Python数据可视化：pandas制图简介与图形选择

一.为什么用pandas来制作图表

Pandas作为Python数据处理中常用的包，其中也集成了数据处理常用的功能，比如制图。试想一下，每次做完数据处理，顺手就能做一张图来表现自己的数据（这也是Pandas的一个特点，比较简单，容易上手），让同事，领导或者客户更直观的看懂数据，何乐而不为？

二.pandas常用图表类型

‘line’ for line plots; 表示折线图
‘bar’ for bar plots; 表示垂直柱状图，
barh for horizontal bar plots; 表示水平柱状图
‘hist’ for histogram plots; 表示直方图，矩形图
‘box’ for boxplot; 表示箱线图
‘kde’ or ‘density’ for density plots。即Kernel Density Estimate 和密度估计，常常与hist一起混合使用。
‘area’ for area plots; 表示面积图，区域图
‘scatter’ for scatter plots; 表示散点图
‘hexbin’ for hexagonal bin plots; 表示六边形容器图
‘pie’ for pie plots; 表示饼状图

不知道怎么选择这些图形，稍后会有详细的讲解。

三.怎么画图表

每种图常用的作图方式有些许不同，稍后详细讲解，不过基本形式相同。
基本形式：pd.DataFrame.plot(…)
通常在之前已经定义好了pd.DataFrame：
例如：
import pandas as pd
df = pd.DataFrame({“a”: [1,2,3],“b”:[4,5,6]})
df.plot(…)
而想画不同的图表类型有两种方式，以线形图为例
df.plot.line(…)
df.plot(kind = ‘line’,…)
几个例子：

常用参数：
如果使用Jupyter notebook，可使用“import pandas as pd”后运行“df.DataFrame.plot?”，查看plot全部参数,这里列举部分常用参数。
figsize:图像尺寸

use_index:True(默认)，False。表示默认情况下，会将series和dataframe的index传给matplotlib，用已绘制X轴。

title：标题
grid：网格
legend：图例
style，绘图的风格，如‘ko–’
logx:在X轴上使用对数标尺
logy: 在Y轴上使用对数标尺
loglog:
xticks=None,用做x刻度的值
yticks=None,用做Y轴刻度的值
xlim=None, X轴的界限如【0，10】
ylim=None,Y轴的界限
rot=None, 旋转刻度标签 0-360
fontsize=None,
colormap=None,
table=False,
yerr=None,
xerr=None,
label=None,
secondary_y=False, **kwds):

四.如何选择和制作图形

不同的图形拥有对应的使用条件，如果你不清楚你的数据适合什么图形，不妨看看这一节，看能否得到启发。
注释：以下示例，大多使用numpy.random生成随机数据，为了避免初学者不能理解简单介绍一下：np.random.rand(10,2)表示生成2列0~1之间的随机数据，每列十个数据。

1. line折线图
通常用来表达一个数据的趋势，如数据随年份的变化趋势。
示例：
随机生成4*10个数据，表示2010~2019十年间，数据的变迁：

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
pd.DataFrame(np.random.randn(10,4),columns = ['a','b','c','d'],
index = range(2010,2020)).plot.line()#图形横坐标默认为数据索引index。

plt.show()#显示当前正在编译的图像

2. Bar柱状图
条形图更多用来表示离散型数据区间数量的变化趋势，或称为计数型数据，可为单条或多条。
条形图和直方图的区别：
首先，条形图是用条形的长度表示各类别频数的多少，其宽度则是固定的； 直方图是用面积表示各组频数的多少，矩形的高度表示每一组的频数或频率，宽度则表示各组的组距，因此其高度与宽度均有意义。 其次，由于分组数据具有连续性，直方图的各矩形通常是连续排列，而条形图则是分开排列。最后，条形图主要用于展示分类数据，而直方图则主要用于展示数据型数据。
示例：
表示多个数据（正数，注意与上图区分，np.random.randn可能生成负随机数，np.random.rand只生成正数）

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
df = pd.DataFrame(np.random.rand(10,4),columns = ['a','b','c','d'])
df.plot.bar()
plt.show()#显示当前正在编译的图像

如果需要不同数据堆叠在一起，强调总数的变化趋势，加上参数stacked = True

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
df = pd.DataFrame(np.random.rand(10,4),columns = ['a','b','c','d'])
df.plot.bar(stacked=True)
plt.show()#显示当前正在编译的图像

也可以将plot.bar替换为plot.barh，画水平条形图。

3.hist直方图
直方图类似于条形图，也多用于表示数据的频数。（区别在上面介绍条形图有详细说明）
示例

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
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(alpha=0.5)
plt.show()#显示当前正在编译的图像

4.pie饼状图
用来表示一个整体中，各个部分所占的比例构成。
示例，将DataFrame某一列‘Value’中的值画成饼状图。用参数 y ='Value’指定列。

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
df = pd.DataFrame({'Value':np.random.rand(5)},index = ['a','b','c','d','e'])
df.plot.pie(y = 'Value')
plt.show()#显示当前正在编译的图像

果要分别把所有列画成不同的饼状图，可以加入参数’subplots=True’，即可直接将图形按照列，分成不同的饼状图。

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
df = pd.DataFrame({'Value':np.random.rand(5),'Value_2':np.random.rand(5)},index = ['a','b','c','d','e'])
df.plot.pie(subplots = True)
plt.show()#显示当前正在编译的图像

5.box箱线图
箱线图常用作数据分析中，用来分析数据的分散情况，用来观察数据的对称性，集中性，以及有无异常值（Outlier，‘O’表示普通异常值，‘*’表示极端异常值），箱线图示意图如下图所示。

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
df = pd.DataFrame(np.random.rand(10,2))
df.plot.box()
plt.show()#显示当前正在编译的图像

5.scatter散点图
散点图是在直角坐标系中，以点的形式表现每组数据（x，y），多用以观察两者间关系（随x的增加，y会以何种趋势变化）

import pandas as pd
import numpy as np
from matplotlib import pyplot as plt
df = pd.DataFrame(np.random.rand(30,4),  columns = ['a','b','c','d'])
df.plot.scatter(x = 'a', y='b')
plt.show()#显示当前正在编译的图像

也可以将多组数据放在同一个坐标系中显示，注意在后面的绘制时加入ax参数并指向第一个图形。建议在同一坐标系中绘制多组数据时，给每组数据定义一个颜色(color参数定义)和图形中的标签（label参数定义）加以区分。

#df.plot.scatter(x = 'a', y='b')
ax1 = df.plot.scatter(x='a',y='b',color = 'yellow', label='a&b')
df.plot.scatter(x='c',y='d',color = 'DarkRed', label = 'c&d', ax = ax1)
df.plot.scatter(x='d',y='a',color = 'LightBlue', label = 'd&a', ax = ax1)

谢谢