Python Pandas 数据可视化

基础绘图：plot

这个功能在Series和DataFrame上只是一个对matplotlib库plot()方法的简单封装。

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.randn(10,4),index=pd.date_range('1/1/2000',
   periods=10), columns=list('ABCD'))

df.plot()

它的 输出 如下：

条形图

现在让我们通过创建一个条形图来了解一下它是什么。可以按照以下方式创建条形图。

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d')
df.plot.bar()

它的 输出 如下：

import pandas as pd
df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d')
df.plot.bar(stacked=True)

它的 输出 如下：

import pandas as pd
import numpy as np

df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d')

df.plot.barh(stacked=True)

它的 输出 如下：

直方图

可以使用 plot.hist() 方法绘制直方图。我们可以指定条柱的数量。

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}, columns=['a', 'b', 'c'])

df.plot.hist(bins=20)

它的输出如下：

其 输出 如下−

要为每列绘制不同的直方图，请使用以下代码−

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}, columns=['a', 'b', 'c'])

df.diff.hist(bins=20)

它的 输出 如下：

箱线图

可调用 Series.box.plot() 和 DataFrame.box.plot() ，或 DataFrame.boxplot() 来可视化每列数值的分布。

例如，这里是一个箱线图，表示对[0,1)上均匀随机变量的10个观测值进行了五次试验。

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()

它的 输出 如下所示−

面积图

可以使用 Series.plot.area() 或 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()

它的 输出 如下：

散点图

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

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')

它的 输出 如下所示−

Pie Chart

可以使用 DataFrame.plot.pie() 方法创建饼图。

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)

它的 输出 如下：