转载自:https://blog.csdn.net/weixin_38168620/article/details/79945877
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、六边箱图 Hexagonal Bin Plot
- 六边箱图的用途
六边箱图又名高密度散点图,如果数据点太密集,绘制散点图太过密集,六边箱图是更好的选择。
如下类型1,落在颜色最深的那个六边箱上有60个点以上。
- 类型1:六边箱图
-
df = pd.DataFrame(np.random.randn(
1000,
2), columns=[
'a',
'b'])
-
df.plot.hexbin(x=
'a', y=
'b', gridsize=
10);
- 类型2:
-
df = pd.DataFrame(np.random.randn(
1000,
2), columns=[
'a',
'b'])
-
df[
'b'] = df[
'b'] = df[
'b'] + np.arange(
1000)
-
df[
'z'] = np.random.uniform(
0,
3,
1000)
-
df.plot.hexbin(x=
'a', y=
'b', C=
'z', reduce_C_function=np.max, gridsize=
25);
二、饼图 Pie plot
- 饼图的用途
侧重于描述在整个系统中,每个个体所占的权重
- 类型:饼图
-
se1 = pd.Series( np.random.rand(
4), index=[
'a',
'b',
'c',
'd'], name=
'series')
-
se1.plot.pie(figsize=(
6,
6));
- 类型2:多饼图
-
df = pd.DataFrame(
3 * np.random.rand(
4,
2), index=[
'a',
'b',
'c',
'd'], columns=[
'x',
'y'])
-
df.plot.pie(subplots=
True, figsize=(
9,
4));
- 类型3:带比重饼图
se1.plot.pie(labels=['AA', 'BB', 'CC', 'DD'], colors=['r', 'g', 'b', 'c'],autopct='%.2f', fontsize=20, figsize=(6, 6));
- 类型3:
-
se2 = pd.Series([
0.1] *
4, index=[
'a',
'b',
'c',
'd'], name=
'series2')
-
se2.plot.pie(figsize=(
6,
6));
三、矩阵散点图
- 矩阵散点图的用途
散点图可用来描述两个连续型变量间的关系,而矩阵散点图则可以描述多个变量之间的关系。
当数据集中包含多个变量,但变量之间的关系未知,可能正相关,或负相关等等,矩阵散点图则能十分直观地表达出各个变量之间的关系。
-
df = pd.DataFrame(np.random.randn(
1000,
4), columns=[
'a',
'b',
'c',
'd'])
-
pd.plotting.scatter_matrix(df, alpha=
0.2, figsize=(
6,
6), diagonal=
'kde');
</div>