Python 数据可视化：几何对象和美学映射

从上一课的初步体验中，我们已经获悉，只要加载了数据，并创建了“美学映射”之后，也就有了绘图的基础，然后要思考的就是：做什么形状的图，是散点图，还是箱线图？这些图就是所谓的“几何对象”，每个几何对象都是一个图层——也可以看做一个对象。正是基于这个认识，p9.geom_* 等这些几何对象才都是类，每个图层也就是某个类的实例。

3.2.1 几何对象

原来曾经写过的：

(p9.ggplot(mg)    
 + p9.aes(x='displ', y='hwy', color='factor(cyl)')    
 + p9.geom_point()
)

还可以用下面的方式写：

%matplotlib inline
import plotnine as p9
from plotnine import data

base_plot = p9.ggplot(data.mpg, p9.aes(x='displ', y='hwy', color='factor(cyl)'))    #①
base_plot + p9.geom_point()    #②

输出结果：

image

① 的 p9.ggplot 返回的是一个图层对象，其中包含了数据和美学映射关系，而后这个对象与一个几何对象（图层）相加（② 所示），就相当于图层叠加，最终得到了上述结果。

我曾在 Python 基础课程中很明确地讨论过“+”的运算（参见《跟老齐学 Python：轻松入门》），能够参与“+”运算的，都是 Python 中的对象——内置对象（如整数、浮点数、字符串、列表等）或者自定义的对象——注意都是对象，或者说只有对象才能参与此运算。② 实现增加图层，因为图层是对象，也就意味着最终的图示就是多个图层对象相加。

既然如此，那么每个图层对象都有自己的属性，通过对本图层的设置，会让可视化控制更灵活。

(p9.ggplot(data.mpg)    
 + p9.aes(x='displ', y='hwy')    #③
 + p9.geom_point(p9.aes(color='factor(cyl)'))    #④
 + p9.geom_smooth()
)

输出结果：

image

如果与上一节的类似图示进行比较，那条代表回归规律的曲线有了变化，现在没有再被颜色分为若干部分了，而是统一的一条线（下图是上一节得到的图示）。

image

之所以有这样的变化，是因为 ③ 创建美学映射图层——这个图层被后续图层使用——没有了 color='factor(cyl)'，而是将这种映射移到了 ④，也就是专门对 ④ 创建的图层对象配置了 p9.aes(color='factor(cyl)')，其他层就没有这种映射关系了。

以下是 geom_point 的参数：

geom_point(mapping=None, data=None, stat='identity', position='identity',
           na_rm=False, inherit_aes=True, show_legend=None, **kwargs)

其他的类都与此差不多。从这里可以看出，每个图层对象，都可以为该层设置数据、映射关系等属性，如果该图层对象的属性与 p9.ggplot 中设置的重名，则不再调用 p9.ggplot 中的值。

3.2.2 美学映射

虽然前面已经多少了解了“美学映射”—— 其实就是 “映射”，加上 “美学”，更显得是一个独特的专有名词 —— 但是对它的领悟，恐怕还要继续。

(p9.ggplot(data.mpg)    
 + p9.aes(x='displ', y='hwy')    
 + p9.geom_point(p9.aes(color='factor(cyl)',size='hwy'))
 + p9.geom_smooth(color='red')
)

输出结果：

image

观察图示结果，丰富了各个图层的属性。凝视此图，对 “美学映射” 会有所悟，即将数据集中的某个特征与可视化的图示中某个图像元素（图对象属性）建立映射关系，将该特征的数据用可视化的美学方式表示出来。比如，在上述例子中：

• 将数据集中的 “displ” 特征与坐标系的 X 轴建立映射关系，即用 X 轴的点表示此特征中的数据；
• 将数据集中的 “hwy” 特征与图示中点的直径尺寸建立映射关系，即用不同大小的点表示此特征的数据——此特征数据是分类数据。

并且，每个图层对象中都可以创建各自的映射，如果本图层没有特别给 mapping 参数赋值，将继承 p9.ggplot 所创建的映射关系。

(p9.ggplot(data.mpg)    
 + p9.aes(x='displ', y='hwy')    
 + p9.geom_point(p9.aes(color='factor(cyl)',size='hwy'))
 + p9.geom_smooth(color='red')
 + p9.xlab("engine displacement(L)")    #⑤
)

输出结果：