pandas可視化：各種圖的簡單使用

一、Matplotlib中幾種圖的名字

1. 折線圖：plot
2. 柱形圖：bar
3. 直方圖：hist
4. 箱線圖：box
5. 密度圖：kde
6. 面積圖：area
7. 散點圖：scatter
8. 散點圖矩陣：scatter_matrix
9. 餅圖：pie

 

二、折線圖：plot

　　平均值需要先排序后出出圖

　　df.avg.value_counts().sort_index().plot()

 

三、柱形圖：bar

　　可先做數據透視，然后生成柱形圖

　　df.pivot_table(index='city',columns='education',values='avg',aggfunc='count').plot.bar()

 

　　如果是要做堆疊柱形圖，則可設置bar()的參數

　　df.pivot_table(index='city',columns='education',values='avg',aggfunc='count').plot.bar(stacked=True)　

　　

　　如果是要做成條形圖，則可修改bar()方法為bar()

　　df.pivot_table(index='city',columns='education',values='avg',aggfunc='count').plot.barh()

 

四、直方圖：hist

　　df.avg.plot.hist()

　　以“education”字段多維分析，對平均值繪制直方圖，

　　alpha：圖形透明度；

　　stacked：是否堆疊；

　　bins：密度；

　　df.groupby('education').apply(lambda x:x.avg).unstack().T.plot.hist(alpha=0.5,stacked=True,bins=30)

 

五、箱線圖：box

　　用法一：與“直方圖”類似

　　df.groupby('education').apply(lambda x:x.avg).unstack().T.plot.box()

　　用法二：

　　df.boxplot(column='avg',by='education')

 

六、密度圖：kde

　　df.avg.plot.kde()

 

七、面積圖：area

　　一般將數據進行分類（數據透視），

　　df.pivot_table(index='avg',columns='education',values='positonId',aggfunc='count').plot.area()

 

 八、散點圖：scatter

　　按公司分類，以平均值為x軸，數量為y軸

　　df.groupby('companyId').aggregate(['mean','count']).avg.plot.scatter(x='mean',y='count')

 

九、散點圖矩陣：scatter_matrix(Pandas的函數)

　　適用於兩個以上的參數，兩兩組合

　　matrix=df.groupby('companyId').aggregate(['mean','count',max]).avg

　　pd.plotting.scatter_matrix(matrix.query('count<50'),diagonal='kde')

　　查詢條件：計數小於50

　　diagonal：修改圖的類型（kde：密度圖）

　　

十、餅圖：pie

　　df.city.value_counts().plot.pie(figsize=(6,6))

　　figsize:圖的長寬