Pandas大数据清洗实战之三：数据可视化

一、绘制折线图

1、使用Series绘制折线图

执行如下代码

from pandas import DataFrame,Series
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
s=pd.Series(np.random.randn(10).cumsum(),index=np.arange(0,100,10))
s.plot()
plt.show()

首先导入pandas库、numpy库和matplotlib库，引入pandas库中的DataFrame和Series数组，接着将Series对象索引传给matplotlib并绘制图形。np.random表示随机抽样，np.random.randn(10)用于返回一组随机数据，cumsum用于返回累加值，np.arange(0,100,10)用于返回一个有终点和起点的固定步长的排列以显示刻度值，0是起点，100是终点，10是步长，结果如下

常用的numpy随机函数如下表

函 数	描 述
rand(d0,d1,…dn)	返回一组随机值，根据给定维度生成[0,1]数据
randn(d0,d1,…dn)	返回一个样本，具有标准正态分布
randint(low[,high,size])	返回随机整数，位于半开区间[low,high]
random_integers(low[,high,size])	返回随机整数，位于闭区间[low,high]
random([size])	返回随机浮点数，位于半开区间[0.0,1.0]
bytes(length)	返回随机字节

常用的Series.plot函数如下表

函 数	描 述
label	图表的标签
ax	要进行绘制的对象
style	要传给matplotlib的字符风格
alpha	图标填充透明度0~1
kind	图标的类型
logy	在Y轴上使用对数标尺
rot	旋转刻度标签0~360
xticks,yticks	用作X轴和Y轴刻度的值
xlim,ylim	X轴和Y轴的界限

常用的DataFrame.plot函数如下表

函 数	描 述
subplots	将各个DataFrame列绘制到单独的subplot中
sharex	如果将subplots=True则共用一个X轴
sharey	如果将subplots=True则共用一个Y轴
figsize	图像元组的大小
title	图像标题
legend	添加一个subplots图例
sort_columns	以字母表顺序绘制各列

2、使用DataFrame绘制折线图

执行如下代码

from pandas import DataFrame,Series
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
df=pd.DataFrame(np.random.randn(10,4).cumsum(0),columns=['A','B','C','D'],index=np.arange(0,100,10))
df.plot()
plt.show()

上述代码生成了4条折线，并有A,B,C,D标注图例，如下图

二、绘制柱状图

1、使用Series绘制柱状图

执行如下代码

from pandas import DataFrame,Series
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
fig,axes=plt.subplots(2,1)
df=pd.Series(np.random.rand(16),index=list('abcdefghijklmnop'))
df.plot.bar(ax=axes[0],color='r',alpha=0.7)
df.plot.barh(ax=axes[1],color='r',alpha=0.7)
plt.show()

ax=axes[0]表示设置subpolt对象名称，color='r’表示设置图形颜色为红色，alpha=0.7表示图形透明度为0.7，结果如下图

2、使用DataFrame绘制柱状图

执行如下代码

from pandas import DataFrame,Series
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
df=pd.DataFrame(np.random.rand(4,4),index=['one','two','three','four'],columns=pd.Index(['A','B','C','D'],name='bar'))
df.plot.bar()
plt.show()

结果如下图

三、绘制直方图

通过DataFrame的hist方法绘制
执行如下代码

from pandas import DataFrame,Series
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from numpy.random import randn
df=pd.DataFrame({'a':np.random.rand(1000)+1,'b':np.random.randn(1000),},columns=['a','b'])
df.plot.hist(bins=20)
plt.show()

bins=20表示直方图可以交叉，结果如下图

在语句df.plot.hist(bins=20)加入stacked=True，可以绘制叠加直方图，如下图