pandas之绘图
Posted harden13
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pandas之绘图相关的知识,希望对你有一定的参考价值。
pandas绘图
pandas绘图是基于matplotlib的上层封装 正常工作一般先用pandas绘图,再辅以matplotlib修改组件
Pandas绘图的优势:
- 代码简洁
- 针对pandas数据结构专门优化过(series/DataFrame) 劣势:
- pandas绘图自定义程度较差
- matplotlib自定义程度高
import pandas as pd import numpy as np import matplotlib.pyplot as plt plt.rcParams[‘font.family‘] = [‘Artial Unicode MS‘,‘Microsoft Yahei‘, ‘SimHei‘, ‘sans-serif‘] # 解决中文乱码问题 # plt.rcParams[‘axes.unicode_minus‘] = False # simhei黑体字 符号乱码 解决 # plt.style.use(‘seaborn‘) # 改变图像风格
# series绘图 ts = pd.Series(np.random.randn(1000),index=pd.date_range(‘1/1/2000‘,periods=1000)) ts.plot(figsize=(18,8),title=‘股票价格‘)
# DataFrame绘图 df = pd.DataFrame( np.random.randn(10,4).cumsum(0), columns=[‘A‘,‘B‘,‘C‘,‘D‘], index=np.arange(0,100,10) ) df.plot()
pandas绘图常见的参数
- 核密度估计图比直方图的优势
- 线条表现数据分布,可以对比多组数据的分布情况
- 分布情况平滑,更容易观看
df.plot() df.plot(kind=‘bar‘) # 柱状图 df.plot(kind=‘hist‘, alpha=0.5) df.plot(kind=‘kde‘,figsize=(18,5),alpha=0.5,grid=True,legend=True) # 核密度估计 # 修改网格粗细和透明度 plt.grid(linewidth=0.2, alpha=0.5)
matplotlib子图和pandas结合
fig,axis = plt.subplots(2,1) # 2,1 2行1列 df.plot.bar(ax=axis[0],alpha=0.5) df.plot.line(ax=axis[1],color=‘red‘,alpha=0.5)
堆积柱状图
df = pd.DataFrame( np.random.rand(6,4), index=[‘one‘,‘two‘,‘three‘,‘four‘,‘five‘,‘six‘], columns=pd.Index([‘A‘,‘B‘,‘C‘,‘D‘],name=‘Genus‘) ) df df.plot.bar(stacked=True,alpha=0.5,legend=False)
s = pd.Series([1,1,2,3,4,4,4,4,5,6,6]) s.value_counts().plot.bar() s.value_counts().plot.barh()
以上是关于pandas之绘图的主要内容,如果未能解决你的问题,请参考以下文章