Python教程

Python数据分析 | 基于Pandas的数据可视化

本文主要是介绍Python数据分析 | 基于Pandas的数据可视化,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!

ShowMeAI研究中心

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:

  • 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

这篇关于Python数据分析 | 基于Pandas的数据可视化的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!