一文教會你pandas?plot各種繪圖
更新時間：2022年03月04日 11:23:03 作者：Buckletime
這篇文章主要給大家介紹了關(guān)于pandas?plot各種繪圖的相關(guān)資料,文中通過圖文以及實例代碼介紹的非常詳細,對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下
一、介紹
使用pandas.DataFrame的plot方法繪制圖像會按照數(shù)據(jù)的每一列繪制一條曲線，默認按照列columns的名稱在適當?shù)奈恢谜故緢D例，比matplotlib繪制節(jié)省時間，且DataFrame格式的數(shù)據(jù)更規(guī)范，方便向量化及計算。
DataFrame.plot( )函數(shù)：
DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False,
sharex=None, sharey=False, layout=None, figsize=None,
use_index=True, title=None, grid=None, legend=True,
style=None, logx=False, logy=False, loglog=False,
xticks=None, yticks=None, xlim=None, ylim=None, rot=None,
fontsize=None, colormap=None, position=0.5, table=False, yerr=None,
xerr=None, stacked=True/False, sort_columns=False,
secondary_y=False, mark_right=True, **kwds)
1.1 參數(shù)介紹
- x和y：表示標簽或者位置，用來指定顯示的索引，默認為None
- kind：表示繪圖的類型，默認為line，折線圖
- line：折線圖
- bar/barh：柱狀圖（條形圖），縱向/橫向
- pie：餅狀圖
- hist：直方圖（數(shù)值頻率分布）
- box：箱型圖
- kde：密度圖，主要對柱狀圖添加Kernel 概率密度線
- area：區(qū)域圖（面積圖）
- scatter：散點圖
- hexbin：蜂巢圖
- ax：子圖，可以理解成第二坐標軸，默認None
- subplots：是否對列分別作子圖，默認False
- sharex：共享x軸刻度、標簽。如果ax為None，則默認為True，如果傳入ax，則默認為False
- sharey：共享y軸刻度、標簽
- layout：子圖的行列布局，(rows, columns)
- figsize：圖形尺寸大小，(width, height)
- use_index：用索引做x軸，默認True
- title：圖形的標題
- grid：圖形是否有網(wǎng)格，默認None
- legend：子圖的圖例
- style：對每列折線圖設(shè)置線的類型，list or dict
- logx：設(shè)置x軸刻度是否取對數(shù)，默認False
- logy
- loglog：同時設(shè)置x，y軸刻度是否取對數(shù)，默認False
- xticks：設(shè)置x軸刻度值，序列形式（比如列表）
- yticks
- xlim：設(shè)置坐標軸的范圍。數(shù)值，列表或元組（區(qū)間范圍）
- ylim
- rot：軸標簽（軸刻度）的顯示旋轉(zhuǎn)度數(shù)，默認None
- fontsize : int, default None#設(shè)置軸刻度的字體大小
- colormap：設(shè)置圖的區(qū)域顏色
- colorbar：柱子顏色
- position：柱形圖的對齊方式，取值范圍[0,1]，默認0.5（中間對齊）
- table：圖下添加表，默認False。若為True，則使用DataFrame中的數(shù)據(jù)繪制表格
- yerr：誤差線
- xerr
- stacked：是否堆積，在折線圖和柱狀圖中默認為False，在區(qū)域圖中默認為True
- sort_columns：對列名稱進行排序，默認為False
- secondary_y：設(shè)置第二個y軸（右輔助y軸），默認為False
- mark_right : 當使用secondary_y軸時，在圖例中自動用“(right)”標記列標簽 ，默認True
- x_compat：適配x軸刻度顯示，默認為False。設(shè)置True可優(yōu)化時間刻度的顯示
1.2 其他常用說明
- color：顏色
- s：散點圖大小，int類型
- 設(shè)置x,y軸名稱
- ax.set_ylabel(‘yyy’)
- ax.set_xlabel(‘xxx’)
二、舉例說明
2.1 折線圖 line
1. 基本用法
ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))
ts = ts.cumsum()
ts.plot();
2. 展示多列數(shù)據(jù)
df = pd.DataFrame(np.random.randn(1000, 4), index=pd.date_range("1/1/2000", periods=1000), columns=list("ABCD"))
df = df.cumsum()
df.plot()
3. 使用x和y參數(shù)，繪制一列與另一列的對比
df3 = pd.DataFrame(np.random.randn(1000, 2), columns=["B", "C"]).cumsum() df3["A"] = pd.Series(list(range(1000))) df3.plot(x="A", y="B")
4. secondary_y參數(shù)，設(shè)置第二Y軸及圖例位置
ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))
df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list('ABCD'))
df = df.cumsum()
print(df)
# 圖1：其中A列用左Y軸標注，B列用右Y軸標注，二者共用一個X軸
df.A.plot() # 對A列作圖，同理可對行做圖
df.B.plot(secondary_y=True) # 設(shè)置第二個y軸（右y軸）
# 圖2
ax = df.plot(secondary_y=['A', 'B']) # 定義column A B使用右Y軸。
# ax（axes）可以理解為子圖，也可以理解成對黑板進行切分，每一個板塊就是一個axes
ax.set_ylabel('CD scale') # 主y軸標簽
ax.right_ax.set_ylabel('AB scale') # 第二y軸標簽
ax.legend(loc='upper left') # 設(shè)置圖例的位置
ax.right_ax.legend(loc='upper right') # 設(shè)置第二圖例的位置
5. x_compat參數(shù)，X軸為時間刻度的良好展示
ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))
ts = ts.cumsum()
ts.plot(x_compat=True)
6. color參數(shù)，設(shè)置多組圖形的顏色
df = pd.DataFrame(np.random.randn(1000, 4), index=pd.date_range('1/1/2000', periods=1000),
columns=list('ABCD')).cumsum()
df.A.plot(color='red')
df.B.plot(color='blue')
df.C.plot(color='yellow')
2.2 條型圖 bar
DataFrame.plot.bar() 或者 DataFrame.plot(kind=‘bar’)
1. 基本用法
df2 = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"]) df2.plot.bar()
2. 參數(shù)stacked=True，生成堆積條形圖
df2.plot.bar(stacked=True)
3. 使用barh，生成水平條形圖
df2.plot.barh()
4. 使用rot參數(shù)，設(shè)置軸刻度的顯示旋轉(zhuǎn)度數(shù)
df2.plot.bar(rot=0) # 0表示水平顯示
2.3 直方圖 hist
1. 基本使用
df3 = pd.DataFrame(
{
"a": np.random.randn(1000) + 1,
"b": np.random.randn(1000),
"c": np.random.randn(1000) - 1,
},
columns=["a", "b", "c"],
)
# alpha設(shè)置透明度
df3.plot.hist(alpha=0.5)
# 設(shè)置坐標軸顯示負號
plt.rcParams['axes.unicode_minus']=False
2. 直方圖可以使用堆疊，stacked=True?？梢允褂脜?shù) bins 更改素材箱大小
df3.plot.hist(alpha=0.5,stacked=True, bins=20)
3. 可以使用參數(shù) by 指定關(guān)鍵字來繪制分組直方圖
data = pd.Series(np.random.randn(1000)) data.hist(by=np.random.randint(0, 4, 1000), figsize=(6, 4))
2.4 箱型圖 box
箱型圖，用來可視化每列中值的分布
.1. 基本使用
示例：這里有一個箱形圖，代表對[0，1]上的均勻隨機變量的10個觀察結(jié)果進行的五次試驗。
df = pd.DataFrame(np.random.rand(10, 5), columns=["A", "B", "C", "D", "E"]) df.plot.box();
2. 箱型圖可以通過參數(shù) color 進行著色
color是dict類型，包含的鍵分別是 boxes, whiskers, medians and caps
color = {
"boxes": "DarkGreen",
"whiskers": "DarkOrange",
"medians": "DarkBlue",
"caps": "Gray",
}
df.plot.box(color=color, sym="r+")
3. 可以使用參數(shù) vert=False，指定水平方向顯示，默認為True表示垂直顯示
df.plot.box(vert=False)
4. 可以使用boxplot()方法，繪制帶有網(wǎng)格的箱型圖
df = pd.DataFrame(np.random.rand(10, 5)) bp = df.boxplot()
5. 可以使用參數(shù) by 指定關(guān)鍵字來繪制分組箱型圖
df = pd.DataFrame(np.random.rand(10, 2), columns=["Col1", "Col2"]) df["X"] = pd.Series(["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"]) bp = df.boxplot(by="X")
6. 可以使用多個列進行分組
df = pd.DataFrame(np.random.rand(10, 3), columns=["Col1", "Col2", "Col3"]) df["X"] = pd.Series(["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"]) df["Y"] = pd.Series(["A", "B", "A", "B", "A", "B", "A", "B", "A", "B"]) bp = df.boxplot(column=["Col1", "Col2"], by=["X", "Y"])
2.5 區(qū)域圖 area
默認情況下，區(qū)域圖為堆疊。要生成區(qū)域圖，每列必須全部為正值或全部為負值。
1. 基本使用
df = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"]) df.plot.area()
2.6 散點圖 scatter
散點圖需要x和y軸的數(shù)字列。 這些可以由x和y關(guān)鍵字指定。
1. 基本使用
df = pd.DataFrame(np.random.rand(50, 4), columns=["a", "b", "c", "d"])
df["species"] = pd.Categorical(
["setosa"] * 20 + ["versicolor"] * 20 + ["virginica"] * 10
)
df.plot.scatter(x="a", y="b")
2. 可以使用 參數(shù) ax 和 label 設(shè)置多組數(shù)據(jù)
ax = df.plot.scatter(x="a", y="b", color="DarkBlue", label="Group 1") df.plot.scatter(x="c", y="d", color="DarkGreen", label="Group 2", ax=ax)
3. 使用參數(shù) c 可以作為列的名稱來為每個點提供顏色，參數(shù)s可以指定散點大小
df.plot.scatter(x="a", y="b", c="c", s=50)
4. 如果將一個分類列傳遞給c，那么將產(chǎn)生一個離散的顏色條
df.plot.scatter(x="a", y="b", c="species", cmap="viridis", s=50)
5. 可以使用DataFrame的一列值作為散點的大小
df.plot.scatter(x="a", y="b", s=df["c"] * 200)
2.7 蜂巢圖 hexbin
如果數(shù)據(jù)過于密集而無法單獨繪制每個點，則 蜂巢圖可能是散點圖的有用替代方法。
df = pd.DataFrame(np.random.randn(1000, 2), columns=["a", "b"]) df["b"] = df["b"] + np.arange(1000) df.plot.hexbin(x="a", y="b", gridsize=25)
2.8 餅型圖 pie
如果您的數(shù)據(jù)包含任何NaN，則它們將自動填充為0。 如果數(shù)據(jù)中有任何負數(shù)，則會引發(fā)ValueError
1. 基本使用
series = pd.Series(3 * np.random.rand(4), index=["a", "b", "c", "d"], name="series") series.plot.pie(figsize=(6, 6))
2. 如果指定subplot =True，則將每個列的餅圖繪制為子圖。 默認情況下，每個餅圖中都會繪制一個圖例; 指定legend=False隱藏它。
df = pd.DataFrame(
3 * np.random.rand(4, 2), index=["a", "b", "c", "d"], columns=["x", "y"]
)
df.plot.pie(subplots=True, figsize=(8, 4))
3. autopct 顯示所占總數(shù)的百分比
series.plot.pie(
labels=["AA", "BB", "CC", "DD"],
colors=["r", "g", "b", "c"],
autopct="%.2f",
fontsize=20,
figsize=(6, 6),
)
三、其他格式
3.1 設(shè)置顯示中文標題
df = pd.DataFrame(np.random.rand(5, 3), columns=["a", "b", "c"]) df.plot.bar(title='中文標題測試',rot=0) # 默認不支持中文 ---修改RC參數(shù)，指定字體 plt.rcParams['font.sans-serif'] = 'SimHei'
3.2 設(shè)置坐標軸顯示負號
df3 = pd.DataFrame(
{
"a": np.random.randn(1000) + 1,
"b": np.random.randn(1000),
"c": np.random.randn(1000) - 1,
},
columns=["a", "b", "c"],
)
df3.plot.hist(alpha=0.5)
# 設(shè)置坐標軸顯示負號
plt.rcParams['axes.unicode_minus']=False
3.3 使用誤差線 yerr 進行繪圖
示例1：使用與原始數(shù)據(jù)的標準偏繪制組均值
ix3 = pd.MultiIndex.from_arrays([['a', 'a', 'a', 'a', 'b', 'b', 'b', 'b'], ['foo', 'foo', 'bar', 'bar', 'foo', 'foo', 'bar', 'bar']], names=['letter', 'word'])
df3 = pd.DataFrame({'data1': [3, 2, 4, 3, 2, 4, 3, 2], 'data2': [6, 5, 7, 5, 4, 5, 6, 5]}, index=ix3)
# 分組
gp3 = df3.groupby(level=('letter', 'word'))
means = gp3.mean()
errors = gp3.std()
means.plot.bar(yerr=errors,rot=0)
示例2：使用非對稱誤差線繪制最小/最大范圍
mins = gp3.min() maxs = gp3.max() errors = [[means[c] - mins[c], maxs[c] - means[c]] for c in df3.columns] means.plot.bar(yerr=errors,capsize=4, rot=0)
3.4 使用 layout 將目標分成多個子圖
df = pd.DataFrame(np.random.randn(1000, 4), index=pd.date_range("1/1/2000", periods=1000), columns=list("ABCD"))
df = df.cumsum()
df.plot(subplots=True, layout=(2, 3), figsize=(6, 6), sharex=False)
3.5 使用 table 繪制表，上圖下表
使用 table=True，繪制表格。圖下添加表
fig, ax = plt.subplots(1, 1, figsize=(7, 6.5)) df = pd.DataFrame(np.random.rand(5, 3), columns=["a", "b", "c"]) ax.xaxis.tick_top() # 在上方展示x軸 df.plot(table=True, ax=ax)
3.6 使用 colormap 設(shè)置圖的區(qū)域顏色
在繪制大量列時，一個潛在的問題是，由于默認顏色的重復，很難區(qū)分某些序列。 為了解決這個問題，DataFrame繪圖支持使用colormap參數(shù)，該參數(shù)接受Matplotlib的colormap或一個字符串，該字符串是在Matplotlib中注冊的一個colormap的名稱。 在這里可以看到默認matplotlib顏色映射的可視化。
df = pd.DataFrame(np.random.randn(1000, 10), index=pd.date_range("1/1/2000", periods=1000))
df = df.cumsum()
df.plot(colormap="cubehelix")
參考文章：http://www.dbjr.com.cn/article/188648.htm
總結(jié)
到此這篇關(guān)于pandas plot各種繪圖的文章就介紹到這了,更多相關(guān)pandas plot各種繪圖內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
Python內(nèi)置模塊Collections的使用教程詳解
collections 是 Python 的一個內(nèi)置模塊，所謂內(nèi)置模塊的意思是指 Python 內(nèi)部封裝好的模塊，無需安裝即可直接使用。本文將詳解介紹Collections的使用方式，需要的可以參考一下2022-03-03![matplotlib之Font family [‘sans-serif‘] not found的問題解決](http://img.jbzj.com/images/xgimg/bcimg1.png)
matplotlib之Font family [‘sans-serif‘] not&nbs
本文主要介紹了matplotlib之Font family [‘sans-serif‘] not found的問題解決，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2023-03-03
這篇文章主要為大家詳細介紹了python獲取服務(wù)器硬件信息的相關(guān)代碼，具有一定的參考價值，感興趣的小伙伴們可以參考一下2017-05-05
這篇文章主要介紹了python編程“羊車門”問題代碼示例，初步接觸，僅供參考。不足之處，歡迎指出。2017-10-10
這篇文章主要介紹了python numpy實現(xiàn)文件存取的示例代碼，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-05-05
2023巨詳細的Python安裝庫教程(以pycharm和Anaconda安裝pygame為例)
這篇文章主要給大家介紹了巨詳細的Python安裝庫教程,文中以pycharm和Anaconda安裝pygame為例,通過圖文介紹的非常詳細,需要的朋友可以參考下2024-01-01
Python使用PyMongo4.x操作MongoDB的教程分享
PyMongo是一個Python編程語言中用于連接和操作MongoDB數(shù)據(jù)庫的庫,它提供了豐富的功能和API,使開發(fā)者能夠在Python中輕松地進行MongoDB的數(shù)據(jù)交互和管理,本文給大家總結(jié)了Python如何使用PyMongo4.x操作MongoDB,需要的朋友可以參考下2023-09-09
這篇文章主要為大家詳細介紹了python多進程實現(xiàn)文件下載傳輸功能，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-07-07
這篇文章主要為大家詳細介紹了python實現(xiàn)點對點聊天程序，具有一定的參考價值，感興趣的小伙伴們可以參考一下2018-07-07
大家好，本篇文章主要講的是Python?selenium把歌詞評論做成詞云圖，感興趣的同學趕快來看一看吧，對你有幫助的話記得收藏一下2022-01-01