图解数据分析(17) | 基于Pandas的数据可视化（数据科学家入门·完结）

ShowMeAI

已于 2022-08-10 13:31:29 修改

阅读量1.1w

点赞数 4

分类专栏： # 图解数据分析 ◉ 典藏版 # 数据分析 ⛵ 面试宝典&实战项目文章标签： python 数据分析 plot pandas 数据可视化

于 2022-03-02 13:00:36 首次发布

本文链接：https://blog.csdn.net/ShowMeAI/article/details/123137445

版权

数据分析 ⛵ 面试宝典&实战项目同时被 2 个专栏收录

45 篇文章 6 订阅

订阅专栏

图解数据分析 ◉ 典藏版

19 篇文章 27 订阅

订阅专栏

ShowMeAI研究中心

作者：韩信子@ShowMeAI
教程地址：https://www.showmeai.tech/tutorials/33
本文地址：https://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
收藏ShowMeAI查看更多精彩内容

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() 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 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() 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()

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：

一键运行所有代码

图解数据分析系列 配套的所有代码，可前往ShowMeAI 官方 GitHub，下载后即可在本地 Python 环境中运行。能访问 Google 的宝宝也可以直接借助 Google Colab一键运行与交互学习！

下载数据分析速查表

Awesome cheatsheets | ShowMeAI速查表大全 系列包含『编程语言』『AI技能知识』『数据科学工具库』『AI垂直领域工具库』四个板块，追平到工具库当前最新版本，并跑通了所有代码。点击官网或 GitHub 获取~

👇 数据分析相关速查表（部分）：

内容	速查表(部分)	Github代码
Python 3速查表		一键运行速查表代码 - Python
Numpy 速查表		一键运行速查表代码 - Numpy
Pandas 速查表		一键运行速查表代码 - Pandas
Matplotlib 速查表		一键运行速查表代码 - Matplotlib
Seaborn 速查表		一键运行速查表代码 - Seaborn