將數據可視化

  • 6 分鐘

分析資料查詢結果最直覺的方式之一，就是以圖表形式視覺化。 Azure Databricks 中的筆記本會在使用者介面中提供圖表功能，而且當該功能未提供您需要的內容時，您可以使用其中一個 Python 圖形連結庫在筆記本中建立及顯示數據視覺效果。

使用內建筆記本圖表

當您在 Azure Databricks 的 Spark 筆記本中顯示數據框架或執行 SQL 查詢時，結果會顯示在程式碼數據格底下。 根據預設，結果會轉譯為數據表，但您也可以將結果檢視為視覺效果，並自定義圖表顯示數據的方式，如下所示：

筆記本的螢幕快照，其中顯示依類別顯示產品計數的視覺效果。

視覺化類型

這些是您可以在 Databricks 中建立的不同視覺效果類型，每種視覺效果都適用於特定類型的資料深入解析。 重點︰

  • 長條圖/折線圖/面積圖：用於顯示一段時間內的趨勢、分類比較或兩者。 有助於查看指標如何演變。

  • 圓形圖：適合顯示整體的比例部分（但不適用於時間序列）。

  • 直方圖：查看數值資料的分佈 （值如何分佈、聚類）。

  • 熱圖：可用於可視化兩個分類軸並按數值著色，有助於查看跨組的模式。

  • 散佈圖/氣泡圖：顯示兩個（或多個）數值變數之間的關係;氣泡允許使用大小或顏色作為第三維度。

  • 箱形圖：比較不同類別的分佈（分佈、四分位數、異常值）。

  • 組合圖：同一圖表中折線和長條的混合，在您想要比較不同尺度的不同指標時很有用。

  • 樞紐分析表：可讓您以表格形式（如 SQL PIVOT/GROUP BY）重塑和彙總資料，有助於跨表分析。

  • 特殊類型：世代分析 (在一段時間內追蹤群組)、計數器顯示 (醒目提示單一摘要計量、可能針對目標)、漏斗圖、地圖視覺效果 (分區著色圖、標記)、文字雲等等。這些更加特殊化。

當您想要以可視化方式快速摘要數據時，筆記本中的內建視覺效果功能很有用。 當您想要更充分掌控數據格式化方式，或顯示已在查詢中匯總的值時，您應該考慮使用圖形套件來建立自己的視覺效果。

在程式碼中使用圖形套件

有許多圖形套件可用來在程式碼中建立資料視覺效果。 特別是，Python 支援大量的套件選擇;大部分都建置在基底 Matplotlib 連結庫上。 圖形庫的輸出可以在筆記本中轉譯，方便結合用來擷取和操作資料的程式碼與內嵌資料視覺效果和 Markdown 資料格，以提供註解。

例如，您可以使用下列 PySpark 程式碼，從先前在本課程模組中探索的假設產品資料彙總資料，並使用 Matplotlib 從彙總的資料建立圖表。

from matplotlib import pyplot as plt

# Get the data as a Pandas dataframe
data = spark.sql("SELECT Category, COUNT(ProductID) AS ProductCount \
                  FROM products \
                  GROUP BY Category \
                  ORDER BY Category").toPandas()

# Clear the plot area
plt.clf()

# Create a Figure
fig = plt.figure(figsize=(12,8))

# Create a bar plot of product counts by category
plt.bar(x=data['Category'], height=data['ProductCount'], color='orange')

# Customize the chart
plt.title('Product Counts by Category')
plt.xlabel('Category')
plt.ylabel('Products')
plt.grid(color='#95a5a6', linestyle='--', linewidth=2, axis='y', alpha=0.7)
plt.xticks(rotation=70)

# Show the plot area
plt.show()

Matplotlib 連結庫需要數據位於 Pandas 數據框架而非 Spark 數據框架中，因此 toPandas 方法會用來轉換它。 接著程式碼會建立具有指定大小的圖表，並用一些自訂屬性設定繪製橫條圖，再顯示繪圖結果。

程式碼所產生的圖表看起來會類似下圖：

條形圖，依類別顯示產品計數。

您可以使用 Matplotlib 連結庫來建立多種圖表;或者，如果您想要的話，您可以使用 Seaborn 等其他連結庫來建立高度自定義的圖表。

備註

根據叢集的 Databricks 執行環境，Matplotlib 和 Seaborn 庫可能已經安裝在 Databricks 叢集上。 如果沒有，或者如果您想要使用尚未安裝的其他程式庫，您可以將它新增至叢集。 如需詳細資訊，請參閱 Azure Databricks 檔中的 叢集連結庫 。