使用pandas绘图

在实际场景中，我们需要根据得到的数据（如果就是pandas处理的数据Series和DataFrame），然后绘制各种图形

注意：图形的绘制都是需要使用matplotlib包，自定义可视化界面

import pandas as pd

% matplotlib inline      (这个语句是为了让我们在jupyter中能查看数据图)

或者import matplotlib.pyplot as plt    （这里就先不介绍和使用这种）

df=pd.read_csv("")

画直方图

df.hist()

df.hist(figsize(8,8));    调节大小

df.plot(kind='hist');

df['header'].plot(kind='hist')

画柱形图

df['header'].plot(kind='bar')

饼状图

df['header'].plot(kind='pie')

展示每个变量的直方图

pd.plotting.scatter_matrix(df,figsize=(15,15));

散点图

df.plot(x='横轴名称',y='竖轴名称',kind='scatter')

matplotlib模块中scatter函数语法及参数含义：

plt.scatter(x, y, s=20, c=None, marker='o', cmap=None, norm=None, vmin=None, vmax=None, alpha=None, linewidths=None, edgecolors=None)

x：指定散点图的x轴数据；
y：指定散点图的y轴数据；
s：指定散点图点的大小，默认为20，通过传入新的变量，实现气泡图的绘制；
c：指定散点图点的颜色，默认为蓝色；
marker：指定散点图点的形状，默认为圆形；
cmap：指定色图，只有当c参数是一个浮点型的数组的时候才起作用；
norm：设置数据亮度，标准化到0~1之间，使用该参数仍需要c为浮点型的数组；
vmin、vmax：亮度设置，与norm类似，如果使用了norm则该参数无效；
alpha：设置散点的透明度；
linewidths：设置散点边界线的宽度；

edgecolors：设置散点边界线的颜色；

案例：汽车速度与刹车距离的关系

# 设置绘图风格plt.style.use('ggplot')

# 设置中文编码和负号的正常显示plt.rcParams['font.sans-serif'] = 'Microsoft YaHei'plt.rcParams['axes.unicode_minus'] = False

# 读入数据cars = pd.read_csv('cars.csv')

# 绘图

plt.scatter(cars.speed, # x轴数据为汽车速度 

cars.dist, # y轴数据为汽车的刹车距离 

s = 30, # 设置点的大小 

c = 'steelblue', # 设置点的颜色 

marker = 's', # 设置点的形状 

alpha = 0.9, # 设置点的透明度

linewidths = 0.3, # 设置散点边界的粗细 

edgecolors = 'red' # 设置散点边界的颜色 )

# 添加轴标签和标题plt.title('汽车速度与刹车距离的关系')

plt.xlabel('汽车速度')

plt.ylabel('刹车距离')

# 去除图边框的顶部刻度和右边刻度plt.tick_params(top = 'off', right = 'off')

# 显示图形plt.show()

箱线图

df['header'].plot(kind='box')