Python数据分析--Pandas知识点

Posted 徐-清风

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python数据分析--Pandas知识点相关的知识,希望对你有一定的参考价值。

本文主要是总结学习pandas过程中用到的函数和方法, 在此记录, 防止遗忘.

Python数据分析--Pandas知识点(一)

Python数据分析--Pandas知识点(二)

下面将是在知识点一, 二的基础上继续总结.

 

前面所介绍的都是以表格的形式中展现数据, 下面将介绍Pandas与Matplotlib配合绘制出折线图, 散点图, 饼图, 柱形图, 直方图等五大基本图形.

Matplotlib是python中的一个2D图形库, 它能以各种硬拷贝的格式和跨平台的交互式环境生成高质量的图形, 比如说柱状图, 功率谱, 条形图, 误差图, 散点图等. 其中, matplotlib.pyplot 提供了一个类似matlab的绘图框架, 使用该框架前, 必须先导入它.

19. 折线图

折线图: 数据随着时间的变化情况描点连线而形成的图形, 通常被用于显示在相等时间间隔下数据的趋势. 下面将采用两种方式进行绘制折线图, 一种是pandas中plot()方法, 该方法用来绘制图形, 然后在matplotlib中的绘图框架中展示; 另一种则是直接利用matplotlib中绘图框架的plot()方法.

19.1 采用pandas中的plot()方法绘制折线图

在pandas中绘制折线图的函数是plot(x=None, y=None, kind=\'line\', figsize = None, legend=Truestyle=None, color = "b", alpha = None):

第一个: x轴的数据

第二个: y轴的数据

第三个: kind表示图形种类, 默认为折线图

第四个: figsize表示图像大小的元组

第五个: legend=True表示使用图例, 否则不使用, 默认为True.

第六个: style表示线条样式

第七个: color表示线条颜色, 默认为蓝色

第八个: alpha表示透明度, 介于0~1之间.

plot()函数更多参数请查看官方文档:http://pandas.pydata.org/pandas-docs/stable/generated/pandas.DataFrame.plot.html?highlight=plot#pandas.DataFrame.plot

数据来源: https://assets.datacamp.com/production/course_1639/datasets/percent-bachelors-degrees-women-usa.csv

1 import pandas as pd
2 import matplotlib.pyplot as plt
3 #第一步读取数据: 使用read_csv()函数读取csv文件中的数据
4 df = pd.read_csv(r"D:\\Data\\percent-bachelors-degrees-women-usa.csv")
5 #第二步利用pandas的plot方法绘制折线图
6 df.plot(x = "Year", y = "Agriculture")
7 #第三步: 通过plt的show()方法展示所绘制图形
8 plt.show()

在执行上述代码过程了报错ImportError: matplotlib is required for plotting, 若遇到请点击参考办法

最终显示效果:

如果想将实线变为虚线呢, 可修改style参数为"--":

1 import pandas as pd
2 import matplotlib.pyplot as plt
3 df = pd.read_csv(r"D:\\Data\\percent-bachelors-degrees-women-usa.csv")
4 #添加指定的style参数
5 df.plot(x = "Year", y = "Agriculture", style = "--")
6 plt.show()

添加坐标轴标签以及标题:

 1 import pandas as pd
 2 import matplotlib.pyplot as plt
 3 df = pd.read_csv(r"D:\\Data\\percent-bachelors-degrees-women-usa.csv")
 4 df.plot(x = "Year", y = "Agriculture", style = "--")
 5 #添加横坐标轴标签
 6 plt.xlabel("Year")
 7 #添加纵坐标轴标签
 8 plt.ylabel("Percent")
 9 #添加标题
10 plt.title("Percent of American women earn Agriculture\'s degree")
11 plt.show()

19.2 采用matplotlib.pyplot的plot()方法绘制折线图

matplotlib.pyplot.plot(x, y, style, color, linewidth)函数的参数分别表示: x轴数据, y轴数据, style线条样式, color线条颜色, linewidth线宽.

 1 import pandas as pd
 2 import matplotlib.pyplot as plt
 3 #第一步: 读取数据
 4 df = pd.read_csv(r"D:\\Data\\percent-bachelors-degrees-women-usa.csv")
 5 #第二步: 将所需数据赋值给对应的变量
 6 df_year, df_Agriculture = df["Year"], df["Agriculture"]
 7 #第三步: 用matplotlib中绘图框架的plot()方法绘制红色的折线图
 8 plt.plot(df_year, df_Agriculture,"-", color = "r",linewidth = 10)
 9 #添加横坐标轴标签
10 plt.xlabel("Year")
11 #添加纵坐标轴标签
12 plt.ylabel("Percent")
13 #添加标题
14 plt.title("Percent of American women earn Agriculture\'s degree")
15 plt.show()

 显示效果:

20. 散点图

散点图: 用两组数据构成多个坐标点, 考察坐标点的分布, 判断两变量之间是否存在某种关联或总结坐标点的分布模式. 各点的值由点在坐标中的位置表示, 用不同的标记方式表示各点所代表的不同类别.

20.1 采用pandas中的plot()方法绘制散点图

只需将plot()函数中的kind参数的值改为"scatter"即可.

数据来源: http://archive.ics.uci.edu/ml/machine-learning-databases/iris/

 1 import pandas as pd
 2 import matplotlib.pyplot as plt
 3 #读取数据
 4 df = pd.read_csv(r"D:\\Data\\Iris.csv")
 5 #原始数据中没有给出字段名, 在这里指定
 6 df.columns = [\'sepal_len\', \'sepal_wid\', \'petal_len\', \'petal_wid\',\'species\']
 7 #指定x轴与y轴数据并绘制散点图
 8 df.plot(x = "sepal_len", y = "sepal_wid", kind = "scatter" )
 9 #添加横坐标轴标签
10 plt.xlabel("sepal length")
11 #添加纵坐标轴标签
12 plt.ylabel("sepal width")
13 #添加标题
14 plt.title("Iris sepal length and width analysis")
15 plt.show()

20.2 采用matplotlib.pyplot的plot()方法绘制散点图

 1 import pandas as pd
 2 import matplotlib.pyplot as plt
 3 df = pd.read_csv(r"D:\\Data\\Iris.csv")
 4 df.columns = [\'sepal_len\', \'sepal_wid\', \'petal_len\', \'petal_wid\',\'species\']
 5 #用绘图框架的plot()方法绘图, 样式为".", 颜色为红色
 6 plt.plot(df["sepal_len"], df["sepal_wid"],".", color = "r")
 7 plt.xlabel("sepal length")
 8 plt.ylabel("sepal width")
 9 plt.title("Iris sepal length and width analysis")
10 plt.show()

21. 饼图

饼图: 将一个圆形划分为多个扇形的统计图, 它通常被用来显示各个组成部分所占比例.

由于在绘制饼状图先要对数据进行分类汇总, 先查看数据的总体信息

1 import pandas as pd
2 df = pd.read_csv(r"D:\\Data\\Iris.csv")
3 df.columns = [\'sepal_len\', \'sepal_wid\', \'petal_len\', \'petal_wid\',\'species\']
4 #查看数据总体信息
5 df.describe()

可以看出每一列都是149个数据, 那么接下来对species列进行分类汇总

1 import pandas as pd
2 df = pd.read_csv(r"D:\\Data\\Iris.csv")
3 df.columns = [\'sepal_len\', \'sepal_wid\', \'petal_len\', \'petal_wid\',\'species\']
4 #对species列进行分类并对sepal_len列进行计数
5 df_gbsp = df.groupby("species")["sepal_len"].agg(["count"])
6 df_gbsp

21.1 采用pandas中的plot()方法绘制饼状图

1 import pandas as pd
2 import matplotlib.pyplot as plt
3 df = pd.read_csv(r"D:\\Data\\Iris.csv")
4 df.columns = [\'sepal_len\', \'sepal_wid\', \'petal_len\', \'petal_wid\',\'species\']
5 #对species列进行分类并对sepal_len列进行计数
6 df_gbsp = df.groupby("species")["sepal_len"].agg(["count"])
7 #绘制图形样式为饼图, 百分比保留两位小数, 字体大小为20, 图片大小为6x6, subplots为True表示将数据每列绘制为一个子图,legend为True表示隐藏图例
8 df_gbsp.plot(kind = "pie", autopct=\'%.2f%%\', fontsize=20, figsize=(6, 6), subplots = True, legend = False)
9 plt.show()

 

21.2 采用matplotlib.pyplot的pie()方法绘制饼状图

pie(x, explode = None, labels = None, colors=None, autopct=None)的参数分别表示:

第一个: x表示要绘图的序列

第二个: explode要突出显示的组成部分

第三个: labels各组成部分的标签

第四个: colors各组成部分的颜色

第五个: autopct数值显示格式

1 import pandas as pd
2 import matplotlib.pyplot as plt
3 df = pd.read_csv(r"D:\\Data\\Iris.csv")
4 df.columns = [\'sepal_len\', \'sepal_wid\', \'petal_len\', \'petal_wid\',\'species\']
5 df["species"] = df["species"].apply(lambda x: x.replace("Iris-",""))
6 df_gbsp = df.groupby("species",as_index = False)["sepal_len"].agg({"counts": "count"})
7 #对counts列的数据绘制饼状图.
8 plt.pie(df_gbsp["counts"],labels = df_gbsp["species"], autopct = "%.2f%%" )
9 plt.show()

 22. 柱形图

柱形图: 又称为长条图, 是一种以长方形的长度为变量的统计图. 柱形图常用来比较两个或以上的数据不同时间或者不同条件).

 22.1 采用pandas的plot()方法绘制柱形图

 1 import pandas as pd
 2 import matplotlib.pyplot as plt
 3 df = pd.read_csv(r"D:\\Data\\Iris.csv")
 4 df.columns = [\'sepal_len\', \'sepal_wid\', \'petal_len\', \'petal_wid\',\'species\']
 5 df["species"] = df["species"].apply(lambda x: x.replace("Iris-",""))
 6 #对species分组求均值
 7 df_gbsp = df.groupby("species", as_index = False).mean()
 8 #绘制柱形图
 9 df_gbsp.plot(kind = "bar")
10 #修改横坐标轴刻度值
11 plt.xticks(df_gbsp.index,df_gbsp["species"],rotation=360)
12 plt.show()

 

当然也可以绘制横向柱形图

 1 import pandas as pd
 2 import matplotlib.pyplot as plt
 3 df = pd.read_csv(r"D:\\Data\\Iris.csv")
 4 df.columns = [\'sepal_len\', \'sepal_wid\', \'petal_len\', \'petal_wid\',\'species\']
 5 df["species"] = df["species"].apply(lambda x: x.replace("Iris-",""))
 6 df_gbsp = df.groupby("species", as_index = False).mean()
 7 #将bar改为barh即可绘制横向柱形图
 8 df_gbsp.plot(kind = "barh")
 9 plt.yticks(df_gbsp.index,df_gbsp["species"],rotation=360)
10 plt.show()

若想要将样式改为堆积柱形图:

#修改stacked参数为True即可
df_gbsp.plot(kind = "barh", stacked = True)

22.2 采用matplotlib.pyplot的bar()方法绘制柱形图

bar( x, height, width=0.8, color = None, label =None, bottom =None, tick_label = None)的参数分别表示:

第一个: x表示x轴的位置序列

第二个: height表示某个系列柱形图的高度

第三个: width表示某个系列柱形图的宽度

第四个: label表示图例

第五个: bottom表示底部为哪个系列, 常被用在堆积柱形图中

第六个: tick_label刻度标签

1 import pandas as pd
2 import matplotlib.pyplot as plt
3 df = pd.read_csv(r"D:\\Data\\Iris.csv")
4 df.columns = [\'sepal_len\', \'sepal_wid\', \'petal_len\', \'petal_wid\',\'species\']
5 df["species"] = df["species"].apply(lambda x: x.replace("Iris-",""))
6 df_gbsp = df.groupby("species").mean()
7 #绘制"sepal_len"列柱形图
8 plt.bar(df_gbsp.index,df_gbsp["sepal_len"], width= 0.5 , color = "g")
9 plt.show()

 绘制多组柱形图:

 1 import numpy as np
 2 import pandas as pd
 3 import matplotlib.pyplot as plt
 4 df = pd.read_csv(r"D:\\Data\\Iris.csv")
 5 df.columns = [\'sepal_len\', \'sepal_wid\', \'petal_len\', \'petal_wid\',\'species\']
 6 df["species"] = df["species"].apply(lambda x: x.replace("Iris-",""))
 7 df_gbsp = df.groupby("species").mean()
 8 #计算有多少个列
 9 len_spe = len(df_gbsp.count())
10 #计算有多少行, 并生成一个步进为1的数组
11 index = np.arange(len(df_gbsp.index))
12 #设置每组总宽度
13 total_width= 1.4
14 #求出每组每列宽度
15 width = total_width/len_spe
16 #对每个字段进行遍历
17 for i in range(len_spe):
18     #得出每个字段的名称
19     het = df_gbsp.columns[i]
20     #求出每个字段所包含的数组, 也就是对应的高度
21     y_values = df_gbsp[het]
22     #设置x轴标签
23     x_tables = index * 1.5 + i*width
24     #绘制柱形图
25     plt.bar(x_tables, y_values, width =width)
26     #通过zip接收(x_tables,y_values),返回一个可迭代对象, 每一个元素都是由(x_tables,y_values)组成的元组.
27     for x, y in zip(x_tables, y_values):
28         #通过text()方法设置数据标签, 位于柱形中心, 最顶部, 字体大小为10.5
29         plt.text(x, y ,\'%.2f\'% y ,ha=\'center\', va=\'bottom\', fontsize=10.5)
30 #设置x轴刻度标签位置
31 index1 = index * 1.5 + 1/2
32 #通过xticks设置x轴标签为df_gbsp的索引
33 plt.xticks(index1 , df_gbsp.index)
34 #添加图例
35 plt.legend(df_gbsp.columns)
36 plt.show()

绘制堆积柱形图

 1 import numpy as np
 2 import pandas as pd
 3 import matplotlib.pyplot as plt
 4 df = pd.read_csv(r"D:\\Data\\Iris.csv")
 5 df.columns = [\'sepal_len\', \'sepal_wid\', \'petal_len\', \'petal_wid\',\'species\']
 6 df["species"] = df["species"].apply(lambda x: x.replace("Iris-",""))
 7 df_gbsp = df.groupby("species").mean()
 8 len_spe = len(df_gbsp.count())
 9 index = np.arange(len(df_gbsp.index))
10 total_width= 1
11 width = total_width/len_spe
12 ysum = 0
13 for i in range(len_spe):
14     het = df_gbsp.columns[i]
15     y_values = df_gbsp[het]
16     #将x轴标签改为index/2, 之后在设置bottom为ysum.
17     plt.bar(index/2, y_values, width =width, bottom = ysum)
18     ysum, ysum1= ysum+ y_values, ysum
19     #计算堆积后每个区域中心对应的高度
20     zsum = ysum1 + (ysum - ysum1)/2
21     for x, y , z in zip(index/2, y_values, zsum):
22         plt.text(x, z ,\'%.2f\'% y ,ha=\'center\', va=\'center\', fontsize=10.5)
23 plt.xticks(index/2 , df_gbsp.index)
24 plt.legend(df_gbsp.columns)
25 plt.show()

bar()函数是用来绘制竖直柱形图, 而绘制横向柱形图用barh()函数即可, 两者用法相差不多

23. 直方图

直方图: 由一系列高度不等的长方形表示数据分布的情况, 宽度表示间隔, 高度表示在对应宽度下出现的频数.

23.1 采用pandas中的plot()方法绘制折线图

将plot()方法中的kind参数改为"hist"即可, 参考官方文档: http://pandas.pydata.org/pandas-docs/version/0.15.0/visualization.html#histograms

 1 import numpy as np
 2 import pandas as pd
 3 import matplotlib.pyplot as plt
 4 df = pd.read_csv(r"D:\\Data\\Iris.csv")
 5 df.columns = [\'sepal_len\', \'sepal_wid\', \'petal_len\', \'petal_wid\',\'species\']
 6 df["species"] = df["species"].apply(lambda x: x.replace("Iris-",""))
 7 df_gbsp = df["sepal_len"]
 8 #绘制直方图
 9 df_gbsp.plot(kind = "hist")
10 plt.show()