快捷導(dǎo)航

Pandas繪圖函數(shù)超詳細(xì)講解

更新時(shí)間：2022年12月20日 17:13:22 作者：微小冷

matplotlib要組裝一張圖表，需要的各個(gè)基礎(chǔ)組件對(duì)象。相對(duì)工作量較大，但在pandas中我們有行標(biāo)簽和列標(biāo)簽以及分組信息。原本制作一張圖表需要一大堆matplotlib代碼。在pandas中只需要一兩條代碼就可以了，今天記錄一下，pandas中常見的幾個(gè)繪制圖表的方法

簡(jiǎn)介

method	繪圖類別	method	繪圖類別
`'line'`	折線圖[默認(rèn)使用]	`'area'`	堆疊面積圖
`'bar'`	縱向條形圖	`'barh'`	橫向條形圖
`'kde'`	概率分布圖	`'density'`	概率分布圖
`'box'`	箱線圖	`'hist'`	數(shù)據(jù)直方圖
`'pie'`	餅圖
`'scatter'`	散點(diǎn)圖	`'hexbin'`	六角拼接圖

其中scatter和hexbin只適用于數(shù)據(jù)幀，即DataFrame格式。所謂DataFrame，即數(shù)據(jù)幀，可以理解為一個(gè)表格，如果不考慮表頭的話，這個(gè)表格就是多維數(shù)組。

對(duì)于這些圖像類別，也可以調(diào)用專門封裝成的函數(shù)進(jìn)行繪制，例如針對(duì)下面這組數(shù)據(jù)

import matplotlib.pyplot as plt
import pandas as pd
s = pd.Series([1, 2, 2.5, 3, 3.5, 4, 5])

s.plot.kde()完全等價(jià)于s.plot(kind='kde')。

接下來逐個(gè)展示這些圖表

條形圖

pandas中提供橫向和縱向兩種條形圖。

import numpy as np
df = pd.DataFrame(np.random.rand(10,5),
    columns=['a','b','c','d','e'])
df.plot.bar(title="bar")
df.plot.barh(title="barh", stacked=True)
plt.show()

barbarh

折線圖

df.plot.line(title="line")
df.plot.area(title="area")
plt.show()

linearea

箱線圖

箱形圖（Box-plot）又稱為盒須圖、盒式圖或箱線圖，是一種用作顯示一組數(shù)據(jù)分散情況資料的統(tǒng)計(jì)圖。因形狀如箱子而得名。在各種領(lǐng)域也經(jīng)常被使用，常見于品質(zhì)管理。它主要用于反映原始數(shù)據(jù)分布的特征，還可以進(jìn)行多組數(shù)據(jù)分布特征的比較。箱線圖的繪制方法是：先找出一組數(shù)據(jù)的上邊緣、下邊緣、中位數(shù)和兩個(gè)四分位數(shù)；然后，連接兩個(gè)四分位數(shù)畫出箱體；再將上邊緣和下邊緣與箱體相連接，中位數(shù)在箱體中間。

df.plot.box(title='box')
df.plot.kde(title='kde')
plt.show()

boxkde

直方圖

hist為數(shù)據(jù)直方圖，多條數(shù)據(jù)放在一起容易混淆，可以設(shè)置透明度alpha。下面對(duì)高斯分布的散點(diǎn)進(jìn)行繪制，分別繪制其數(shù)據(jù)直方圖和概率密度圖，可以看出二者之間的關(guān)聯(lián)性。

rdNormal = np.random.normal
rand = np.random.rand
df = pd.DataFrame({
    i : rdNormal(i,rand(),size=(1000)) for i in range(3)})
df.plot.hist(title='box', bins=30, alpha=0.5)
df.plot.density(title='density')
plt.show()

histdensity

餅圖

餅圖對(duì)輸入數(shù)據(jù)有一定的限制，即不允許出現(xiàn)負(fù)值，故在繪制之前，將df所有值取絕對(duì)值，且不支持多組數(shù)據(jù)在一個(gè)圖中繪制，故而需要開啟subplot選項(xiàng)

df = pd.DataFrame(np.random.rand(5,3),columns=list('abc'),index=list("ABCDE"))
df.plot.pie(title='pie', subplots=True)
plt.show()

當(dāng)然，這個(gè)subplots選項(xiàng)是任何一種圖像都可以使用的參數(shù)。

散點(diǎn)圖和六邊形分箱圖

散點(diǎn)圖是只有數(shù)據(jù)幀可以調(diào)用的繪圖方法，共有兩類，分別是scatter和hexbin，前者是普通的散點(diǎn)圖，后者是六邊形分箱圖，本質(zhì)上是一種二維的數(shù)據(jù)直方圖。

rdNormal = np.random.normal
rand = np.random.rand
keys = ['x', 'y', 'c']
datas = {
    keys[i] : rdNormal(i,rand(),size=(1000)) for i in [0,1,2]
}
df = pd.DataFrame(datas)
df.plot.scatter(x='x', y='y', c='c')
df.plot.hexbin(x='x', y='y', gridsize=10)
plt.show()

scatter