3_Bivariate_plotting_with_pandas

基于pandas的双变量的作图

1. Scatter plot –> df.plot.scatter()
   
   • 擅长: 区间数据、一些无序的分类数据
2. Hex plot –> df.plot.hex()
   
   • 擅长: 区间数据、一些无序的分类数据
3. Stacked Bar Chart –> df.plot.bar(stacked=True)
   
   • 擅长: 有序和无序的分类数据
4. Bivarite Line Char –> df.plot.line()
   
   • 擅长: 有序的分类数据和区间数据

没有数据关系的数据是空白的无意义的。为了能画出以上的图形，我们需要理解两个变量之间是如何交互的。
是否同时增减，是否存在线性关系，为了更好的看出这些关系，我们最好从图形上来观察。

import pandas as pd
import matplotlib.pyplot as plt

%matplotlib inline

df_reviews = pd.read_csv('../dataSet/winemag-data_first150k.csv',index_col=0)

df_reviews.head(3)

	country	description	designation	points	price	province	region_1	region_2	variety	winery
0	US	This tremendous 100% varietal wine hails from …	Martha’s Vineyard	96	235.0	California	Napa Valley	Napa	Cabernet Sauvignon	Heitz
1	Spain	Ripe aromas of fig, blackberry and cassis are …	Carodorum Selección Especial Reserva	96	110.0	Northern Spain	Toro	NaN	Tinta de Toro	Bodega Carmen Rodríguez
2	US	Mac Watson honors the memory of a wine once ma…	Special Selected Late Harvest	96	90.0	California	Knights Valley	Sonoma	Sauvignon Blanc	Macauley

Scatter plot

散点图是最简单的表示两个变量的图形。散点图能够很好的将两个变量的关系映射到二维空间上。

df_reviews[df_reviews['price'] < 100].sample(100).plot.scatter(x='price', y='points')

<matplotlib.axes._subplots.AxesSubplot at 0x7ff833c17518>

为了能更好的表示出这个图片，我们使用抽样的方式，抽取出100个点进行散点图显示。这是因为散点图不能表示映射到同一个点的多个点，
例如有10个(100,80)的点，在图上只能显示一个点。如果我们不使用抽样，你看到的图中会全是点，基本看不出来模式。如下图显示：

df_reviews[df_reviews['price'