《利用python进行数据分析》读书笔记之使用pandas和seaborn绘图

所用数据集资源：
《利用python进行数据分析》数据集

折线图

Series和DataFrame都有一个plot属性，用于绘制基本图形，默认情况下绘制的是折线图：

import  numpy as np
import pandas as pd
from matplotlib import pyplot as plt


s = pd.Series(np.random.randn(10).cumsum(),index=np.arange(0,100,10))
s.plot()
plt.show()

默认会将对象的索引作为x轴，可以通过传入use_index=False来禁用这个功能。x的刻度和范围可以使用xticks和xlim选项进行调整，y轴类似。
对于DataFrame的plot方法，可以在同一个子图中将每一列绘制为不同的折线，并自动生成图例：

df = pd.DataFrame(np.random.randn(10,4).cumsum(0),columns=list('ABCD'),index=np.arange(0,100,10))
df.plot()
plt.show()

Series.plot方法参数如下：

参数	描述
label	图例标签
ax	绘图所用的matplotlib子图图像；如果没传值，则使用当前活动的子图
style	传给matplotlib的样式字符串，比如’ko–’
alpha	图片的不透明度（0-1）
kind	可以是‘area’、‘bar’、‘barh’、‘density’、‘hist’、‘kde’、‘line’、‘pie’
logy	在y轴上使用对数缩放
use_index	使用对象索引刻度标签
rot	旋转标签（0-360）
xticks，yticks	用于x和y轴刻度的值
xlim，ylim	x轴和y轴的范围（如[0,10]）
grid	展示轴网络（默认是打开的）

DataFrame除了拥有Series的plot方法的选项外，还拥有以下选项：

参数	描述
subplots	将DataFrame的每一列绘制在独立的子图中
sharex，sharey	如果为True，则共享相同的x轴或者y轴
figsize	生成图片的尺寸（元组）
title	标题字符串
legend	添加子图图例（默认为True）
sort_colunms	按字母顺序绘制各列，默认情况下使用已有的列顺序

柱状图

使用plot.bar()和plot.barh()可以分别绘制垂直和水平的柱状图，索引会分别被作为x或y轴的刻度，看一下这个例子：

fig,axes = plt.subplots(2,1)
data = pd.Series(np.random.rand(16),index=list('abcdefghijklmnop'))
data.plot.bar(ax=axes[0],color='k',alpha=0.7)
data.plot.barh(ax=axes[1],color='k',alpha=0.7)
plt.show()

在DataFrame中，柱状图将每一行中的值分组到并排的柱子中的一组：

fig,axes = plt.subplots(2,1)
df = pd.DataFrame(np.random.rand(6,4),
                  index=['one','two','three','four','five','six'],
                  columns=pd.Index(list('ABCD'),name='Genus'),
                 )
df.plot.bar()
plt.show()

可以传递stacked=True来生成堆积状图，效果如下：

下面是一个例子，使用书中给的csv文件，显示出每天各种规模的派对派对占比：

import pandas as pd
from matplotlib import pyplot as plt

tips = pd.read_csv('..\pydata-book-2nd-edition/examples/tips.csv')
party_counts = pd.crosstab(tips['day'],tips['size'])
# size  1   2   3   4  5  6
# day
# Fri   1  16   1   1  0  0
# Sat   2  53  18  13  1  0
# Sun   0  39  15  18  3  1
# Thur  1  48   4   5  1  3
party_counts = party_counts.loc[:,2:5]
# size   2   3   4  5
# day
# Fri   16   1   1  0
# Sat   53  18  13  1
# Sun   39  15  18  3
# Thur  48   4   5  1
party_pcts = party_counts.div(party_counts.sum(1),axis = 0)
# size         2         3         4         5
# day
# Fri   0.888889  0.055556  0.055556  0.000000
# Sat   0.623529  0.211765  0.152941  0.011765
# Sun   0.520000  0.200000  0.240000  0.040000
# Thur  0.827586  0.068966  0.086207  0.017241
party_pcts.plot.bar()

以下代码是使用sns.barplot来按星期计算小费百分比的例子：

import pandas as pd
from matplotlib import pyplot as plt
import seaborn as sns

tips = pd.read_csv('..\pydata-book-2nd-edition/examples/tips.csv')
tips['tip_pct'] = tips['tip']/(tips['total_bill']-tips['tip'])
#    total_bill   tip smoker  day    time  size   tip_pct
# 0       16.99  1.01     No  Sun  Dinner     2  0.063204
# 1       10.34  1.66     No  Sun  Dinner     3  0.191244
# 2       21.01  3.50     No  Sun  Dinner     3  0.199886
# 3       23.68  3.31     No  Sun  Dinner     2  0.162494
# 4       24.59  3.61     No  Sun  Dinner     4  0.172069
sns.barplot(x='day',y='tip_pct',data=tips)
#柱子的值是tip_pct的平均值，黑线代表的是95%的置信区间
plt.show()

seaborn.plot有一个hue选项，允许我们通过一个额外的分类值将数据分类：

sns.barplot(x='day',y='tip_pct',data=tips,hue='time')

直方图和密度图

直方图是一种条形图，用于给出频率的离散显示。数据点被分成离散的，均匀间隔的箱，并且绘制每个箱中数据点的数量。使用Series中的plot.hist方法制作小费占总费用百分比的直方图：

tips['tip_pct'].plot.hist(bins=50)

使用plot.density则可以绘制密度图：

tips['tip_pct'].plot.density()

另外使用seaborn的displot方法则可以同时绘制出直方图和密度图。

散点图或点图

为了演示散点图和点图的使用，我们载入了作者给的macrodata数据集.选择了一些变量并且计算对数差,之后使用seaborn的regplot方法可以绘制散点图并拟合出一个线性回归直线：

import pandas as pd
from matplotlib import pyplot as plt
import seaborn as sns
import numpy as np

macro = pd.read_csv('..\pydata-book-2nd-edition/examples/macrodata.csv')
data = macro[['cpi','m1','tbilrate','unemp']]
trans_data = np.log(data).diff().dropna()
#diff方法表示计算第n行与第n-1行的差，并将结果放在第n行
print(trans_data)
sns.regplot('m1','unemp',data=trans_data)
plt.show()

使用seaborn中的pairplot函数，它支持在对角线上放置每个变量的直方图或者密度估计值：

sns.pairplot(trans_data,diag_kind='kde',plot_kws={'alpha':0.2})

分面网络和分类数据

分面网络是利用多种变量对数据进行可视化的方式。seaborn拥有一个有效的内建函数factorplot（现在已被重命名为catplot），可以简化多重分面绘图，现在让我们使用之前的tips数据集：

tips = pd.read_csv('..\pydata-book-2nd-edition/examples/tips.csv')
tips['tip_pct'] = tips['tip']/(tips['total_bill']-tips['tip'])
sns.catplot(x='day',y='tip_pct',hue='time',col='smoker',kind='bar',data=tips[tips.tip_pct<1])

plt.show()

可以使用row参数来进一步扩展分面网络：

sns.catplot(x='day',y='tip_pct',hue='time',col='smoker',kind='bar',row='time',data=tips[tips.tip_pct<1],legend_out=False)

catplot支持其他类型的图片，如箱型图等：

sns.catplot(x='day',y='tip_pct',data=tips[tips.tip_pct<0.5],kind='box')

图中五条水平黑色线依次是上边缘、上四分位数、中位数、下四分位数和下边缘。黑点是偏离的异常值。