绘图

import numpy as np 
import pandas as pd
import matplotlib.pyplot as plt

pandas和seaborn绘图

折线图

s = pd.Series(np.random.randn(10).cumsum(),index=np.arange(0,100,10))
s

0     0.581758
10    0.927844
20    4.121972
30    3.849217
40    2.643392
50    1.699543
60    1.385943
70    0.623487
80    0.241257
90    0.363434
dtype: float64

s.plot()  #默认情况下plot()绘制的是折线图

<matplotlib.axes._subplots.AxesSubplot at 0x1ec5d17a9b0>

df = pd.DataFrame(np.random.randn(10,4).cumsum(0),columns=['A','B','C','D'],index=np.arange(0,100,10))
df

	A	B	C	D
0	-0.454374	0.397938	0.356842	0.071766
10	1.063938	-0.929580	0.496221	0.142492
20	0.526858	-0.747939	-1.405797	0.209039
30	1.022407	-0.763073	-2.209488	0.071781
40	-0.474689	-0.782196	-1.225337	-0.438294
50	0.903410	0.287945	-0.837782	-1.096535
60	0.473978	-1.000205	-0.728329	-2.816553
70	0.327923	-0.646799	-0.635620	-3.117912
80	0.350638	-1.914932	-1.410239	-5.526775
90	0.446866	-1.988524	-1.112387	-6.427741

df.plot()

<matplotlib.axes._subplots.AxesSubplot at 0x1ec5d2c54e0>

plot属性包含了不同绘图类型的方法族。df.plot()等价于df.plot.line().

柱状图

plot.bar()和plot.barh()可以分别绘制垂直和水平的柱状图。

Series或DataFrame的索引将会被用作x轴刻度（bar）或y轴刻度（barh）。

fig , axes = plt.subplots(2,1)
data = pd.Series(np.random.rand(16),index=list('abcdefghijklmnop'))
data.plot.bar(ax=axes[0],color='k',alpha=0.7)
data.plot.barh(ax=axes[1],color='k',alpha=0.7)
#color='k'和alpha=0.7将柱子颜色设置为黑色，并将图像的填充色设置为部分透明。

<matplotlib.axes._subplots.AxesSubplot at 0x1ec5d37dc50>

df = pd.DataFrame(np.random.rand(6,4),index=['one','two','three','four','five','six'],columns=pd.Index(['A','B','C','D'],name='Genus'))
df

Genus	A	B	C	D
one	0.116333	0.547558	0.057368	0.763959
two	0.790697	0.546626	0.408781	0.676374
three	0.604865	0.557059	0.530665	0.289824
four	0.567244	0.798429	0.782860	0.712815
five	0.628094	0.005699	0.439503	0.644901
six	0.222623	0.442521	0.947737	0.848191

df.plot.bar()

<matplotlib.axes._subplots.AxesSubplot at 0x1ec5d335278>

DataFrame的列名称“Genus”被用作了图例标题。通过传递stacked=Ture来生成堆积柱状图，使得每一行的值堆积在一起.

df.plot.barh(stacked=True,alpha=0.5)

<matplotlib.axes._subplots.AxesSubplot at 0x1ec5d478da0>

tips = pd.read_csv('examples/tips.csv')

party_counts = pd.crosstab(tips['day'],tips['size'])
party_counts

size	1	2	3	4	5	6
day
Fri	1	16	1	1	0	0
Sat	2	53	18	13	1	0
Sun	0	39	15	18	3	1
Thur	1	48	4	5	1	3

party_counts = party_counts.loc[: ,2:5]
party_counts

size	2	3	4	5
day
Fri	16	1	1	0
Sat	53	18	13	1
Sun	39	15	18	3
Thur	48	4	5	1

#标准化至和为1
party_pcts = party_counts.div(party_counts.sum(1),axis=0)
party_pcts

size	2	3	4	5
day
Fri	0.888889	0.055556	0.055556	0.000000
Sat	0.623529	0.211765	0.152941	0.011765
Sun	0.520000	0.200000	0.240000	0.040000
Thur	0.827586	0.068966	0.086207	0.017241

party_pcts.plot.bar()

<matplotlib.axes._subplots.AxesSubplot at 0x1ec5d640198>

import seaborn as sns

tips['tip_pct'] = tips['tip']/(tips['total_bill'] - tips['tip'])
tips.head()

	total_bill	tip	smoker	day	time	size	tip_pct
0	16.99	1.01	No	Sun	Dinner	2	0.063204
1	10.34	1.66	No	Sun	Dinner	3	0.191244
2	21.01	3.50	No	Sun	Dinner	3	0.199886
3	23.68	3.31	No	Sun	Dinner	2	0.162494
4	24.59	3.61	No	Sun	Dinner	4	0.172069

sns.barplot(x ='tip_pct',y = 'day',data = tips,orient = 'h')

<matplotlib.axes._subplots.AxesSubplot at 0x1ec5f29e6a0>

柱子的值是tip_pct的平均值。柱子上面画出的黑线代表的是95%的置信区间.

sns.barplot(x ='tip_pct',y = 'day',hue='time' ,data = tips,orient = 'h')

<matplotlib.axes._subplots.AxesSubplot at 0x1ec5d69bac8>

使用seaborn.set在不同的绘图外观中进行切换.

sns.set(style='whitegrid')

直方图和密度图

tips['tip_pct'].plot.hist(bins=50)

<matplotlib.axes._subplots.AxesSubplot at 0x1ec5f38a1d0>

tips['tip_pct'].plot.density()

<matplotlib.axes._subplots.AxesSubplot at 0x1ec5f381278>

密度图也被称为内核密度估计图（KDE）。 plot.kde

distplot方法可以绘制直方图和连续密度估计。

comp1 = np.random.normal(0,1,size=200)

comp2 = np.random.normal(10,2,size=200)

values = pd.Series(np.concatenate([comp1,comp2]))

sns.distplot(values,bins=100,color='k')

<matplotlib.axes._subplots.AxesSubplot at 0x1ec5f5c7be0>

散点图或点图

点图或散点图可以用于检验两个一维数据序列之间的关系。

macro = pd.read_csv('examples/macrodata.csv')

data = macro[['cpi','m1','tbilrate','unemp']]

trans_data = np.log(data).diff().dropna()

trans_data[-5:]

	cpi	m1	tbilrate	unemp
198	-0.007904	0.045361	-0.396881	0.105361
199	-0.021979	0.066753	-2.277267	0.139762
200	0.002340	0.010286	0.606136	0.160343
201	0.008419	0.037461	-0.200671	0.127339
202	0.008894	0.012202	-0.405465	0.042560

使用seaborn的regplot方法，绘制散点图。

sns.regplot('m1','unemp',data=trans_data)
plt.title('Changes in log %s versus log %s'%('m1','unemp'))

Text(0.5,1,'Changes in log m1 versus log unemp')

pairplot函数，在对角线上放置每个变量的直方图或密度估计值。

sns.pairplot(trans_data,diag_kind='kde',plot_kws={'alpha':0.2})

<seaborn.axisgrid.PairGrid at 0x1ec60d4add8>

分面网格和分类数据

使用分面网格是利用多种分组变量对数据进行可视化的方式。

seaborn拥有一个有效的内建函数factorplot，它可以简化多种分面绘图。

sns.factorplot(x='day',y='tip_pct',hue='time',col='smoker',kind='bar',data=tips[tips.tip_pct<1])

<seaborn.axisgrid.FacetGrid at 0x1ec612b2cc0>

#通过每个时间值添加一行来扩展分面网格
sns.factorplot(x='day',y='tip_pct',row='time',col='smoker',kind='bar',data=tips[tips.tip_pct<1])

<seaborn.axisgrid.FacetGrid at 0x1ec61483320>

factorplot支持其他可能有用的图类型，具体取决于显示的内容。

sns.factorplot(x='tip_pct',y='day',kind='box',data=tips[tips.tip_pct<0.5])

<seaborn.axisgrid.FacetGrid at 0x1ec61f40860>

小结： 使用pandas和seaborn入门一些基础数据的可视化知识。