月度归档： 2018 年 6 月

数据科学的可视化库和深度学习框架库一样，虽然层出不穷，但是大致分为两种：

一种是通用可视化库任何类似json schema的静态数据都可以用它作图如：  Pandas, Seaborn , ggplot, Bokeh, pygal, Plotly 。

另一种是和框架耦合较高的可视化库，如TensorFlow的TensorBoard，scikit-learn增强可视化库Yellowbrick。

对于第一种通用库，方便简洁、易用的趋势一直没有改变。这届PyCon2018上的talk：Exploratory Data Visualization with Vega, Vega-Lite, and Altair 就介绍了Altair这种新的函数式编程可视化库，其简洁程度，只要拿到panda的dataframe数据，多加一句声明代码，就可以进行可视化了：

import altair as alt

# to use with Jupyter notebook (not JupyterLab) run the following
# alt.renderers.enable('notebook')

# load a simple dataset as a pandas DataFrame
from vega_datasets import data
cars = data.cars()

# 这里是声明代码，是不是有函数式编程的味道 ？
alt.Chart(cars).mark_point().encode(
    x='Horsepower',
    y='Miles_per_Gallon',
    color='Origin',
)

如果要把点的样式改成线的样式，只需把函数mark_point()改成mark_line()即可，如下代码：

alt.Chart(cars).mark_line().encode(
    x='Horsepower',
    y='Miles_per_Gallon',
    color='Origin',
)

继续阅读#PyCon2018两款最新ML数据可视化库：Altair和Yellowbrick，函数式编程的可视化库和scikit-learn增强可视化库