爱站程序员基地
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 pdimport numpy as npdf = 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 pdimport numpy as npdf = 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 pddf = 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 pdimport numpy as npdf = 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 pdimport numpy as npdf = 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 pdimport numpy as npdf = 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()
和
DataFrame.box.plot()
或
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 pdimport numpy as npdf = 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()
或
DataFrame.plot.area()
方法创建面积图。
import pandas as pdimport numpy as npdf = 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 pdimport numpy as npdf = 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 pdimport numpy as npdf = 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：
- Pandas速查表
- NumPy速查表
- Matplotlib速查表
- Seaborn速查表
拓展参考资料
- Pandas可视化教程
- Seaborn官方教程
ShowMeAI相关文章推荐
- 数据分析介绍
- 数据分析思维
- 数据分析的数学基础
- 业务认知与数据初探
- 数据清洗与预处理
- 业务分析与数据挖掘
- 数据分析工具地图
- 统计与数据科学计算工具库Numpy介绍
- Numpy与1维数组操作
- Numpy与2维数组操作
- Numpy与高维数组操作
- 数据分析工具库Pandas介绍
- 图解Pandas核心操作函数大全
- 图解Pandas数据变换高级函数
- Pandas数据分组与操作
- 数据可视化原则与方法
- 基于Pandas的数据可视化
- seaborn工具与数据可视化
ShowMeAI系列教程推荐
- 图解Python编程：从入门到精通系列教程
- 图解数据分析：从入门到精通系列教程
- 图解AI数学基础：从入门到精通系列教程
- 图解大数据技术：从入门到精通系列教程
