Python数据分析 | 基于Pandas的数据可视化

Posted ShowMeAI

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 | 基于Pandas的数据可视化相关的知识,希望对你有一定的参考价值。

本文我们介绍pandas可视化及绘制各种图形的方法,大部分基础图像(条形图、直方图、箱型图、面积图、散点图、饼形图等)绘制只要一行代码就能实现,大大加速了我们的分析效率。

作者:韩信子@ShowMeAI
教程地址http://www.showmeai.tech/tutorials/33
本文地址http://www.showmeai.tech/article-detail/150
声明:版权所有,转载请联系平台与作者并注明出处


大家在前面的教程中看到了Pandas进行数据分析的灵活操作,但同时作为一个功能强大的全能工具库,它也能非常方便地支持数据可视化,而且大部分基础图像绘制只要一行代码就能实现,大大加速了我们的分析效率,本文我们介绍pandas可视化及绘制各种图形的方法。

一、基本绘图函数plot

Series 和 DataFrame 上的可视化功能,只是围绕matplotlib库plot()方法的简单包装。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(10,4),index=pd.date_range(\'1/1/2022\',
   periods=10), columns=list(\'ABCD\'))
df.plot()

运行结果如下:

如果索引由日期组成,如上图所示,会自动进行日期填充。

除默认线图外,还可以绘制多种样式,可以使用 DataFrame.plot.[图类型参数] 方法进行不同图形的选择。

二、条形图

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(10,4),columns=[\'e\',\'f\',\'g\',\'h\'])
df.plot.bar()

运行结果如下:

产生堆叠的柱状图, 可以设置 stacked=True

import pandas as pd
df = pd.DataFrame(np.random.rand(10,4),columns= [\'e\',\'f\',\'g\',\'h\'])
df.plot.bar(stacked=True)

运行结果如下:

要获取水平条形图,可以使用barh方法:

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(10,4),columns= [\'e\',\'f\',\'g\',\'h\'])
df.plot.barh(stacked=True)

运行结果如下:

三、直方图

可以使用 plot.hist() 方法绘制直方图。我们可以指定数量。

import pandas as pd
import numpy as np
df = pd.DataFrame(\'a\':np.random.randn(1000)+1,\'b\':np.random.randn(1000),\'c\':np.random.randn(1000) - 1, \'d\':np.random.randn(1000) -2, columns=[\'a\', \'b\', \'c\', \'d\'])
df.plot.hist(bins=20)

运行结果如下:

可以使用以下代码为每列绘制不同的直方图:

import pandas as pd
import numpy as np
df = pd.DataFrame(\'a\':np.random.randn(1000)+1,\'b\':np.random.randn(1000),\'c\':np.random.randn(1000) - 1, \'d\':np.random.randn(1000) -2, columns=[\'a\', \'b\', \'c\', \'d\'])
df.diff().hist(bins=20)

运行结果如下:

四、箱形图

可以通过调用 Series.box.plot()DataFrame.box.plot()DataFrame.boxplot() 来绘制Boxplot,以可视化每个列中值的分布。

例如,这是一个箱线图,代表对[0,1)上的一个随机变量的10个观测值的五个试验。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(10, 5), columns=[\'A\', \'B\', \'C\', \'D\', \'E\'])
df.plot.box()

运行结果如下:

五、面积图

可以使用 Series.plot.area()DataFrame.plot.area() 方法创建面积图。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(10, 4), columns=[\'A\', \'B\', \'C\', \'D\'])
df.plot.area()

运行结果如下:

六、散点图

创建散点图可以使用 DataFrame.plot.scatter() 方法。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(50, 4), columns=[\'a\', \'b\', \'c\', \'d\'])
df.plot.scatter(x=\'a\', y=\'b\')

运行结果如下:

七、饼形图

创建饼图可以使用 DataFrame.plot.pie() 方法。

import pandas as pd
import numpy as np
df = pd.DataFrame(3 * np.random.rand(4), index=[\'a\', \'b\', \'c\', \'d\'], columns=[\'x\'])
df.plot.pie(subplots=True)

运行结果如下:

资料与代码下载

本教程系列的代码可以在ShowMeAI对应的github中下载,可本地python环境运行,能访问Google的宝宝也可以直接借助google colab一键运行与交互操作学习哦!

本系列教程涉及的速查表可以在以下地址下载获取:

拓展参考资料

ShowMeAI相关文章推荐

ShowMeAI系列教程推荐

以上是关于Python数据分析 | 基于Pandas的数据可视化的主要内容,如果未能解决你的问题,请参考以下文章

基于 Python 和 Pandas 的数据分析 --- Pandas 基础

python使用pandas基于时间条件查询多个oracle数据表

pandas数据分析

Python数据分析 | 基于Pandas的数据可视化

基于另一个数据帧 Python 和 Pandas 从数据帧中采样

可感知 tz 的日期时间序列在 pandas 系列应用(lambda)操作中产生基于 UTC 的 .date() 输出