数据挖掘 - pandas画图

基本画图命令

Pandas通过整合matplotlib的相关功能实现了基于DataFrame的一些 作图功能。下面的数据是每年美国男女出生数据：

url = 'http://s3.amazonaws.com/assets.datacamp.com/course/dasi/present.txt'
present = pd.read_table(url, 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。

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')

<matplotlib.legend.Legend at 0x10b9c7610>

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()

<matplotlib.axes.AxesSubplot at 0x108ce4910>

present_year.girls.plot(color='g')
present_year.boys.plot(color='b')
plt.legend(loc='best')

<matplotlib.legend.Legend at 0x10999e510>

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')

<matplotlib.axes.AxesSubplot at 0x10ab31390>

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='bar')

<matplotlib.axes.AxesSubplot at 0x10bb35890>

present_year[:10].plot(kind='barh')

<matplotlib.axes.AxesSubplot at 0x10eb01890>

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)

<matplotlib.axes.AxesSubplot at 0x10bbdb3d0>

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)

<matplotlib.axes.AxesSubplot at 0x113223290>

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')

<matplotlib.axes.AxesSubplot at 0x1141c9810>

再来载入一下鸢尾花数据。

url_2 = 'https://raw.github.com/pydata/pandas/master/pandas/tests/data/iris.csv'
iris = pd.read_csv(url_2)
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

5 rows × 5 columns

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

4 rows × 4 columns

from pandas.tools.plotting import scatter_matrix
scatter_matrix(iris, alpha=0.2, figsize=(6, 6), diagonal='kde')

array([[<matplotlib.axes.AxesSubplot object at 0x1141e5290>,
        <matplotlib.axes.AxesSubplot object at 0x114313610>,
        <matplotlib.axes.AxesSubplot object at 0x11433fbd0>,
        <matplotlib.axes.AxesSubplot object at 0x114328e10>],
       [<matplotlib.axes.AxesSubplot object at 0x11411f350>,
        <matplotlib.axes.AxesSubplot object at 0x114198690>,
        <matplotlib.axes.AxesSubplot object at 0x114181b90>,
        <matplotlib.axes.AxesSubplot object at 0x11436eb90>],
       [<matplotlib.axes.AxesSubplot object at 0x11438ced0>,
        <matplotlib.axes.AxesSubplot object at 0x114378310>,
        <matplotlib.axes.AxesSubplot object at 0x1143e34d0>,
        <matplotlib.axes.AxesSubplot object at 0x114d0a810>],
       [<matplotlib.axes.AxesSubplot object at 0x1143ecd50>,
        <matplotlib.axes.AxesSubplot object at 0x114d40e90>,
        <matplotlib.axes.AxesSubplot object at 0x114d63210>,
        <matplotlib.axes.AxesSubplot object at 0x114d4a2d0>]], dtype=object)

箱图

DataFrame提供了boxplot方法可以用来画箱图。

iris.boxplot()

{'boxes': [<matplotlib.lines.Line2D at 0x1141439d0>,
  <matplotlib.lines.Line2D at 0x11416c1d0>,
  <matplotlib.lines.Line2D at 0x1141559d0>,
  <matplotlib.lines.Line2D at 0x11414b210>],
 'caps': [<matplotlib.lines.Line2D at 0x11416af90>,
  <matplotlib.lines.Line2D at 0x1141434d0>,
  <matplotlib.lines.Line2D at 0x114172790>,
  <matplotlib.lines.Line2D at 0x114172c90>,
  <matplotlib.lines.Line2D at 0x114153f90>,
  <matplotlib.lines.Line2D at 0x1141554d0>,
  <matplotlib.lines.Line2D at 0x11414f7d0>,
  <matplotlib.lines.Line2D at 0x11414fcd0>],
 'fliers': [<matplotlib.lines.Line2D at 0x114145410>,
  <matplotlib.lines.Line2D at 0x114145b50>,
  <matplotlib.lines.Line2D at 0x11416cbd0>,
  <matplotlib.lines.Line2D at 0x1141530d0>,
  <matplotlib.lines.Line2D at 0x114151410>,
  <matplotlib.lines.Line2D at 0x114151b90>,
  <matplotlib.lines.Line2D at 0x11414bc10>,
  <matplotlib.lines.Line2D at 0x1141743d0>],
 'medians': [<matplotlib.lines.Line2D at 0x114143ed0>,
  <matplotlib.lines.Line2D at 0x11416c6d0>,
  <matplotlib.lines.Line2D at 0x114155ed0>,
  <matplotlib.lines.Line2D at 0x11414b710>],
 'whiskers': [<matplotlib.lines.Line2D at 0x11416a7d0>,
  <matplotlib.lines.Line2D at 0x11416aa10>,
  <matplotlib.lines.Line2D at 0x114172050>,
  <matplotlib.lines.Line2D at 0x114172290>,
  <matplotlib.lines.Line2D at 0x114153590>,
  <matplotlib.lines.Line2D at 0x114153a90>,
  <matplotlib.lines.Line2D at 0x11414f090>,
  <matplotlib.lines.Line2D at 0x11414f2d0>]}

通过by参数可以计算不同分组情况下，各个字段的箱图。

iris.boxplot(by='Name', figsize=(8, 8))

array([[<matplotlib.axes.AxesSubplot object at 0x120dd8f50>,
        <matplotlib.axes.AxesSubplot object at 0x1218d3410>],
       [<matplotlib.axes.AxesSubplot object at 0x1218f47d0>,
        <matplotlib.axes.AxesSubplot object at 0x1218de490>]], dtype=object)

直方图和概率密度分布

iris.ix[:,:-1].hist()
iris.plot(kind='kde')

<matplotlib.axes.AxesSubplot at 0x117263890>

多变量的可视化

Radviz

from pandas.tools.plotting import radviz
radviz(iris, 'Name')

<matplotlib.axes.AxesSubplot at 0x11412e550>

Andrews Curves

from pandas.tools.plotting import andrews_curves
andrews_curves(iris, 'Name')

<matplotlib.axes.AxesSubplot at 0x1218e2d50>

Parallel Coordinates

from pandas.tools.plotting import parallel_coordinates
parallel_coordinates(iris, 'Name')

<matplotlib.axes.AxesSubplot at 0x1224b36d0>

你也可以查看本文的ipython notebook版本：http://nbviewer.ipython.org/gist/cloga/9171281

• python 15

• Pandas 2
• Python 13
• Ploting 1