Python數(shù)據(jù)可視化的優(yōu)勢(shì)
——以《三國(guó)演義》為例

李文娟

甘肅省定西市安定區(qū)教育局 甘肅定西 743000

0 引言

在數(shù)據(jù)科學(xué)、人工智能、大數(shù)據(jù)分析等迅猛發(fā)展的當(dāng)前，數(shù)據(jù)可視化的方法不勝枚舉，數(shù)據(jù)可視化的目的主要是直觀展示信息的分析結(jié)果和構(gòu)思，使大量抽象的數(shù)據(jù)具象顯示。國(guó)外常用的數(shù)據(jù)可視化工具有Visual Eyes、Google Trends、Many Eyes、Grasshopper、WebGL 等，國(guó)內(nèi)常見的數(shù)據(jù)分析工具有Excel 數(shù)據(jù)圖表分析、SPSS 在線（軟件）數(shù)據(jù)分析、CiteSpace 可視化文獻(xiàn)分析、Python 第三方庫(kù)數(shù)據(jù)可視化等。本文以Python 語(yǔ)言數(shù)據(jù)可視化的過程為例，展現(xiàn)Python 強(qiáng)大的數(shù)據(jù)分析及可視化功能。

1 大數(shù)據(jù)時(shí)代數(shù)據(jù)可視化成為發(fā)展趨勢(shì)

1.1 大數(shù)據(jù)的時(shí)代背景

奧地利科學(xué)家維克托·邁爾-舍恩伯格是最早洞見大數(shù)據(jù)時(shí)代發(fā)展趨勢(shì)的數(shù)據(jù)科學(xué)家之一，2012年他在《大數(shù)據(jù)時(shí)代》中前瞻性地指出，大數(shù)據(jù)帶來(lái)的信息風(fēng)暴正在變革我們的生活、工作和思維方式。國(guó)際互聯(lián)網(wǎng)數(shù)據(jù)中心預(yù)測(cè)，2025年全球每年產(chǎn)生的數(shù)據(jù)將達(dá)到175ZB，如果把175ZB 全部存在DVD 光盤中，那么DVD 疊加起來(lái)的高度可以繞地球222 圈。在如此海量的數(shù)據(jù)中，如何快速便捷地展現(xiàn)和發(fā)掘其中的價(jià)值，是一個(gè)巨大的挑戰(zhàn)。大數(shù)據(jù)時(shí)代信息量暴增，高效地獲取數(shù)據(jù)成為人們最關(guān)注的問題，也將成為未來(lái)研究的趨勢(shì)。

1.2 數(shù)據(jù)可視化的發(fā)展歷程

數(shù)據(jù)可視化的發(fā)展可追溯至20世紀(jì)50年代計(jì)算機(jī)圖形學(xué)的早期。在中國(guó)知網(wǎng)學(xué)術(shù)平臺(tái)上，以“數(shù)據(jù)可視化”為主題詞檢索發(fā)現(xiàn)，最早在1993年有一篇數(shù)據(jù)可視化的研究報(bào)告，文中提到1986年美國(guó)提出科學(xué)計(jì)算可視化的概念，在國(guó)際上引起廣泛重視。從20世紀(jì)90年代開始，國(guó)內(nèi)一些高校和研究所相繼開展了可視化技術(shù)的研究[1]。根據(jù)知網(wǎng)發(fā)文年度趨勢(shì)表可知，從1993年至今，有關(guān)數(shù)據(jù)可視化的文獻(xiàn)數(shù)量逐年增多，尤其從2012年開始增長(zhǎng)速度加快，在2020年達(dá)到峰值，至今研究熱度一直未減。

1.3 數(shù)據(jù)可視化的典型工具

表1 中簡(jiǎn)述了當(dāng)前常用的6 種數(shù)據(jù)可視化工具，它們?cè)诟髯缘膽?yīng)用領(lǐng)域有獨(dú)特的功能優(yōu)勢(shì)，Visual Eyes 常用于可視化教學(xué)；Google Trends 應(yīng)用于全球新聞等各類信息的可視化；Many Eyes 用于展現(xiàn)在線的可視化社區(qū)信息；Grasshopper 在建筑信息可視化方面更占優(yōu)勢(shì)；WebGL 是一個(gè)不需要組件加載的網(wǎng)絡(luò)三維可視化技術(shù)；Cite Space 在論文熱點(diǎn)研究可視化方面功能強(qiáng)大。相較這些技術(shù)手段，Python 的應(yīng)用領(lǐng)域更為廣泛，發(fā)展前景更好。

2 Python數(shù)據(jù)可視化的優(yōu)勢(shì)

2.1 Python是一門功能強(qiáng)大及應(yīng)用廣泛的編程語(yǔ)言

Python 是Guido van Rossum 在1990年開發(fā)的一個(gè)輕語(yǔ)法、弱類型的高級(jí)編程語(yǔ)言軟件，它擁有強(qiáng)大的第三方庫(kù)，最大的優(yōu)勢(shì)是比其他語(yǔ)言更簡(jiǎn)單易學(xué)，功能強(qiáng)大，數(shù)據(jù)結(jié)構(gòu)高效，能快速實(shí)現(xiàn)面向?qū)ο蟮木幊獭３藬?shù)據(jù)可視化功能，該語(yǔ)言也廣泛支持應(yīng)用程序的開發(fā)，在詞云、數(shù)據(jù)可視化、數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)挖掘、仿真系統(tǒng)等方面都有很多應(yīng)用。在云端、網(wǎng)站、游戲開發(fā)、機(jī)器人、航天飛機(jī)控制、物聯(lián)網(wǎng)終端等領(lǐng)域，Python 應(yīng)用無(wú)處不在[8]。此外，Python 還可以利用第三方庫(kù)爬取網(wǎng)絡(luò)、網(wǎng)頁(yè)以及網(wǎng)站內(nèi)容，從而快速地收集所需要的信息。近年來(lái)，Python 在人工智能領(lǐng)域扮演著重要的角色，有很多典型的應(yīng)用案例，例如：谷歌的無(wú)人駕駛、谷歌的AlphaGo 項(xiàng)目、微軟的小冰、蘋果的Siri、IBM的Watson 等[9]。

2.2 Python 具有豐富的第三方庫(kù)

Python 有標(biāo)準(zhǔn)庫(kù)和第三方庫(kù)兩類，標(biāo)準(zhǔn)庫(kù)Python 安裝自帶，可供使用者隨意使用，第三方庫(kù)則需要另外下載或者在線安裝。強(qiáng)大的標(biāo)準(zhǔn)庫(kù)是基礎(chǔ)，豐富的第三方庫(kù)是強(qiáng)化，隨著應(yīng)用領(lǐng)域的拓展，強(qiáng)大的第三方庫(kù)使用途徑越來(lái)越廣泛，在高中信息技術(shù)教材中，涉及的第三方庫(kù)較多，每一個(gè)庫(kù)都有一個(gè)典型的應(yīng)用特例，下面通過表2 對(duì)這些庫(kù)進(jìn)行匯總介紹。

表2 Python 第三方庫(kù)介紹

2.3 Python數(shù)據(jù)可視化的過程有章可循

通過查閱大量文獻(xiàn)，發(fā)現(xiàn)利用Python 實(shí)現(xiàn)數(shù)據(jù)可視化的過程都有固定的模式。如戴瑗、鄭傳行基于Python，在爬取及分析南京二手房數(shù)據(jù)時(shí)，對(duì)數(shù)據(jù)進(jìn)行采集、清洗，再對(duì)清洗后的數(shù)據(jù)進(jìn)行可視化分析。翟高粵基于Python 的數(shù)據(jù)分析過程包含需求分析、數(shù)據(jù)獲取、數(shù)據(jù)預(yù)處理、分析建模、模型評(píng)價(jià)與優(yōu)化、部署等步驟。陳都、徐峰的創(chuàng)傷流行病學(xué)可視化研究包括數(shù)據(jù)導(dǎo)入、數(shù)據(jù)清洗、統(tǒng)計(jì)分析、數(shù)據(jù)可視化以及模型建立等步驟。錢貝貝、陳志波基于Python 爬蟲的音樂數(shù)據(jù)可視化分析過程包含數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)分析和可視化展示等步驟，研究隱藏在這些海量數(shù)據(jù)背后的規(guī)律。本文將借鑒高中信息技術(shù)教材中數(shù)據(jù)處理的過程進(jìn)行數(shù)據(jù)可視化研究，按照數(shù)據(jù)采集、數(shù)據(jù)整理、數(shù)據(jù)分析與數(shù)據(jù)可視化四個(gè)步驟，展示Python數(shù)據(jù)可視化的過程。

3 Python數(shù)據(jù)可視化的過程

基于《三國(guó)演義》小說(shuō)文本，利用Python 實(shí)現(xiàn)文本和數(shù)值數(shù)據(jù)可視化。首先用詞云將文本數(shù)據(jù)可視化，主要利用jieba 庫(kù)分詞統(tǒng)計(jì)、imageio庫(kù)導(dǎo)入圖像、WordCloud 庫(kù)生成詞云功能；其次用圖表將數(shù)值數(shù)據(jù)可視化，在第一步的基礎(chǔ)上，采集jieba 分詞統(tǒng)計(jì)出來(lái)的高頻人物詞，利用CSV 文件處理，利用pandas 庫(kù)中的函數(shù)read_csv（）讀取，利用NumPy 庫(kù)指定生成柱狀圖的列數(shù)，利用Matplotlib 庫(kù)中pyplot 函數(shù)繪制柱狀圖。

Requests 庫(kù)和Beautiful Soup 庫(kù)在《普通高中教科書·信息技術(shù)必修1 數(shù)據(jù)與計(jì)算》教材中沒作介紹，教材涉及的相關(guān)內(nèi)容主要是網(wǎng)絡(luò)爬取數(shù)據(jù)這一內(nèi)容的拓展，向?qū)W生展示爬蟲爬取數(shù)據(jù)的原理與過程，本文將不再贅述。

3.1 用詞云將數(shù)據(jù)可視化

3.1.1 數(shù)據(jù)采集與整理

數(shù)據(jù)采集主要是明確數(shù)據(jù)需求、確定數(shù)據(jù)來(lái)源、選擇數(shù)據(jù)采集的方法。選擇處理的對(duì)象是《三國(guó)演義》小說(shuō)文本，通過網(wǎng)絡(luò)采集的方法，下載獲取文件；數(shù)據(jù)整理是相對(duì)煩瑣的一步，主要通過Word文檔整拼寫檢查及文檔校對(duì)功能校正文字，然后整理成txt 文件，放在指定文件夾中。

3.1.2 數(shù)據(jù)分析與可視化

數(shù)據(jù)分析與數(shù)據(jù)可視化既緊密聯(lián)系又相互融合，此處使用結(jié)構(gòu)分析法，將分析的結(jié)果以詞云的形式生動(dòng)、直觀地呈現(xiàn)出來(lái)。首先使用jieba 庫(kù)進(jìn)行前20 個(gè)高頻詞統(tǒng)計(jì)，具體過程如圖1所示，從圖中可知在《三國(guó)演義》中曹操、孔明、劉備等詞語(yǔ)出現(xiàn)頻率很高，大概可以得出小說(shuō)主要圍繞這些人物展開故事。

圖1 《三國(guó)演義》前20 個(gè)高頻詞統(tǒng)計(jì)

具體代碼如下：

print(items[i][0],items[i][1]) #輸出詞和出現(xiàn)次數(shù)

其次在jieba 分詞的基礎(chǔ)上應(yīng)用imageio 庫(kù)和Wordcloud 庫(kù)生成詞云，具體如圖2所示，通過文字大小決定詞語(yǔ)頻率，詞云可以將小說(shuō)出現(xiàn)頻率較高的主要詞語(yǔ)直觀呈現(xiàn)出來(lái)。

圖2 《三國(guó)演義》詞云

具體代碼如下：

3.2 用圖表將數(shù)據(jù)可視化

3.2.1 數(shù)據(jù)采集與整理

此處的數(shù)據(jù)采集基于以上網(wǎng)絡(luò)采集的文本，具體步驟是根據(jù)上面jieba 分詞統(tǒng)計(jì)的高頻詞，刪除與人物無(wú)關(guān)的高頻詞匯，只保留人物詞匯，將詞匯與頻次統(tǒng)計(jì)整理在數(shù)據(jù)表格文件中并保存為csv 文件，放在指定文件夾中。

3.2.2 數(shù)據(jù)分析與可視化

為清晰顯示每個(gè)高頻人物詞出現(xiàn)的數(shù)量，選擇對(duì)比分析法，生成柱狀圖，從而直觀地展示小說(shuō)中出現(xiàn)頻率較高的七位人物的頻次差距，從圖3 得出頻率較高的七位三國(guó)人物是曹操、孔明、劉備、關(guān)羽、張飛、呂布、趙云，出現(xiàn)頻次分別為1 451、1 383、1 252、784、358、300、278。

圖3 《三國(guó)演義》前七位高頻人物出現(xiàn)的頻次

具體代碼如下：

4 結(jié)論

Python作為眾多數(shù)據(jù)可視化呈現(xiàn)的工具之一，有簡(jiǎn)潔實(shí)用等多種優(yōu)勢(shì)，作為三大主力編程語(yǔ)言榜首的Python，除了應(yīng)用領(lǐng)域廣泛外，相較其他數(shù)據(jù)可視化軟件或語(yǔ)言，既能用圖表實(shí)現(xiàn)數(shù)值數(shù)據(jù)可視化，也能生成詞云實(shí)現(xiàn)文本數(shù)據(jù)可視化，這是Python實(shí)現(xiàn)數(shù)據(jù)可視化或者數(shù)據(jù)分析的獨(dú)特優(yōu)勢(shì)，也是本文探索的價(jià)值所在，Python 的前景優(yōu)勢(shì)可歸納為以下三點(diǎn)。

4.1 Python 應(yīng)用領(lǐng)域廣泛

在爬蟲、數(shù)據(jù)分析、機(jī)器學(xué)習(xí)等模塊，Python具有巨大的潛力，強(qiáng)大的第三方庫(kù)賦予Python 更多的應(yīng)用領(lǐng)域，其中pandas、NumPy、 SciPy 等用于數(shù)據(jù)分析，Matplotlib 用于作圖，sklearn 用于機(jī)器學(xué)習(xí)，PyBrain 用于神經(jīng)網(wǎng)絡(luò)，PyGame 用于多媒體開發(fā)和游戲軟件開發(fā)，webpy 用于搭建Web 框架等。

4.2 學(xué)會(huì)Python 就業(yè)前景良好

Python 入門簡(jiǎn)單易學(xué)，從事Python 開發(fā)，工作機(jī)會(huì)很多，未來(lái)發(fā)展空間也很大，在數(shù)據(jù)科學(xué)、人工智能、網(wǎng)絡(luò)爬蟲、游戲開發(fā)和桌面應(yīng)用開發(fā)等方面，相關(guān)職位種類逐漸增多，如Python 數(shù)據(jù)分析師、人工智能工程師、爬蟲開發(fā)工程師、游戲軟件開發(fā)工程師等。

4.3 Python 用戶體驗(yàn)更好

未來(lái)Python 將會(huì)在功能應(yīng)用方面更快更高更強(qiáng)，Python 本身就是一個(gè)很實(shí)用的編程軟件，其標(biāo)準(zhǔn)庫(kù)和第三方庫(kù)非常強(qiáng)大，任何方向的技術(shù)編程都能找到相應(yīng)的支持庫(kù)，眾多開發(fā)公司將它作為開發(fā)語(yǔ)言。近幾年P(guān)yPy 解釋器在不斷加快Python 的運(yùn)行速度，相信再過幾年P(guān)ython 在運(yùn)行速度和開發(fā)效率方面將有很大的提升。