别老用折线图柱状图了，试试这5种高级可视化图表|python|spiderlinebreakalt|spiderlinebreakfig|可视化图表|折线图|柱状图|示例|编程

今天给大家介绍五种并不常见但是也非常实用的数据可视化图表及相关制作工具。掌握这五种高级图表可使数据可视化变得容易，丰富你的数据表达。

和弦图 (Chord Diagram)

和弦图创造性地展示了数据点之间复杂的关系。节点围绕一个圆圈排列，通过弧线连接。弧线的长度反映了连接值，其粗细表示关系的重要性。颜色对数据进行分类，使比较变得容易。广泛应用于各个领域，特别是在可视化遗传数据方面。

以下是一个使用 Holoviews 和 Bokeh 创建显示五个国家之间贸易关系的和弦图的示例。

import holoviews as hv
from holoviews import opts
import pandas as pd
import numpy as np
hv.extension('bokeh')

# Sample matrix representing the export volumes between 5 countries
export_data = np.array([[0, 50, 30, 20, 10],
[10, 0, 40, 30, 20],
[20, 10, 0, 35, 25],
[30, 20, 10, 0, 40],
[25, 15, 30, 20, 0]])

labels = ['USA', 'China', 'Germany', 'Japan', 'India']

# Creating a pandas DataFrame
df = pd.DataFrame(export_data, index=labels, columns=labels)
df = df.stack().reset_index()

df.columns = ['source', 'target', 'value']

# Creating a Chord object
chord = hv.Chord(df)

# Styling the Chord diagram
chord.opts(
opts.Chord(
cmap='Category20', edge_cmap='Category20',
labels='source', label_text_font_size='10pt',
edge_color='source', node_color='index',
width=700, height=700
)
).select(value=(5, None))

# Display the plot
chord

https://holoviews.org/reference/elements/matplotlib/Chord.html

https://github.com/moshi4/pyCirclize

旭日图（Sunburst Chart）

旭日图通过清晰展示层次数据，超越了传统的饼图和环图。它使用同心圆，每个圆代表层次中的一级。中心是根，扇形表示节点。每个扇形的大小反映了它的值，直观地理解数据的重要性。在可视化文件系统层次结构、用户导航路径、市场细分和遗传数据方面非常有用。以下是一个使用 Plotly 库创建旭日图的示例。

import plotly.express as px
import numpy as np

df = px.data.gapminder().query("year == 2007")

fig = px.sunburst(df, path=['continent', 'country'],
values='pop',
color='lifeExp',
hover_data=['iso_alpha'],
color_continuous_scale='RdBu',
color_continuous_midpoint=np.average(df['lifeExp'], weights=df['pop']))
fig.show()

https://plotly.com/python/sunburst-charts/

六边形分箱图 (Hexbin Plot)

六边形分箱图，或称六边形分箱，对于可视化二维数据分布非常有效，特别是当数据点密集时。它将数据空间划分为六边形箱，颜色表示每个箱中的点数，清晰地表示数据分布。

以下是一个使用 Python 和 Matplotlib 创建六边形分箱图的示例，展示了空气质量指数 (AQI) 与医院访问之间的相关性。

import numpy as np
import matplotlib.pyplot as plt
from mplhexbin import HexBin

# Simulated data
np.random.seed(0) # Ensure reproducibility
n_points = 10000
x = np.random.rand(n_points) * 100 # Air Quality Index (AQI) range from 0 to 100
y = 5 * np.sin(x * np.pi / 50) + np.random.randn(n_points) * 15 # Simulated hospital visits, related to AQI but with noise

# Create a new figure
fig, ax = plt.subplots(figsize=(10, 8))

# Use HexBin to create a hexagonal bin plot
hb = HexBin(ax, gridsize=20, cmap='viridis', extent=[0, 100, -30, 50]) # Set grid size, colormap, and range
hb.hexbin(x, y, mincnt=1) # Draw the hexagonal bin plot, mincnt sets the minimum count threshold

# Add title and axis labels
ax.set_title('Relationship between Air Quality Index (AQI) and Hospital Visits')
ax.set_xlabel('Air Quality Index (AQI)')
ax.set_ylabel('Hospital Visits')

# Show the figure
plt.colorbar(hb.cmap, ax=ax, label='Number of Data Points') # Add color bar and set label
plt.show()

https://matplotlib.org/stable/gallery/statistics/hexbin_demo.html

桑基图 (Sankey Diagram)

桑基图可视化数据流，非常适合能源、材料和财务数据。以 Matthew Henry Phineas Riall Sankey 命名，它显示了系统各阶段或部分之间的流量。节点宽度与流量数量成比例，易于理解数据规模和方向。

以下是一个使用 Python 创建桑基图的示例，展示了从生产源头到小城市消费者的能量流。

import plotly.graph_objects as go

labels = ["Coal", "Solar", "Wind", "Nuclear", "Residential", "Industrial", "Commercial"]

source = [0, 1, 2, 3, 0, 1, 2, 3]
target = [4, 4, 4, 4, 5, 5, 5, 5]
value = [25, 10, 40, 20, 30, 15, 25, 35]

# Create the Sankey diagram object
fig = go.Figure(data=[go.Sankey(
node=dict(
pad=15,
thickness=20,
line=dict(color="black", width=0.5),
label=labels
),
link=dict(
source=source,
target=target,
value=value
))])

fig.update_layout(title_text="Energy Flow in Model City", font_size=12)
fig.show()

https://plotly.com/python/sankey-diagram/

流图 (Stream Graph, 主题河流)

流图类似于河流，描绘了随时间的变化。颜色区分类别，而“河流”的宽度表示每个类别的值。它直观地展示趋势和关系，易于理解数据动态。

以下是一个使用 Altair 库创建流图的示例。

import altair as alt
from vega_datasets import data

source = data.unemployment_across_industries.url

alt.Chart(source).mark_area().encode(
alt.X('yearmonth(date):T',
axis=alt.Axis(format='%Y', domain=False, tickSize=0)
),
alt.Y('sum(count):Q', stack='center', axis=None),
alt.Color('series:N',
scale=alt.Scale(scheme='category20b')
)
).interactive()

https://altair-viz.github.io/gallery/streamgraph.html

Crossin的新书《码上行动：用ChatGPT学会Python编程》已经上市了。本书以ChatGPT为辅助，系统全面地讲解了如何掌握Python编程，适合Python零基础入门的读者学习。

购买后可加入读者交流群，Crossin为你开启陪读模式，解答你在阅读本书时的一切疑问。

Crossin的其他书籍：

添加微信crossin123，加入编程教室共同学习 ~