pandas绘图显示 : plt.show()
保存到本地 : plt.savefig(‘image.png’)
%matplotlib inline
import pandas as pd
import matplotlib.pyplot as plt
present = pd.read_table('data.txt', sep=' ')
present.shape
(63, 3)
present.columns
Index([u’year’, u’boys’, u’girls’], dtype=’object’) 可以看到这个数据集共有63条记录,共有三个字段:Year,boys,girls。为了简化计算将year作为索引
present_year = present.set_index('year')
plot是画图的最主要方法,Series和DataFrame都有plot方法。 我们可以这样看一下男生出生比例的趋势图:
present_year['boys'].plot()
plt.legend(loc='best')
![这里写图片描述](https://img-blog.csdn.net/20160724161906652) 这是Series上的plot方法,通过DataFrame的plot方法,你可以将男生和女生出生数量的趋势图画在一起。
present_year.plot() #has index,column
![这里写图片描述](https://img-blog.csdn.net/20160724161915641)
present_year.girls.plot(color='g')
present_year.boys.plot(color='b')
plt.legend(loc='best')
![这里写图片描述](https://img-blog.csdn.net/20160724161926953) 可以看到DataFrame提供plot方法与在多个Series调用多次plot方法的效果是一致。
present_year[:10].plot(kind='bar')
![这里写图片描述](https://img-blog.csdn.net/20160724161937157) plot默认生成是曲线图,你可以通过kind参数生成其他的图形,可选的值为:line, bar, barh, kde, density, scatter。
present_year[:10].plot(kind='barh')
![这里写图片描述](https://img-blog.csdn.net/20160724161946579) 如果你需要累积的柱状图,则只需要指定stacked=True。
present_year[:10].plot(kind='bar', stacked=True)
![这里写图片描述](https://img-blog.csdn.net/20160724161955969) 制作相对的累积柱状图,需要一点小技巧。 首先需要计算每一行的汇总值,可以在DataFrame上直接调用sum方法,参数为1,表示计算行的汇总。默认为0,表示计算列的汇总。
present_year.sum(1)[:5]
year 1940 2360399 1941 2513427 1942 2808996 1943 2936860 1944 2794800 dtype: int64 有了每一行的汇总值之后,再用每个元素除以对应行的汇总值就可以得出需要的数据。这里可以使用DataFrame的div函数,同样要指定axis的值为0。
present_year.div(present_year.sum(1),axis=0)[:10].plot(kind='barh', stacked=True)
![这里写图片描述](https://img-blog.csdn.net/20160724162020329) 散点图和相关 plot也可以画出散点图。使用kind=’scatter’, x和y指定x轴和y轴使用的字段。
present_year.plot(x='boys', y='girls', kind='scatter')
![这里写图片描述](https://img-blog.csdn.net/20160724162029436) 我们再来载入一下鸢尾花数据。
iris = pd.read_csv('iris.csv')
iris.head(5)
SepalLength | SepalWidth | PetalLength | PetalWidth | Name | |
---|---|---|---|---|---|
0 | 5.1 | 3.5 | 1.4 | 0.2 | Iris-setosa |
1 | 4.9 | 3.0 | 1.4 | 0.2 | Iris-setosa |
2 | 4.7 | 3.2 | 1.3 | 0.2 | Iris-setosa |
3 | 4.6 | 3.1 | 1.5 | 0.2 | Iris-setosa |
4 | 5.0 | 3.6 | 1.4 | 0.2 | Iris-setosa |
iris.corr()
SepalLength | SepalWidth | PetalLength | PetalWidth | |
---|---|---|---|---|
SepalLength | 1.000000 | -0.109369 | 0.871754 | 0.817954 |
SepalWidth | -0.109369 | 1.000000 | -0.420516 | -0.356544 |
PetalLength | 0.871754 | -0.420516 | 1.000000 | 0.962757 |
PetalWidth | 0.817954 | -0.356544 | 0.962757 | 1.000000 |
from pandas.tools.plotting import scatter_matrix
scatter_matrix(iris, alpha=0.2, figsize=(6, 6), diagonal='kde')
箱图
DataFrame提供了boxplot方法可以用来画箱图。
iris.boxplot()
iris.boxplot(by='Name', figsize=(8, 8))
直方图和概率密度分布
iris.ix[:,:-1].hist()
iris.plot(kind='kde')
多变量的可视化
Radviz
from pandas.tools.plotting import radviz
radviz(iris, 'Name')
from pandas.tools.plotting import andrews_curves
andrews_curves(iris, 'Name')
Parallel Coordinates
from pandas.tools.plotting import parallel_coordinates
parallel_coordinates(iris, 'Name')