【学习笔记】《深入浅出Pandas》第16章：可视化

最新推荐文章于 2024-07-14 13:15:18 发布

Schanappi

最新推荐文章于 2024-07-14 13:15:18 发布

阅读量781

点赞数

分类专栏：《深入浅出Pandas》学习笔记文章标签： pandas 学习 python

本文链接：https://blog.csdn.net/weixin_43894455/article/details/127555013

版权

《深入浅出Pandas》学习笔记专栏收录该内容

17 篇文章 53 订阅

订阅专栏

16.1 plot方法

Pandas提供的plot()方法 可以将Series和DataFrame中的数据可视化，它是对matplotlib.axes.Axes.plot 的封装，执行完会生成一张可视化图形，直接显示在Jupyter Notebook上。

16.1.1 plot概述

plot默认是折线图，x轴为索引，y轴为数据。

（1）对于DataFrame，会将所有数字列以多条折线的形式显示在图形中。

# Series调用
s.plot()
# DataFrame调用
df.plot()

在这里插入图片描述
（2）其他图形：

df.plot.line() # 折线的全写方式
df.plot.bar() # 柱状图
df.plot.barh() # 横向柱状图（条形图）
df.plot.hist() # 直方图
df.plot.box() # 箱型图
df.plot.kde() # 核密度估计图
df.plot.density() # 同上
df.plot.area() # 面积图
df.plot.pie() # 饼图
df.plot.scatter() # 散点图
df.plot.hexbin() # 六边形图

16.1.2 plot基础方法

（1）Series数据调用plot方法，它的索引信息会显示在x轴，y轴则是x轴上的索引对应的具体数据值。

ts = pd.Series(list(range(5))+list(range(5)),
               index=pd.date_range('1/1/2020', periods=10))
"""
2020-01-01    0
2020-01-02    1
2020-01-03    2
2020-01-04    3
2020-01-05    4
2020-01-06    0
2020-01-07    1
2020-01-08    2
2020-01-09    3
2020-01-10    4
Freq: D, dtype: int64
"""

# 绘图
ts.plot()

在这里插入图片描述
（2）DataFrame数据：
①调用plot时，x轴为DataFrame的索引，y轴将显示多列的多条折线数据。

df = pd.DataFrame(np.random.randn(6, 4),
                  index=pd.date_range('1/1/2020', periods=6),
                  columns=list('ABCD'))
"""

				A 			B 			C 			D
2020-01-01 	-0.494067 	-1.326726 	1.017270 	0.969768
2020-01-02 	-1.094762 	-1.035891 	1.572841 	-0.310795
2020-01-03 	0.282873 	-0.000758 	-0.176886 	0.880761
2020-01-04 	-0.131953 	-1.828849 	-0.578733 	1.138348
2020-01-05 	0.327931 	0.793914 	0.251315 	0.348714
2020-01-06 	2.165683 	1.044589 	0.312085 	-0.335197
"""
# 绘图
df.plot()

在这里插入图片描述
②DataFrame在绘图时，可以指定x轴和y轴的列。

df.plot(x='A', y='B')

在这里插入图片描述
③如果y轴需要多个值，可以传入列表：

# y轴指定两列
df.plot(x='A', y=['B', 'C'])

16.1.3 图形类型

（1）kind参数，可以指定图形的类型：

ts.plot(kind='pie')

在这里插入图片描述（2）kind支持的参数如下：

line：折线图，默认；
pie：饼图；
bar：柱形图；
barh：横向柱状图；
hist：直方图；
kde、density：核密度估计图；
box：箱型图；
area：面积图；
scatter：散点图；
hexbin：六边形分箱图。

16.1.4 x轴和y轴

如果是Series，则索引是x轴，无须传入y轴的值。

# 可以不写参数名，直接按位置传入
df[:5].plot('name', 'Q1')
df[:5].plot.bar('name', ['Q1', 'Q2'])
df[:5].plot.barh(x='name', y='Q4')
df[:5].plot.area('name', ['Q1', 'Q2'])
df[:5].plot.scatter('name', 'Q3') # 散点图只允许有一个y值

16.1.5 图形标题

用title参数来指定图形标题，标题会显示在图形顶部。

df.head(5).plot.bar(title='前5位学生成绩分布图')

在这里插入图片描述

16.1.6 字体大小

fontsize指定轴上的字体大小，单位是pt（磅）。

# 指定轴上的字体大小
df.set_index('name')[:5].plot(fontsize=20)

16.1.7 线条样式

style可指定图的线条样式，并组合使用：

df[:5].plot(style=':') # 虚线
df[:5].plot(style='-.') # 虚实相间
df[:5].plot(style='--') # 长虚线
df[:5].plot(style='-') # 实线，默认
df[:5].plot(style='.') # 点
df[:5].plot(style='*-') # 实线，数值为星星
df[:5].plot(style='^-') # 实线，数值为三角形

16.1.8 背景辅助线

grid会给x方向和y方向增加背景辅助线：

df.set_index('name').head().plot(grid=True)

在这里插入图片描述

16.1.9 图例

（1）plot默认显示图例，传入参数legend=False 可隐藏。

df.set_index('name').head().plot(legend=False)

（2）将图例倒排（与之前的顺序相反）。

df.set_index('name').head().plot(legend='reverse')

16.1.10 图形大小

figsize参数传入一个元组，可以指定图形的宽、高（单位为英寸）。

df.set_index('name').head().plot.bar(figsize=(10.5, 5))

全局默认的图形大小：

import matplotlib.pyplot as plt
plt.rcParams['figure.figsize'] = (15.0, 8.0) # 固定显示大小

16.1.11 色系

colormap指定图形配色。

df.set_index('name').head().plot.barh(colormap='rainbow')

16.1.12 绘图引擎

backend参数可以指定一个新的绘图引擎，默认是Matplotlib。

（1）将绘图引擎更换成bokeh，它是一个优秀的可交互的Python可视化绘图库。

import pandas_bokeh
pandas_bokeh.output_notebook() # Notebook展示
df.head().plot.bar('name', ['Q1', 'Q2'], backend='pandas_bokeh')

以上代码执行后，会先加载bokeh的JavaScript等静态资源，然后显示交互式图形。可以点击页面上的各种操作按钮对数据进行探索。
在这里插入图片描述（2）Pandas支持以下绘图引擎：

Matplotlib（默认）
hvplot 0.5.1版本及以上
holoviews
pandas_bokeh
plotly 4.8版本及以上
Altair

16.1.14 图形叠加

为了实现两种类型的图形叠加，可以将两个图形的绘图语句组成一个元组或者列表。

(
    df['Q1'].head().plot.bar(),
    df.mean(1).head().plot(color='r')
)

在这里插入图片描述

16.1.15 颜色的表示

在可视化中颜色与CSS的表示方法相同，可以用CSS颜色名和CSS合法颜色值表示。

（1）17种标准颜色名称：aqua、black、blue、fuchsia、gray、green、lime、maroon、navy、olive、orange、purple、red、silver、teal、white、yellow。
（2）合法颜色值，在HTML和CSS中使用3位元素，共6个十六进制的数字表示一种颜色，每位元素的取值从00到FF，相当于十进制数字的0到255。按此顺序，前两位是红色的值，中间两位是绿色的值，最后两位是蓝色的值。
（3）rgb(red, green, blue)格式：如rgb(37,37,37)。

16.1.16 解决图形中的中文乱码问题

（1）临时方案

# Jupyter Notebooks plt 图表配置
import matplotlib.pyplot as plt
plt.rcParams['figure.figsize'] = (15.0, 8.0) # 固定显示大小
plt.rcParams['font.family'] = ['sans-serif'] # 显示中文问题
plt.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文问题
plt.rcParams['axes.unicode_minus'] = False # 显示负号

（2）永久方案：在配置文件中增加指定的中文字体。

16.2 常用可视化图形

本节将介绍plot()方法适配的几个最为常用的图形绘制方法，不需要额外的参数就能快速将数据可视化。

16.2.1 折线图plot.line

plot的默认图形是折线图，因此对于折线图，可以省略df.plot.line()中的line方法。

（1）DataFrame可以直接调用plot生成折线图。
①x轴为索引，其他数字类型的列为y轴上的线条。

df.plot()
df.plot.line()

②如果希望指定的列作为x轴，可以先将其设为索引。

(
    df.head()
    .set_index('name')
    .plot()
)

（2）Series索引作为x轴，值为y轴，如果值非数字则报错：

(
    df.set_index('name')
    .head()
    .Q1 # Series
    .plot()
)

（3）可以指定x轴和y轴：

df.plot(x='name', y='Q1')
df.plot(x='name', y=['Q1', 'Q2']) # 指定多条

（4）如果一个折线图中有多条线，可以使用subplots将它们区分，形成多张子图。

df.head().plot.line(subplots=True)

在这里插入图片描述

16.2.2 饼图plot.pie

饼图可以表示不同分类的数据在总体中的占比情况，将一个完整的圆形划分为若干个小饼，占比大小体现在弧度大小上。
如果数据中有NaN值，会自动将其填充为0；如果数据中有负值，则会引发ValueError错误。

（1）对于Series：

s = pd.Series(3 * np.random.rand(4),
              index=['a', 'b', 'c', 'd'], name='数列')
"""
a    0.423434
b    1.308394
c    0.100264
d    0.858464
Name: 数列, dtype: float64
"""

s.plot.pie()

在这里插入图片描述
（2）对于DataFrame，需要指定y值。

df1 = pd.DataFrame(3 * np.random.rand(4, 2),
                   index=['a', 'b', 'c', 'd'],
                   columns=['x', 'y'])
"""

		x 			y
a 	2.354850 	1.666088
b 	1.526937 	1.883375
c 	1.164212 	2.745225
d 	2.479957 	2.440313
"""

df1.plot.pie(y='x')

在这里插入图片描述
（3）如果数据总和小于1.0，则会绘制一个扇形。
（4）DataFrame可以传入subplots=True创建子图矩阵。

df1.plot.pie(subplots=True, figsize=(8, 4))

在这里插入图片描述（5）默认是有图例的，但是可以通过传入参数legend=False来设置。

（6）其他常用参数：

s.plot.pie(labels=['AA', 'BB', 'CC', 'DD'], # 标签，指定项目名称
           colors=['r', 'g', 'b', 'c'], # 指定颜色
           autopct='%.2f', # 数字格式
           fontsize=20, # 字体大小
           figsize=(6, 6) # 图大小
          )

16.2.3 柱状图plot.bar

（1）DataFrame直接调用plot.bar生成柱状图。
①x轴为索引，其他数字类型的列为y轴上的条形：

df1.plot.bar()
df1.plot.barh() # 横向
df[:5].plot.bar(x='name', y='Q4') # 指定x、y轴

②如果想将指定的列显示在x轴，可以将其设置为索引：

(
    df.head() 
    .set_index('name')
    .plot
    .bar()
)

（2）Series索引为x轴，值为y轴，有值为非数字的时候会报错。
①如果数据中有负值，则0刻度会在x轴上，不会在图形底边：

(
    df.assign(Q1=df.Q1 - 70)
    .loc[:6]
    .set_index('name')
    .plot
    .bar()
)

在这里插入图片描述 ②将同一索引的多个数据堆叠起来：

(
    df.loc[:6]
    .set_index('name')
    .plot
    .bar(stacked=True)
)

在这里插入图片描述
（3）柱状图同样支持子图，使用subplots=True。

16.2.4 直方图plot.hist

直方图又称质量分布图，由一系列高度不等的纵向条纹或线段表示数据分布情况。一般用横轴表示数据类型，纵轴表示分布情况。
直方图描述的是数据在不同区间内的分布情况，描述的数据量一般比较大。分组数据字段（统计结果）映射到横轴的位置，频数字段（统计结果）映射到矩形的高度，可以对分类数据设置颜色以增加分类的区分度。

（1）在下例中，随机生成三列数，每列1000个，其中一个在随机数上加一，一个减一，然后绘制直方图，默认分箱数为10个（bins=10），alpha为颜色的透明度（范围0~1）：

df2 = pd.DataFrame({'a': np.random.randn(1000) + 1,
                    'b': np.random.randn(1000),
                    'c': np.random.randn(1000) - 1},
                     columns=['a', 'b', 'c'])

df2.plot.hist(alpha=0.5)

在这里插入图片描述
（2）Series为单直方图：

# 单直方图
df2.a.plot.hist()

在这里插入图片描述（3）堆叠并指定分箱数量：

df2.plot.hist(stacked=True, bins=20)

在这里插入图片描述
（4）直接使用df.hist(alpha=0.5)来绘制子图：

df2.hist(alpha=0.5)

在这里插入图片描述（5）可以单独绘制子图，指定分箱数量：

df2.a.hist(bins=20, alpha=0.5)
df2.hist('a', bins=20, alpha=0.5) # 同上

在这里插入图片描述（6）by参数可用来分组，生成分组后的子图：

df.Q1.hist(by=df.team)

在这里插入图片描述

16.2.5 箱型图plot.box

箱型图又称盒形图、盒式图或箱线图，用来显示一组数据分布情况的统计图。
Series.plot.box()、DataFrame.plot.box() 和DataFrame.boxplot() 都可以绘制箱型图。
df.plot.box()无法使用，找不到原因

（1）箱型图可以观察到：

一组数据的关键值，如中位数、最大值、最小值；
数据集中是否存在异常值以及异常值的具体数值；
数据是不是对称；
数据分布是否密集；
数据是否扭曲，即是否具有偏向性

（2）使用方法

df.plot.box() # 所有列 Fail

（3）其他方法：

df.A.plot.box() # 单列 Fail
df.boxplot()
df.boxplot('Q1')

（4）使用vert=False将图形设置为横向，用position控制位置：

# 横向+位置调整
df.plot.box(vert=False, positions=[1, 2, 5, 6])

16.2.6 面积图plot.area

面积图又叫区域图，将折线图中折线与自变量坐标轴之间的区域使用颜色或纹理填充，这样填充区域就叫做面积。填充颜色可以更好突出趋势信息。
默认情况下，面积图是堆叠的。
要生成堆积面积图，每列必须全部为正值或全部为负值。
当输入数据包含NaN时，它将被填充为0。
如果要删除或填充不同的值，需要在调用图之前使用DataFrame.dropna()或DataFrame.fillna()。

Series.plot.area() 和 **DataFrame.plot.area()**是面积图的基本操作，默认情况下，x轴为索引，y轴为值或者所有数据列。
（1）单列：

df4 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
df4.a.plot.area() # 单列

在这里插入图片描述（2）所有数据列：

df4.plot.area()

在这里插入图片描述
（3）生成未堆积、有一定透明度的图，传入stack=False，Alpha默认为0.5：
（4）指定x轴和y轴：

df4.plot.area(y='a')
df4.plot.area(y=['b', 'c'])
df4.plot.area(x='a') # y轴为b、c、d

16.2.7 散点图plot.scatter

散点图也叫x-y图，它将所有数据以点的形式展现在直角坐标系上，以显示变量之间的相互影响程度，点的位置由变量的数值决定。

（1）可以使用DataFrame.plot.scatter()方法绘制散点图。散点图要求x轴和y轴为数字列，这些可以通过x和y关键字指定。

(
    df.assign(avg=df.mean(1))
    .plot
    .scatter(x='Q1', y='avg')
)

在这里插入图片描述
（2）使用c参数指定点的颜色：

df.plot.scatter(x='Q1', y='Q2', c='b', s=50)

在这里插入图片描述
c可以取如下值：

字符，RGB或RGBA码，如red、#a98d19；
序列，颜色列表，对应每个点的颜色；
列名称或位置；

df.plot.scatter(x='Q1', y='Q2', c=['green', 'yellow']*50, s=50)

在这里插入图片描述（3）参数colorbar=True会在当前坐标区或者图的右侧显示一个垂直颜色栏，显示当前颜色图并指示数值到颜色图的映射。

df.plot.scatter(x='Q1', y='Q2', c='DarkBlue', colorbar=True)

在这里插入图片描述
（4）参数s用于指定点的大小。

16.2.8 六边形分箱图plot.hexbin

六边形分箱图也称六边形箱体图，它是一种以六边形为主要元素的统计图表。它既是散点图的延伸，又兼具直方图和热力图的特征。
df.plot.hexbin()无法使用，找不到原因

使用**DataFrame.plot.hexbin()**创建六边形图。如果数据过于密集，而无法单独绘制每个点，就可以使用六边形图。

# Fail
df = pd.DataFrame(np.random.randn(1000, 2), columns=['a', 'b'])
df['b'] = df['b'] + np.arange(1000)
df.plot.hexbin(x='a', y='b', gridsize=25)

Schanappi

关注

0
点赞
踩
4

收藏

觉得还不错? 一键收藏
0
评论
复制链接

分享到 QQ

分享到新浪微博

扫一扫

专栏目录

【学习笔记】《深入浅出Pandas》第16章：可视化

文章目录

16.1 plot方法

16.1.1 plot概述

16.1.2 plot基础方法

16.1.3 图形类型

16.1.4 x轴和y轴

16.1.5 图形标题

16.1.6 字体大小

16.1.7 线条样式

16.1.8 背景辅助线

16.1.9 图例

16.1.10 图形大小

16.1.11 色系

16.1.12 绘图引擎

16.1.14 图形叠加

16.1.15 颜色的表示

16.1.16 解决图形中的中文乱码问题

16.2 常用可视化图形

16.2.1 折线图plot.line

16.2.2 饼图plot.pie

16.2.3 柱状图plot.bar

16.2.4 直方图plot.hist

16.2.5 箱型图plot.box

16.2.6 面积图plot.area

16.2.7 散点图plot.scatter

16.2.8 六边形分箱图plot.hexbin