Python数据分析05——Pandas模块学习（四）

pandas中指示集成了matplotlib的部分基础的功能，详细的多种类的绘图还是得靠matplotlib模块。

pandas可视化

pandas的可视化这一部分的核心欣荣其实就是在说它的plot()函数，这里的图基本上都要靠这个函数来绘制。
一开始，我们还是先来导入我们要用到的模块。

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
import matplotlib as mpl
import matplotlib.pyplot as plt
%matplotlib inline 

%matplotlib inline 魔法函数,使用该函数绘制的图片会直接显示在Jupyter Notebook中。

线形图

新建一个Series对象和一个DataFrame对象。

s1 = Series(np.random.normal(size=10))
df1 = DataFrame({'normal':np.random.normal(size=100),
                'gamma': np.random.gamma(1, size=100),
                'posisson': np.random.poisson(size=100)})

然后，我们用pandas的plot()函数绘图。

注意：在DataFrame中的每一列均有一条线，而且会自动绘制图例。

柱状图

当然，通过参数的改变，我们还能绘制横向的柱状图。
Series中的应用也是一样的，读者朋友们可以自己动手看看效果。

s1.plot(kind='bar')
s1.plot(kind='barh')

在这里，为了更好的展示pandas绘图的强大，我再新建一个DataFrame对象。

df2 = DataFrame(np.random.randint(0,100,size=(3,3)),
               index=('a','b','c'),
               columns=['aa','bb','cc'])

这一次的图比上面的清晰多了吧。注意：dataframe中的每一行为一组。
stacked参数可以设置堆积效果。

alpha参数可以设置透明度。

直方图

新建一个Series对象。

s = Series(np.random.normal(size=100))

注意：在这里，直方图不是通过plot()函数绘制的，而是通过hist()函数绘制的。

默认是十段，bins设置分段数。
grid参数是指是否显示网格。

密度图

在这里，我还是用回上面新建的Series对象。

散点图

新建一个DataFrame对象。

df3 = DataFrame(np.arange(10), 
               columns=['a'])
df3['b'] = 6 * df3['a'] + 10

在这里，它还是通过plot()函数绘制的。
注意：参数x和y是必须的。