 调整了所有非 Altair 所绘的图。但是，注意听，matplotlib 是纯声明式的，非常细节地指定可视化图像的方方面面简直是无趣的（看看条形图的例子吧）。

的确，还有这种结果：「用统计可视化能力来评价 matplotlib 是不公平的，你这个刻薄的家伙。你在用它的一种使用案例来和其他库的主要使用案例进行比较。这些方法显然应该一起使用。你可以使用自己喜欢的方便的/陈述式表达层—— pandas，Seaborn，ggplot 或者将来的 Altair（下文会详述）—— 来做基础工作。然后用 matplotlib 完成那些非基础工作。如果你穷尽了其他库所能提供的一切也找不到想要的东西，你会很高兴可以看到能力无限的 matplotlib 就在你身边，你这个不知感恩的业余绘图的。」

对于这些人我得说：是的！这很有道理，却脱离现实……，尽管只是 说 这些并不会撑起博文的大部分内容。

再说，要是我就不会骂人。