数据分析必备：一步步教你如何用Pandas做数据分析（21）

1、Pandas 可视化

Pandas 可视化是指使用 Pandas 库中的函数和方法来创建数据可视化图表。Pandas 提供了一些基本的绘图功能，例如折线图、柱状图、饼图等，可以通过调用相应的函数来创建这些图表。

2、基本绘图：绘图

Series和DataFrame上的此功能只是围绕matplotlib库plot()方法的简单包装。
运行结果

如果索引由日期组成，它将调用gct()。autofmt_xdate()来格式化x轴，如上图所示。
我们可以使用x和y关键字绘制一列与另一列的关系。
除默认线图外，绘图方法还允许使用多种绘图样式。这些方法可以作为plot()的kind关键字参数提供。这些包括：
条形图
直方图
箱形图
面积图
散点图
饼形图

2.1条形图

下面我们来看看如何创建一个条形图：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d'])
df.plot.bar()

运行结果

产生堆叠的柱状图, 可以设置 stacked=True

import pandas as pd
df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d'])
df.plot.bar(stacked=True)

运行结果

要获取水平条形图，可以使用barh方法：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d'])
df.plot.barh(stacked=True)
运行结果

2.2、直方图

可以使用plot.hist()方法绘制直方图。我们可以指定数量。

import pandas as pd
import numpy as np
df = pd.DataFrame({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),'c':
np.random.randn(1000) - 1}, columns=['a', 'b', 'c'])
df.plot.hist(bins=20)
运行结果

可以使用以下代码为每列绘制不同的直方图：

import pandas as pd
import numpy as np
df = pd.DataFrame({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),'c':
np.random.randn(1000) - 1}, columns=['a', 'b', 'c'])
df.plot.hist(bins=20)

运行结果

2.3、箱形图

可以通过调用Series.box.plot()和DataFrame.box.plot()或DataFrame.boxplot()来绘制Boxplot，以可视化每个列中值的分布。
例如，这是一个箱线图，代表对[0,1）上的一个随机变量的10个观测值的五个试验。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(10, 5), columns=['A', 'B', 'C', 'D', 'E'])
df.plot.box()

运行结果

2.4、面积图

可以使用Series.plot.area()或DataFrame.plot.area()方法创建面积图。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
df.plot.area()

运行结果

2.5、散点图

创建散点图可以使用DataFrame.plot.scatter()方法。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd'])
df.plot.scatter(x='a', y='b')

运行结果

2.6、饼形图

创建饼图可以使用DataFrame.plot.pie()方法。

import pandas as pd
import numpy as np
df = pd.DataFrame(3 * np.random.rand(4), index=['a', 'b', 'c', 'd'], columns=['x'])
df.plot.pie(subplots=True)

运行结果