（十四）Pandas绘图

一：Pandas单变量可视化：

1： 柱状图：

案例：将所有的葡萄酒品牌按照产区分类，看看哪个产区的葡萄酒品种多。

我们可能会问加利福尼亚葡萄酒占总数的百分之几？

我们可能还想看看评论量数据的图：评论量与评论数量之间的关系：

2： 折线图：

• 1：如果要绘制的数据不是类别值，而是连续值比较适合使用折线图。
  

3：面积图：

• 面积图就是在折线图的基础上，把折线下面的面积填充颜色。

4：直方图：

• 1：直方图看起来很像条形图。 直方图是一种特殊的条形图，它可以将数据分成均匀的间隔，并用条形图显示每个间隔中有多少行。 唯一的分析差异是，它不是代表每个值的每个条形，而是代表值的范围。
• 2：直方图缺点。 将数据分成均匀的间隔区间，所以它们对歪斜的数据的处理不是很好。
  
  假如我们不限制价格小于200：所以直方图不适合处理数量差别特别大的列。
  

5：饼图：

二：双变量可视化

1：散点图：

• 1：最简单的两个变量可视化图形是散点图，散点图中的一个点，可以表示两个变量。
• 2：调整图形大小，字体大小，由于pandas的绘图功能是对Matplotlib绘图功能的封装，所以很多参数pandas 和 matplotlib都一样。
  
  调整大小：
  
  贴标签：
  

2: hexplot:

• 1：hexplot将数据点聚合为六边形，然后根据其内的值为这些六边形上色。
  
• 2： 他自身的bug，图x轴坐标缺失。可以通过调用matplotlib的api添加x坐标。
  

3：堆叠图：

• 1：堆叠图是将一个变量绘制在另一个变量顶部的图表。
• 2：展示两个变量，除了使用散点图，也可以使用堆叠图。

案例：统计最常见的五种葡萄酒：

经过透视表转换：


堆叠图展示：

面积堆叠图：

折线图：