matplotlib实际上是一种比较低级的工具。要绘制一张图表，你组装一些基本 组件就行:数据展示(即图表类型:线型图、柱状图、盒形图、散布图、等 值线图等)、图例、标题、刻度标签以及其他注解型信息。
在pandas中，我们有多列数据，还有行和列标签。pandas自身就有内置的方 法，用于简化从DataFrame和Series绘制图形。另一个库seaborn(https:// seaborn.pydata.org/)，由Michael Waskom创建的静态图形库。Seaborn简 化了许多常见可视类型的创建。
引入seaborn会修改matplotlib默认的颜色方案和绘图类型，以提 高可读性和美观度。即使你不使用seaborn API，你可能也会引入seaborn，作为提高美观度和绘制常见matplotlib图形的简化方法。
目录
1. 线型图
Series和DataFrame都有一个用于生成各类图表的plot方法。默认情况下，它 们所生成的是线型图。
s = pd.Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))
s.plot()
该Series对象的索引会被传给matplotlib，并用以绘制X轴。可以通过use_index=False禁用该功能。X轴的刻度和界限可以通过xticks和xlim选项进 行调节，Y轴就用yticks和ylim。plot参数的完整列表请参见下表。我只会讲 解其中几个，剩下的就留给读者自己去研究了。
pandas的大部分绘图方法都有一个可选的ax参数，它可以是一个matplotlib的subplot对象。这使你能够在网格布局中更为灵活地处理subplot的位置。
DataFrame的plot方法会在一个subplot中为各列绘制一条线，并自动创建图 例(如下图所示):
df = pd.DataFrame(np.random.randn(10, 4).cumsum(0),
columns=['A', 'B', 'C', 'D'],
index=np.arange(0, 100, 10))
df.plot()
plot属性包含一批不同绘图类型的方法。例如，df.plot()等价于df.plot.line()。 后面会学习这些方法。
plot的其他关键字参数会被传给相应的matplotlib绘图函数，所以 要更深入地自定义图表，就必须学习更多有关matplotlib API的知识。
DataFrame还有一些用于对列进行灵活处理的选项，例如，是要将所有列都 绘制到一个subplot中还是创建各自的subplot。
2.柱状图
plot.bar()和plot.barh()分别绘制水平和垂直的柱状图。这时，Series和DataFrame的索引将会被用作X(bar)或Y(barh)刻度
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)
color='k'和alpha=0.7设定了图形的颜色为黑色，并使用部分的填充透明度。 对于DataFrame，柱状图会将每一行的值分为一组，并排显示，
df = pd.DataFrame(np.random.rand(6, 4),
index=['one', 'two', 'three', 'four', 'five', 'six'],
columns=pd.Index(['A', 'B', 'C', 'D'], name='Genus'))
df
df.plot.bar()
注意，DataFrame各列的名称"Genus"被用作了图例的标题。
设置stacked=True即可为DataFrame生成堆积柱状图，这样每行的值就会被堆积在一起：
柱状图有一个非常不错的用法:利用value_counts图形化显示Series中各值的出现频率，比如s.value_counts().plot.bar()。
再以本书前面用过的那个有关小费的数据集为例，假设我们想要做一张堆积 柱状图以展示每天各种聚会规模的数据点的百分比。我用read_csv将数据加 载进来，然后根据日期和聚会规模创建一张交叉表:
tips = pd.read_csv('examples/tips.csv')
print(tips.head())
party_counts = pd.crosstab(tips['day'], tips['size']) #建立size和day的交叉表
print("------------")
print(party_counts)
# Not many 1- and 6-person parties
party_counts = party_counts.loc[:, 2:5]
print("------------")
print(party_counts)
然后进行规格化，使得各行的和为1，并生成图表：
# Normalize to sum to 1
party_pcts = party_counts.div(party_counts.sum(1), axis=0)
print(party_pcts)
party_pcts.plot.bar()
于是，通过该数据集就可以看出，聚会规模在周末会变大。
对于在绘制一个图形之前，需要进行合计的数据，使用seaborn可以减少工 作量。用seaborn来看每天的小费比例
import seaborn as sns
tips['tip_pct'] = tips['tip'] / (tips['total_bill'] - tips['tip'])
print(tips.head())
sns.barplot(x='tip_pct', y='day', data=tips, orient='h')
seaborn的绘制函数使用data参数，它可能是pandas的DataFrame。其它的 参数是关于列的名字。因为一天的每个值有多次观察，柱状图的值是tip_pct的平均值。绘制在柱状图上的黑线代表95%置信区间(可以通过可选参数配 置)。
seaborn.barplot有颜色选项，使我们能够通过一个额外的值设置.可以通过hue参数实现分组：比如下面对每天按时间分组：
sns.barplot(x='tip_pct', y='day', hue='time', data=tips, orient='h')
注意，seaborn已经自动修改了图形的美观度:默认调色板，图形背景和网 格线的颜色。你可以用seaborn.set在不同的图形外观之间切换:
sns.set(style="whitegrid")sns.barplot(x='tip_pct', y='day', hue='time', data=tips, orient='h')
3. 直方图和密度图
直方图(histogram)是一种可以对值频率进行离散化显示的柱状图。数据点 被拆分到离散的、间隔均匀的面元中，绘制的是各面元中数据点的数量。再 以前面那个小费数据为例，通过在Series使用plot.hist方法，我们可以生成一 张“小费占消费总额百分比”的直方图"
tips['tip_pct'].plot.hist(bins=50) #均匀划分50个小区间
与此相关的一种图表类型是密度图，它是通过计算“可能会产生观测数据的连 续概率分布的估计”而产生的。一般的过程是将该分布近似为一组核(即诸如 正态分布之类的较为简单的分布)。因此，密度图也被称作KDE(Kernel Density Estimate，核密度估计)图。使用plot.kde和标准混合正态分布估计 即可生成一张密度图：
tips['tip_pct'].plot.density()
seaborn的distplot方法绘制直方图和密度图更加简单，还可以同时画出直方 图和连续密度估计图。作为例子，考虑一个双峰分布，由两个不同的标准正 态分布组成：
comp1 = np.random.normal(0, 1, size=200) #均值 标准差 数量
comp2 = np.random.normal(10, 2, size=200)
values = pd.Series(np.concatenate([comp1, comp2]))
sns.distplot(values, bins=100, color='k')
4. 散布图或点图
点图或散布图是观察两个一维数据序列之间的关系的有效手段。在下面这个 例子中，我加载了来自statsmodels项目的macrodata数据集，选择了几个变 量，然后计算对数差:
macro = pd.read_csv('examples/macrodata.csv')
print(macro.head())
data = macro[['cpi', 'm1', 'tbilrate', 'unemp']] #选择其中的4列
print(data[:5])
trans_data = np.log(data).diff().dropna()
print(trans_data[-5:])
然后可以使用seaborn的regplot方法，它可以做一个散布图，并加上一条线 性回归的线:
sns.regplot('m1', 'unemp', data=trans_data) #观察m1和unemp的关系
plt.title('Changes in log %s versus log %s' % ('m1', 'unemp'))
在探索式数据分析工作中，同时观察一组变量的散布图是很有意义的，这也 被称为散布图矩阵(scatter plot matrix)。纯手工创建这样的图表很费工 夫，所以seaborn提供了一个便捷的pairplot函数，它支持在对角线上放置每 个变量的直方图或密度估计：
sns.pairplot(trans_data, diag_kind='kde', plot_kws={'alpha': 0.2})
你可能注意到了plot_kws参数。它可以让我们传递配置选项到非对角线元素 上的图形使用。对于更详细的配置选项，可以查阅seaborn.pairplot文档字符 串。
5. 分面网格和类型数据
要是数据集有额外的分组维度呢?有多个分类变量的数据可视化的一种方法 是使用小面网格。seaborn有一个有用的内置函数factorplot，可以简化制作 多种分面图。
print(tips.head())
sns.factorplot(x='day', y='tip_pct', hue='time', col='smoker',
kind='bar', data=tips[tips.tip_pct < 1])
除了在分面中用不同的颜色按时间分组，我们还可以通过给每个时间值添加一行来扩展分面网格:
sns.factorplot(x='day', y='tip_pct', row='time',
col='smoker',
kind='bar', data=tips[tips.tip_pct < 1])
factorplot支持其它的绘图类型，你可能会用到。例如，盒图(它可以显示中 位数，四分位数，和异常值)就是一个有用的可视化类型:
sns.factorplot(x='tip_pct', y='day', kind='box',
data=tips[tips.tip_pct < 0.5])
使用更通用的seaborn.FacetGrid类，你可以创建自己的分面网格。请查阅seaborn的文档(https://seaborn.pydata.org/)。
6. 其他Python可视化工具
与其它开源库类似，Python创建图形的方式非常多(根本罗列不完)。自从2010年，许多开发工作都集中在创建交互式图形以便在Web上发布。利用工 具如Boken(https://bokeh.pydata.org/en/latest/)和Plotly(https:// github.com/plotly/plotly.py)，现在可以创建动态交互图形，用于网页浏览 器。
对于创建用于打印或网页的静态图形，我建议默认使用matplotlib和附加的 库，比如pandas和seaborn。对于其它数据可视化要求，学习其它的可用工 具可能是有用的。我鼓励你探索绘图的生态系统，因为它将持续发展。
7. 总结
本篇博客的目的是熟悉一些基本的数据可视化操作，使用pandas，matplotlib，和seaborn。如果视觉显示数据分析的结果对你的工作很重要，我鼓励你寻求 更多的资源来了解更高效的数据可视化。这是一个活跃的研究领域，你可以 通过在线和纸质的形式学习许多优秀的资源。
扫一扫
841
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
