【Python】Pandas “图形，表格” 可视化大全

pandas的可视化方法，分为图形可视化和表格可视化。

本次介绍完整的图形可视化使用方法，包括基础和高级两部分。

---

基础可视化

一种是针对series和dataframe的绘制方法，可以一行代码快速绘图。

dataframe.plot.func()
series.plot.func()

func()主要是日常比较基础的图形，如下：

• 折现图(line)

• 条形图(bar)

• 直方图(hist)

• 箱箱型(box)

• 面积图(area)

• 散点图(scatter)

• 饼图(pie)

• 六边形箱型图(hexbin)

• 核密度图(kde)

• 子图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt 
plt.style.use('ggplot')

1）折线图

np.random.seed(123)
ts = pd.Series(np.random.randn(100), index=pd.date_range("5/1/2022", periods=100))
tsc = ts.cumsum()
tsc.plot(kind="line")

多组折线图

np.random.seed(123)
df = pd.DataFrame(np.random.randn(100, 4), index=ts.index, columns=list("ABCD"))
df = df.cumsum()
df.plot.line()

2）条形图

多组条形图

df = pd.DataFrame(np.random.rand(6, 3), columns=list('ABC'))
df.plot.bar()

堆积条形图

df.plot.bar(stacked=True)

水平堆积条形图

df.plot.barh(stacked=True)

3）直方图

np.random.seed(123)
df = pd.DataFrame(
    {
        "A": np.random.randn(100) + 1,
        "B": np.random.randn(100),
        "C": np.random.randn(100) - 1,
    },
    columns=list('ABC')
)
df.plot.hist(alpha=0.8)

4）箱型图

np.random.seed(123)
df = pd.DataFrame(np.random.rand(20, 6), columns=list('ABCDEF'))
df.plot.box()

5）面积图

np.random.seed(123)
df = pd.DataFrame(np.random.rand(20, 6), columns=list('ABCDEF'))
df.plot.area()

6）散点图

ax = df.plot.scatter(x='A', y='B', color="r", label='S1',s=120)
df.plot.scatter(x='C', y='D', color="g", label='S2', ax=ax, s=100)

7）饼图

np.random.seed(123)
series = pd.Series(np.random.rand(5), index=list('ABCDE'), name='test')
series.plot.pie()

df = pd.DataFrame(
    np.random.rand(5, 2), index=list('ABCDE'), columns=list('12')
)
df.plot.pie(subplots=True,figsize=(12,8))

8）六边形分箱图

np.random.seed(123)
df = pd.DataFrame({'x': np.random.randn(500),
                   'y': np.random.randn(500)})
ax = df.plot.hexbin(x='x', y='y', gridsize=15, figsize=(10,8))

9）子图

plot()的参数设置subplots=True即可自动对dataframe数据生成子图的可视化图形。

np.random.seed(123)
index = pd.date_range("5/1/2022", periods=500)
df = pd.DataFrame(np.random.randn(500, 4), index=index, columns=list("ABCD"))
df.plot(subplots=True, figsize=(12, 10))

子图的布局可以通过layout设置，(2,2)代表行列数量都为2的可视化图。

df.plot(subplots=True, layout=(2, 2), figsize=(12, 10), sharex=False)

高级可视化

另一种是pandas的plotting模块，提供了更高级的绘制方法，如下：

• 散点矩阵图(scatter_matrix)

• 安德鲁斯曲线图(andrews_curves)

• 平行坐标图(parallel_coordinates)

• 自相关图(autocorrelation_plot)

• 雷达图(radviz)

• 引导图(bootstrap_plot图)

• 子图(subplot)

• 子图任意排列

• 图中绘制数据表格

1）散点矩阵图

scatter_matrix可以直接生成特征间的散点矩阵图，以快速了解特征间的关系。对角线则默认为特征的直方图，也可以指定为kde的核密度分布曲线形式。

from pandas.plotting import scatter_matrix
df = pd.DataFrame(np.random.randn(100,4), columns=list('ABCD'))
scatter_matrix(df, c='b', alpha=0.8, figsize=(8,8))
plt.show()

2）安德鲁斯曲线图

安德鲁斯曲线（andrews_curves）是一种针对多元数据的绘图方法，这些曲线是使用样本的属性作为傅里叶级数的系数创建的，通过为每个类对这些曲线进行不同的着色，可以可视化数据聚类。属于同一类别的样本的曲线通常会更靠近在一起并形成较大的结构。

from sklearn import datasets
df = pd.DataFrame(datasets.load_iris().data)
df['target'] = datasets.load_iris().target
plt.figure( figsize=(10,7))
pd.plotting.andrews_curves(df, class_column='target')

3）平行坐标图

与安德鲁斯曲线图类似，平行坐标图（parallel_coordinates）也是一种用于绘制多元数据的绘图方法，通过平行坐标可以看到数据中的聚类，并直观地估计其他统计信息。

每条垂直线代表一个属性，各个属性值通过线段连接，连续的一组连接线段代表一个样本数据。每种颜色代表一种类别，线段趋势更加聚集。

from pandas.plotting import parallel_coordinates
plt.figure( figsize=(10,7))
parallel_coordinates(df, class_column='target')

4）自相关图

自相关图（autocorrelation_plot）通常用于检查时间序列的特性，横坐标表示延迟阶数，纵坐标表示自相关系数。

from pandas.plotting import autocorrelation_plot
spacing = np.linspace(-9 * np.pi, 9 * np.pi, num=1000)
data = pd.Series(0.7 * np.random.rand(1000) + 0.3 * np.sin(spacing))
plt.figure( figsize=(10,7))
autocorrelation_plot(data, color='b')

5）雷达图

RadViz雷达图是一种多变量数据的可视化算法，它围绕圆周均匀地分布每个特征，并且标准化了每个特征值，一般使用此方法来检测类之间的关联。

from pandas.plotting import radviz
plt.figure( figsize=(10,7))
radviz(df, class_column='target')

6）引导图

引导图（bootstrap plot）用于直观地评估统计数据的不确定性，例如均值、中位数、中间范围等。 从数据集中选择指定大小的随机子集，并为这些子集计算出相关的统计信息，指定重复的次数。

from pandas.plotting import bootstrap_plot
np.random.seed(123)
data = pd.Series(np.random.rand(1000))
bootstrap_plot(data, size=50, samples=500, color='b')
plt.show()

7）滞后图

滞后图（lag_plot）是用时间序列和相应的滞后阶数序列做出的散点图，可以用于观测自相关性。

from pandas.plotting import lag_plot
spacing = np.linspace(-99 * np.pi, 99 * np.pi, num=1000)
data = pd.Series(0.1 * np.random.rand(1000) + 0.9 * np.sin(spacing))
plt.figure( figsize=(10,7))
lag_plot(data, c='b')

8）图中绘制表格

在可视化图中插入table表格，可以自定义表格的大小以及位置。

from pandas.plotting import table
fig, ax = plt.subplots(1, 1, figsize=(10, 7))
np.random.seed(123)
df = pd.DataFrame(np.random.rand(5, 3), columns=list('ABC'))
data = np.round(df.describe(),2)
table(ax, data, loc="upper right", colWidths=[0.1, 0.2, 0.2])
df.plot(ax=ax, ylim=(0, 2), legend=None)

完整数据、和代码可戳👉《再见！pandas》进行了解。

-end-

往期精彩回顾




适合初学者入门人工智能的路线及资料下载(图文+视频)机器学习入门系列下载机器学习及深度学习笔记等资料打印《统计学习方法》的代码复现专辑

• 交流群

欢迎加入机器学习爱好者微信群一起和同行交流，目前有机器学习交流群、博士群、博士申报交流、CV、NLP等微信群，请扫描下面的微信号加群，备注：”昵称-学校/公司-研究方向“，例如：”张小明-浙大-CV“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~（也可以加入机器学习交流qq群772479961）