图的用途+panda绘图（二）：箱线图、面积图、散点图

转载自：https://blog.csdn.net/weixin_38168620/article/details/79810347

约定：


   
   
     
     
      
      
     
     
     
     
      
      
       
       %matplotlib inline
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       import pandas 
       
       as pd
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       import numpy 
       
       as np
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       import matplotlib.pyplot 
       
       as plt

图的用途+pandas绘图

一、箱线图 Box Chart

箱线图的用途

箱线图（Boxplot）也称箱须图（Box-whisker Plot），它是用一组数据中的最小值、第一四分位数、中位数、第三四分位数和最大值来反映数据分布的中心位置和散布范围，可以粗略地看出数据是否具有对称性。通过将多组数据的箱线图画在同一坐标上，则可以清晰地显示各组数据的分布差异，为发现问题、改进流程提供线索。

这里写图片描述

箱线图作为描述统计的工具之一，其功能有独特之处，主要有以下几点：

1.直观明了地识别数据批中的异常值

2.利用箱线图判断数据批的偏态和尾重

3.利用箱线图比较几批数据的形状

图中白点即为异常值，关于异常值 https://www.zhihu.com/question/36172806 有详解。

类型1：单箱线图


   
   
     
     
      
      
     
     
     
     
      
      
       
       se=pd.Series(np.random.randint(
       
       1,
       
       10,
       
       10))
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       se.plot.box();
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       print(se)

png

类型2：多箱线图


   
   
     
     
      
      
     
     
     
     
      
      
       
       df = pd.DataFrame(np.random.rand(
       
       10, 
       
       5), columns=[
       
       'A', 
       
       'B', 
       
       'C', 
       
       'D', 
       
       'E'])
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       df.boxplot();

类型3：水平箱线图

df.plot.box(vert=False, positions=[1, 4, 5, 6, 8]);

二、面积图 Area Chart

面积图的用途

面积图又称区域图，强调数量随时间而变化的程度，也可用于引起人们对总值趋势的注意。堆积面积图还可以显示部分与整体的关系。折线图和面积图都可以用来帮助我们对趋势进行分析，当数据集有合计关系或者你想要展示局部与整体关系的时候，使用面积图为更好的选择。

类型1：面积图


   
   
     
     
      
      
     
     
     
     
      
      
       
       df = pd.DataFrame(np.random.randint(
       
       0,
       
       10, (
       
       10,
       
       3)), columns=[
       
       'a', 
       
       'b', 
       
       'c'])
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       df.plot.area(stacked=
       
       False);

png

类型2：堆积面积图

df.plot.area();

png

三、散点图 Scatter Chart

散点图的用途

散点图是指数据点在直角坐标系平面上的分布图，散点图表示因变量随自变量而变化的大致趋势，通常用于回归分析，据此可以选择合适的函数对数据点进行回归拟合。
多组散点图通常用于聚类，能直观地看出每组数据点的分布。

类型1：散点图


   
   
     
     
      
      
     
     
     
     
      
      
       
       df = pd.DataFrame(np.random.rand(
       
       50, 
       
       4), columns=[
       
       'a', 
       
       'b', 
       
       'c', 
       
       'd'])
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       df.plot.scatter(x=
       
       'a', y=
       
       'b');

png

类型2：多组散点图


   
   
     
     
      
      
     
     
     
     
      
      
       
       ax = df.plot.scatter(x=
       
       'a', y=
       
       'b', color=
       
       'DarkBlue', label=
       
       'Group 1');
      
      
     
     

     
     
      
      
     
     
     
     
      
      
       
       df.plot.scatter(x=
       
       'c', y=
       
       'd', color=
       
       'DarkGreen', label=
       
       'Group 2', ax=ax);

png

类型3:

df.plot.scatter(x='a', y='b', c='c', s=50);

png

类型4：

df.plot.scatter(x='a', y='b', s=df['c']*200);

png

            </div>