快捷導(dǎo)航

Python數(shù)據(jù)分析:手把手教你用Pandas生成可視化圖表的教程

更新時(shí)間：2018年12月15日 12:21:20 作者：刺客五六柒

今天小編就為大家分享一篇Python數(shù)據(jù)分析:手把手教你用Pandas生成可視化圖表的教程，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧

大家都知道，Matplotlib 是眾多 Python 可視化包的鼻祖，也是Python最常用的標(biāo)準(zhǔn)可視化庫(kù)，其功能非常強(qiáng)大，同時(shí)也非常復(fù)雜，想要搞明白并非易事。但自從Python進(jìn)入3.0時(shí)代以后，pandas的使用變得更加普及，它的身影經(jīng)常見(jiàn)于市場(chǎng)分析、爬蟲(chóng)、金融分析以及科學(xué)計(jì)算中。

作為數(shù)據(jù)分析工具的集大成者，pandas作者曾說(shuō)，pandas中的可視化功能比plt更加簡(jiǎn)便和功能強(qiáng)大。實(shí)際上，如果是對(duì)圖表細(xì)節(jié)有極高要求，那么建議大家使用matplotlib通過(guò)底層圖表模塊進(jìn)行編碼。當(dāng)然，我們大部分人在工作中是不會(huì)有這樣變態(tài)的要求的，所以一句import pandas as pd就足夠應(yīng)付全部的可視化工作了。

下面，我們總結(jié)一下PD庫(kù)的一些使用方法和入門技巧。

一、線型圖

對(duì)于pandas的內(nèi)置數(shù)據(jù)類型，Series 和 DataFrame 都有一個(gè)用于生成各類圖表的 plot 方法。默認(rèn)情況下，它們所生成的是線型圖。其實(shí)Series和DataFrame上的這個(gè)功能只是使用matplotlib庫(kù)的plot()方法的簡(jiǎn)單包裝實(shí)現(xiàn)。參考以下示例代碼 -

import pandas as pd
import numpy as np
 
df = pd.DataFrame(np.random.randn(10,4),index=pd.date_range('2018/12/18',
 periods=10), columns=list('ABCD'))
 
df.plot()

執(zhí)行上面示例代碼，得到以下結(jié)果 -

Pandas生成可視化圖表

如果索引由日期組成，則調(diào)用gct().autofmt_xdate()來(lái)格式化x軸，如上圖所示。

我們可以使用x和y關(guān)鍵字繪制一列與另一列。

s = Series( np. random. randn( 10). cumsum(), index= np. arange( 0, 100, 10))
s. plot()

Pandas生成可視化圖表

pandas 的大部分繪圖方法都有一個(gè) 可選的ax參數(shù)，它可以是一個(gè) matplotlib 的 subplot 對(duì)象。這使你能夠在網(wǎng)格布局中更為靈活地處理 subplot 的位置。 DataFrame的plot 方法會(huì)在一個(gè) subplot 中為各列繪制一條線，并自動(dòng)創(chuàng)建圖例（如圖所示）：

df = DataFrame( np. random. randn( 10, 4). cumsum( 0), ...: columns=[' A', 'B', 'C', 'D'], index= np. arange( 0, 100, 10)) 
 
df. plot()

Pandas生成可視化圖表

二、柱狀圖

在生成線型圖的代碼中加上 kind=' bar'（垂直柱狀圖）或 kind=' barh'（水平柱狀圖）即可生成柱狀圖。這時(shí)，Series 和 DataFrame 的索引將會(huì)被用作 X（ bar）或（barh）刻度：

In [59]: fig, axes = plt. subplots( 2, 1) 
 
In [60]: data = Series( np. random. rand( 16), index= list(' abcdefghijklmnop')) 
 
In [61]: data. plot( kind=' bar', ax= axes[ 0], color=' k', alpha= 0. 7) 
 
Out[ 61]: < matplotlib. axes. AxesSubplot at 0x4ee7750> 
 
In [62]: data. plot( kind=' barh', ax= axes[ 1], color=' k', alpha= 0.

對(duì)于 DataFrame，柱狀圖會(huì) 將每一行的值分為一組，如圖 8- 16 所示：

In [63]: df = DataFrame( np. random. rand( 6, 4), ...: index=[' one', 'two', 'three', 'four', 'five', 'six'], ...: columns= pd. Index([' A', 'B', 'C', 'D'], name=' Genus')) 
 
In [64]: df 
 
Out[ 64]: 
 
Genus 
 
   A   B   C   D 
one 0. 301686 0. 156333 0. 371943 0. 270731 
two 0. 750589 0. 525587 0. 689429 0. 358974 
three 0. 381504 0. 667707 0. 473772 0. 632528 
four 0. 942408 0. 180186 0. 708284 0. 641783 
five 0. 840278 0. 909589 0. 010041 0. 653207 
six 0. 062854 0. 589813 0. 811318 0. 060217 
 
In [65]: df. plot( kind=' bar')

Pandas生成可視化圖表

三、條形圖

現(xiàn)在通過(guò)創(chuàng)建一個(gè)條形圖來(lái)看看條形圖是什么。條形圖可以通過(guò)以下方式來(lái)創(chuàng)建 -

import pandas as pd
import numpy as np
 
df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d'])
df.plot.bar()

執(zhí)行上面示例代碼，得到以下結(jié)果 -

Pandas生成可視化圖表

要生成一個(gè)堆積條形圖，通過(guò)指定：pass stacked=True -

import pandas as pd
df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d'])
df.plot.bar(stacked=True)

執(zhí)行上面示例代碼，得到以下結(jié)果 -

Pandas生成可視化圖表

要獲得水平條形圖，使用barh()方法 -

import pandas as pd
import numpy as np
 
df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d'])
 
df.plot.barh(stacked=True)

四、直方圖

可以使用plot.hist()方法繪制直方圖。我們可以指定bins的數(shù)量值。

import pandas as pd
import numpy as np
 
df = pd.DataFrame({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),'c':
np.random.randn(1000) - 1}, columns=['a', 'b', 'c'])
 
df.plot.hist(bins=20)

執(zhí)行上面示例代碼，得到以下結(jié)果 -

Pandas生成可視化圖表

要為每列繪制不同的直方圖，請(qǐng)使用以下代碼 -

import pandas as pd
import numpy as np
 
df=pd.DataFrame({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),'c':
np.random.randn(1000) - 1}, columns=['a', 'b', 'c'])
 
df.hist(bins=20)

執(zhí)行上面示例代碼，得到以下結(jié)果 -

Pandas生成可視化圖表

五、箱型圖

Boxplot可以繪制調(diào)用Series.box.plot()和DataFrame.box.plot()或DataFrame.boxplot()來(lái)可視化每列中值的分布。

例如，這里是一個(gè)箱形圖，表示對(duì)[0,1)上的統(tǒng)一隨機(jī)變量的10次觀察的五次試驗(yàn)。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(10, 5), columns=['A', 'B', 'C', 'D', 'E'])
df.plot.box()

執(zhí)行上面示例代碼，得到以下結(jié)果 -

Pandas生成可視化圖表

六、塊型圖

可以使用Series.plot.area()或DataFrame.plot.area()方法創(chuàng)建區(qū)域圖形。

import pandas as pd
import numpy as np
 
df = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
df.plot.area()

執(zhí)行上面示例代碼，得到以下結(jié)果 -

Pandas生成可視化圖表

七、散點(diǎn)圖

可以使用DataFrame.plot.scatter()方法創(chuàng)建散點(diǎn)圖。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd'])
df.plot.scatter(x='a', y='b')

執(zhí)行上面示例代碼，得到以下結(jié)果 -

Pandas生成可視化圖表

八、餅狀圖

餅狀圖可以使用DataFrame.plot.pie()方法創(chuàng)建。

import pandas as pd
import numpy as np
 
df = pd.DataFrame(3 * np.random.rand(4), index=['a', 'b', 'c', 'd'], columns=['x'])
df.plot.pie(subplots=True)

執(zhí)行上面示例代碼，得到以下結(jié)果 -

Pandas生成可視化圖表