pandas可视化

最新推荐文章于 2024-01-21 03:43:03 发布
最新推荐文章于 2024-01-21 03:43:03 发布
阅读量377 收藏 3
点赞数
分类专栏： 数据可视化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_34855969/article/details/104904209
版权

pandas可视化

函数定义

pandas模块提供了基本的可视化操作，series和dataframe可以用plot（）方法进行可视化，其函数格式如下：

df.plot(
x=None,
y=None,
kind=‘line’,
ax=None,
subplots=False,
sharex=None,
sharey=False,
layout=None,
figsize=None,
use_index=True,
title=None,
grid=None,
legend=True,
style=None,
logx=False,
logy=False,
loglog=False,
xticks=None,
yticks=None,
xlim=None,
ylim=None,
rot=None,
fontsize=None,
colormap=None,
table=False,
yerr=None,
xerr=None,
secondary_y=False,
sort_columns=False,
**kwds,)

其中参数kind表示了画图的种类

- 'line' : line plot (default)默认值
- 'bar' : vertical bar plot
- 'barh' : horizontal bar plot
- 'hist' : histogram
- 'box' : boxplot
- 'kde' : Kernel Density Estimation plot
- 'density' : same as 'kde'
- 'area' : area plot
- 'pie' : pie plot
- 'scatter' : scatter plot
- 'hexbin' : hexbin plot

title： 图表名称
grid： 网格
legend：图例
style： 绘图的风格，如‘ko–’

ax：要在其上进行绘制的matplotlib.subplot对象，如果没有，则使用默认的subplot对象

use_index：True(默认)，False。表示默认情况下，会将series和dataframe的index传给matplotlib，用已绘制X轴

x：x轴方向
y：y轴方向

subplots：固定比例

figsize：图像尺寸

logx：在X轴上使用对数标尺
logy：在Y轴上使用对数标尺

xticks：None,用做x刻度的值
yticks：None,用做Y轴刻度的值

xlim：None, X轴的界限如【0，10】
ylim：None,Y轴的界限

rot：None, 旋转刻度标签 0-360

使用实例

线型图

import numpy as np
import pandas as pd
s=pd.Series(np.random.randint(1,10,10),index=pd.date_range('2019/12/10',periods=10))
print(s)
s.plot()

运行结果如下

2019-12-10 6
2019-12-11 4
2019-12-12 5
2019-12-13 9
2019-12-14 2
2019-12-15 1
2019-12-16 1
2019-12-17 5
2019-12-18 8
2019-12-19 1
Freq: D, dtype: int64

pandas可视化

函数定义

pandas模块提供了基本的可视化操作，series和dataframe可以用plot（）方法进行可视化，其函数格式如下：

df.plot(
x=None,
y=None,
kind=‘line’,
ax=None,
subplots=False,
sharex=None,
sharey=False,
layout=None,
figsize=None,
use_index=True,
title=None,
grid=None,
legend=True,
style=None,
logx=False,
logy=False,
loglog=False,
xticks=None,
yticks=None,
xlim=None,
ylim=None,
rot=None,
fontsize=None,
colormap=None,
table=False,
yerr=None,
xerr=None,
secondary_y=False,
sort_columns=False,
**kwds,)

其中参数kind表示了画图的种类

- 'line' : line plot (default)默认值
- 'bar' : vertical bar plot
- 'barh' : horizontal bar plot
- 'hist' : histogram
- 'box' : boxplot
- 'kde' : Kernel Density Estimation plot
- 'density' : same as 'kde'
- 'area' : area plot
- 'pie' : pie plot
- 'scatter' : scatter plot
- 'hexbin' : hexbin plot

title： 图表名称
grid： 网格
legend：图例
style： 绘图的风格，如‘ko–’

ax：要在其上进行绘制的matplotlib.subplot对象，如果没有，则使用默认的subplot对象

use_index：True(默认)，False。表示默认情况下，会将series和dataframe的index传给matplotlib，用已绘制X轴

x：x轴方向
y：y轴方向

subplots：固定比例

figsize：图像尺寸

logx：在X轴上使用对数标尺
logy：在Y轴上使用对数标尺

xticks：None,用做x刻度的值
yticks：None,用做Y轴刻度的值

xlim：None, X轴的界限如【0，10】
ylim：None,Y轴的界限

rot：None, 旋转刻度标签 0-360

使用实例

线型图

import numpy as np
import pandas as pd
s=pd.Series(np.random.randint(1,10,10),index=pd.date_range('2019/12/10',periods=10))
print(s)
s.plot()

运行结果如下

2019-12-10 6
2019-12-11 4
2019-12-12 5
2019-12-13 9
2019-12-14 2
2019-12-15 1
2019-12-16 1
2019-12-17 5
2019-12-18 8
2019-12-19 1
Freq: D, dtype: int64在这里插入图片描述

条形图

import pandas as pd
import numpy as np
df=pd.DataFrame(np.random.randint(1,10,20).reshape(20,1),columns=list('AB))
print(df)
df.plot(kind='bar)

运行结果如下
在这里插入图片描述

垂直堆型条形图
import pandas as pd
import numpy as np
df=pd.DataFrame(np.random.randint(1,10,20).reshape(10,2),columns=list('AB))
print(df)
df.plot(kind='bar',stacked=True)

运行结果如下：
在这里插入图片描述

水平条形图
import pandas as pd
import numpy as np
df=pd.DataFrame(np.random.randint(1,10,20).reshape(10,2),columns=(list('AB))
print(df)
df.plot(kind='barh',stacked=True)

运行结果如下：
在这里插入图片描述

直方图

import numpy as np
import pandas as pd
df=pd.DataFrame(np.random.randn(3000).reshape(1000,3),columns=['a','b','c'])
print(df.head(5))
df.plot(kind='hist',bins=100)

运行结果如下:
在这里插入图片描述
直方图一般包含了多种元素的值，对于每一种元素，也可以分别进行绘图，其内容如下：

import numpy as np
import pandas as pd
df=pd.DataFrame(np.random.randn(3000).reshape(1000,3),columns=['a','b','c'])
df.hist()

运行结果如下：
在这里插入图片描述

密度图

密度图显示数据分布的情形，其内容如下：

import numpy as np
import pandas as pd
df=pd.DataFrame(np.random.randn(3000).reshape(1000,3),columns=['a','b','c'])
df.plot(kind='density')

其运行结果如下：

在这里插入图片描述

箱型图

import numpy as np
import pandas as pd
df=pf.DataFrame(np.random.randint(1,10,20).reshape(20,2),columns=list('AB))
df.plot(kind='box)

其运行结果如下：
在这里插入图片描述

区域块图形

import numpy as np
import pandas as pd
df=pd.DataFrame(np.random.randint(1,10,20).reshape(20,2),columns=list('AB'))
df.plot(kind='area',stacked=False)

其运行结果如下：
在这里插入图片描述

散点图

import numpy as np
import pandas as pd
df=pd.DataFrame(np.random.randint(1,10,20).reshape(20,2),columns=list('AB'))
df.plot(kind='scatter',x='A',y='B',color='orange',label='AB')

运行结果如下：
在这里插入图片描述

饼状图

import pandas as pd
import numpy as np
df=pd.DataFrame(np.random.randint(1,10,4).reshape(4, 1), columns=list('A'))
df.plot(kind="pie", subplots=True)

其运行结果如下：
在这里插入图片描述

多个图形

想要同时画出多个图形，要使用subplot（）方法，内容如下：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

df = pd.DataFrame(np.random.randn(1000), columns=['x'])

ax = plt.subplot(1,1,1)
df.plot(kind='hist',bins=20, ax=ax, normed=True)
df.plot(kind='density', color='red', ax=ax)

运行结果如下：
在这里插入图片描述

weixin_34855969
关注
  • 0
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
pandas详解
夜神玥
11-05 293
Series是一种类似于一维数组的对象，它由一组数据（各种NumPy数据类型）以及一组与之相关的数据标签（即索引）组成。 仅由一组数据即可产生最简单的 Series： In [4]: obj = Series([4, 7, -5, 3]) In [5]: obj Out[5]: 0 4 1 7 2 -5 3 3 行：axis=0 列：axis=1 DataFrame...
pandas 切分
si6354257的博客
06-10 598
# %%import numpy as npimport pandas as pd# %%df = pd.read_excel('./data/demo_04.xlsx')df.head()# %% [markdown]# # 数据偏移# %%# 1.shift函数# periods, 偏移数目# freq, 时间频率，Y，Q，M，D，H，T/min，S# axis, 轴，0为行，1为列# fill_value, 填充空值# %%# 日期是连续的# df['上期销量'] = df['销量'].shift(p
Python数据分析：手把手教你用Pandas生成可视化图表
weixin_58753619的博客
05-30 3415
Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。（全套教程文末领取哈）
Pandas 数据可视化
FFTang的博客
01-23 1847
Pandas 数据可视化的简单介绍和应用，各类基本图形的绘制。
使用pandas做数据可视化
码农-Vax天道的时间宝藏
06-08 1606
数据可视化可以让我们很直观的发现数据中隐藏的规律，察觉到变量之间的互动关系，可以帮助我们更好的给他人解释现象，做到一图胜千文的说明效果。 常见的数据可视化库有: matplotlib 是最常见的2维库，可以算作可视化的必备技能库，由于matplotlib是比较底层的库，api很多，代码学起来不太容易。 seaborn 是建构于matplotlib基础上，能满足绝大多数可视化需求。更特殊的需求还是需要学习matplotlib pyecharts 上面的两个库都是静态的可视化库，..
pandas 图形可视化大全
m0_58477260的博客
08-19 294
pandas的可视化方法，分为和。本次介绍完整的图形可视化使用方法，包括基础和高级两部分。
pandas可视化练习数据.rar
05-03
在"pandas可视化练习数据.rar"这个压缩包中，很显然，包含了一些用于学习如何使用Pandas和Matplotlib进行数据可视化的练习数据。 Pandas库的主要组件包括DataFrame和Series。DataFrame是一种二维表格型数据结构，它...
数据可视化：pandas
09-19
数据可视化：pandas
【小白python数据分析入门4Pandas可视化-板块8案例 2018幸福大数据】
05-12
小白python数据分析入门4Pandas可视化——板块8案例 2018幸福大数据，辅助8.1读取数据
财报数据可视化 —— pandas数据分析，pyecharts可视化
06-03
"财报数据可视化 —— pandas数据分析，pyecharts可视化"的主题聚焦于使用Python中的pandas库进行数据预处理和分析，以及利用pyecharts库进行数据可视化。这两个强大的工具结合，能够帮助我们高效地理解并展示财务...
数据可视化：Pandas库的可视化功能
禅与计算机程序设计艺术
01-21 1183
1.背景介绍 在现代数据科学中，数据可视化是一个至关重要的领域。它允许我们以直观的方式展示和理解数据，从而帮助我们发现隐藏的模式、趋势和关系。在Python中，Pandas库是一个强大的数据分析和处理工具，它提供了一系列的可视化功能，使得数据分析变得更加简单和直观。在本文中，我们将深入探讨Pandas库的可视化功能，揭示其核心概念、算法原理、最佳实践以及实际应用场景。 1. 背景介绍 Pan...
【Python】Pandas 图形可视化大全
fengdu78的博客
08-24 266
pandas的可视化方法，分为图形可视化和表格可视化。本次介绍完整的图形可视化使用方法，包括基础和高级两部分。基础可视化一种是针对series和dataframe的绘制方法，可以一行代码快速绘图。dataframe.plot.func() series.plot.func()func()主要是日常比较基础的图形，如下：折现图(line)条形图(bar)直方图(hist)箱箱型(box)面积图(ar...
pandas基础操作大全之数据可视化
热门推荐
yifengchaoran的专栏
12-05 13万+
在pandas 基础操作大全之数据读取&清洗&分析中介绍了pandas常见的数据处理操作，现在继续对pandas常用的数据合并及数据可视化操作做下介绍，便于大家快速了解，也方便后续需要时快速查询。 一、数据合并 1.1 concat 1.1.1 概述 #concat是 1.1.2 指定合并的轴方向--axis 1.2.3 指定合并轴另外一个轴标签是否合并--join 1.2.4 指定合并轴原标签是否需要变化--ignore_index 1.2.5 指定 1.2.6 指定合
[高分项目]基于vue，springboot的图书馆管理系统[源码+笔记+操作手册+说明文档].zip
最新发布
07-25
【项目资源】：包含前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据、课程资源、音视频、网站开发等各种技术项目的源码。包括STM32、ESP8266、PHP、QT、Linux、iOS、C++、Java、MATLAB、python、web、C#、EDA、proteus、RTOS等项目的源码。 【项目质量】：所有源码都经过严格测试，可以直接运行。功能在确认正常工作后才上传。 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【附加价值】：项目具有较高的学习借鉴价值，也可直接拿来修改复刻。对于有一定基础或热衷于研究的人来说，可以在这些基础代码上进行修改和扩展，实现其他功能。 【沟通交流】：有任何使用上的问题，欢迎随时与博主沟通，博主会及时解答。鼓励下载和使用，并欢迎大家互相学习，共同进步。【项目资源】：包含前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据、课程资源、音视频、网站开发等各种技术项目的源码。包括STM32、ESP8266、PHP、QT、Linux、iOS、C++、Java、MATLAB、python、web、C#、EDA、proteus、RTOS等项目的源码。 【项目质量】：所有源码都经过严格测试，可以直接运行。功能在确认正常工作后才上传。 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【附加价值】：项目具有较高的学习借鉴价值，也可直接拿来修改复刻。对于有一定基础或热衷于研究的人来说，可以在这些基础代码上进行修改和扩展，实现其他功能。 【沟通交流】：有任何使用上的问题，欢迎随时与博主沟通，博主会及时解答。鼓励下载和使用，并欢迎大家互相学习，共同进步。【项目资源】：包含前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据、课程资源、音视频、网站开发等各种技术项目的源码。包括STM32、ESP8266、PHP、QT、Linux、iOS、C++、Java、MATLAB、python、web、C#、EDA、proteus、RTOS等项目的源码。 【项目质量】：所有源码都经过严格测试，可以直接运行。功能在确认正常工作后才上传。 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【附加价值】：项目具有较高的学习借鉴价值，也可直接拿来修改复刻。对于有一定基础或热衷于研究的人来说，可以在这些基础代码上进行修改和扩展，实现其他功能。 【沟通交流】：有任何使用上的问题，欢迎随时与博主沟通，博主会及时解答。鼓励下载和使用，并欢迎大家互相学习，共同进步。【项目资源】：包含前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据、课程资源、音视频、网站开发等各种技术项目的源码。包括STM32、ESP8266、PHP、QT、Linux、iOS、C++、Java、MATLAB、python、web、C#、EDA、proteus、RTOS等项目的源码。 【项目质量】：所有源码都经过严格测试，可以直接运行。功能在确认正常工作后才上传。 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【附加价值】：项目具有较高的学习借鉴价值，也可直接拿来修改复刻。对于有一定基础或热衷于研究的人来说，可以在这些基础代码上进行修改和扩展，实现其他功能。 【沟通交流】：有任何使用上的问题，欢迎随时与博主沟通，博主会及时解答。鼓励下载和使用，并欢迎大家互相学习，共同进步。【项目资源】：包含前端、后端、移动开发、操作系统、人工智能、物联网、信息化管理、数据库、硬件开发、大数据、课程资源、音视频、网站开发等各种技术项目的源码。包括STM32、ESP8266、PHP、QT、Linux、iOS、C++、Java、MATLAB、python、web、C#、EDA、proteus、RTOS等项目的源码。 【项目质量】：所有源码都经过严格测试，可以直接运行。功能在确认正常工作后才上传。 【适用人群】：适用于希望学习不同技术领域的小白或进阶学习者。可作为毕设项目、课程设计、大作业、工程实训或初期项目立项。 【附加价值】：项目具有较高的学习借鉴价值，也可直接拿来修改复刻。对于有一定基础或热衷于研究的人来说，可以在这些基础代码上进行修改和扩展，实现其他功能。 【沟通交流】：有任何使用上的问题，欢迎随时与博主沟通，博主会及时解答。鼓励下载和使用，并欢迎大家互相学习，共同进步。【项目资源
pandas可视化csv文件
05-19
使用 Pandas 可以轻松地将 CSV 文件转换为 DataFrame，并使用内置的可视化工具对数据进行可视化。 以下是一个简单的示例，假设我们有一个名为 data.csv 的文件，其中包含以下内容： ``` Name, Age, Gender John, ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值