Pandas系列（十二）-可視化詳解

目錄

• 1. 折線圖
• 2. 柱狀圖
• 3. 直方圖
• 4. 箱線圖
• 5. 區域圖
• 6. 散點圖
• 7. 餅圖六邊形容器圖

　　數據分析的結果不僅僅只是你來看的，更多的時候是給需求方或者老板來看的，為了更直觀地看出結果，

　　數據可視化是必不可少的一個環節。這里帶大家來看下一些常用的圖形的畫法。

　　數據准備

# 導入相關庫
import numpy as np
import pandas as pd

import matplotlib.pyplot as plt
import matplotlib
# matplotlib.style.use("ggplot")
%matplotlib inline #總結：%matplotlib inline 可以在Ipython編譯器里直接使用，功能是可以內嵌繪圖，並且可以省略掉plt.show()這一步。

np.random.seed(100)

Pandas 的數據可視化的實現底層依賴於 matplotlib，所以畫圖時很多基礎知識需要涉及到 matplotlib。
畫圖其實就是跟各種數字打交道，這里我們先給偽造一些數據。

df = pd.DataFrame(np.random.randint(-10, 10, (10, 3)), index=pd.date_range("1/1/2000", periods=10), columns=list("ABC"))
df = df.cumsum()
df.head()
Out[112]: 
            A   B   C
2000-01-01 -2  -7  -3
2000-01-02  3  -1  -3
2000-01-03 -5  -9 -11
2000-01-04 -1 -17  -4
2000-01-05  5 -12 -10

　　1.折線圖

　　生成數據之后，我們看下如何進行畫圖。其實非常簡單的，調用 plot 方法就可以看到畫圖的結果了。默認情況下參數 kind="line" 表示圖的類型為折線圖。通過折線圖可以看出數據隨着某個變量的變化趨勢。

df.plot()

df.plot(x="A",y="C")

　　

　　2. 柱狀圖

　　通過柱狀圖可以對比多個值的差別。如果想要畫出柱狀圖，可以將參數 kind 設置為 bar 或者 barh。

df.plot(kind="bar")
plt.show()

可以看到，設置 kind="bar" 之后，圖形以索引為 x 軸， 列為 y 軸。

df.plot(kind="barh")
plt.show()

可以看到，設置 kind="barh" 之后，圖形以列為 x 軸， 索引為 y 軸。同樣我們也可以自己指定 x 軸和 y 軸。

 

#自己設定x軸y軸
df.plot(kind="bar",x="A",y=["B","C"])
plt.show()

　

#此外，如果想要生成堆疊條形圖的haunted，可以設置參數 stacked=True。

df.plot(kind="bar",stacked=True)
plt.show()

　

　　3. 直方圖

　　直方圖是一種展示數據頻數/率的特殊的柱狀圖。如果想要畫出直方圖，可以將參數 kind 設置為 hist。可以通過設置參數 bins 來改變 bin 的大小。

df.plot(kind="hist")
plt.show()

df.plot(kind="hist",bins=5)
plt.show()

　　

　　4.箱線圖

通過箱線圖可以展示出分位數，具體包括上四分位數、下四分位數、中位數以及上下5%的極值。如果想要畫出箱線圖，可以將參數 kind 設置為 box。

df.plot(kind="box")
plt.show()

　　5.區域圖

　　如果想要畫出區域圖，可以將參數 kind 設置為 area。默認情況下，區域圖是堆積的，要生成堆積的區域圖圖，每列必須全部為正值或全為負值。

df.abs().plot(kind="area")
plt.show()

　　

想要生成不堆積的區域圖，設置參數 stacked=False 即可。

df.plot(kind="area", stacked=False)
plt.show()

　　

　　6.散點圖

　　如果想要畫出散點圖，可以將參數 kind 設置為 scatter，同時需要指定 x 和 y。通過散點圖可以探索變量之間的關系。

df.plot(kind="scatter", x="A", y="B")
plt.show()

　

可以設置參數 c 作為列的名稱以為每個點提供顏色。

df.plot(kind="scatter", x="A", y="B", c="C")
plt.show()

　　

#如果想要在單個軸上繪制多個列組，需要指定 ax。

ax = df.plot(kind="scatter", x="A", y="B", color="blue")
df.plot(kind="scatter", x="C", y="B", color="green", ax=ax)
plt.show()

　　

7.餅圖

如果想要畫出餅圖，可以將參數 kind 設置為 scatter。

a = df.A[:5]
a.abs().plot.pie(subplots=False,figsize=(4,4))
plt.show()

　　

a.abs().plot.pie(subplots=True,figsize=(4,4))
plt.show()

如果想要自動計算出比例，可以設置參數 autopct。

a.abs().plot.pie(subplots=True, figsize=(4, 4), autopct="%.2f")
plt.show()

　　

　　8.六邊形容器圖

　　在繪制散點圖時，如果數據過於密集，則無法單獨繪制出每個點，這時候可以考慮 Hexbin 圖。
　　其中，左邊坐標表示的是值的分布，右邊坐標表示的是數據量大小與顏色的對比。一個有用的關鍵字參數是 gridsize ; 它控制x方向的六邊形數量，並且默認為100.較大的格柵意味着更多的較小的分區。

df = pd.DataFrame(np.random.randn(1000, 2), columns=["A", "B"])
df["B"] = df["B"] + np.arange(1000)
df.plot(kind="hexbin", x="A", y="B", gridsize=10)
plt.show()

　　

 

df.plot(kind="hexbin", x="A", y="B", gridsize=20)
plt.show()