Pandas 数据可视化

最新推荐文章于 2024-08-06 15:13:12 发布
最新推荐文章于 2024-08-06 15:13:12 发布
阅读量751 收藏 1
点赞数 1
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_48504920/article/details/106662413
版权

基本图形

柱状图

reviews['points'].value_counts().sort_index().plot.bar()

散点图

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

蜂窝图

reviews[reviews['price'] < 100].plot.hexbin(x='price', y='points', gridsize=15)
image

大量重复的点可以用这种图表示

柱状图-叠加模式

image 
wine_counts.plot.bar(stacked=True)
image

面积模式

wine_counts.plot.area()

折线模式

wine_counts.plot.line()

美化

设置图的大小，字体大小，颜色，标题

reviews['points'].value_counts().sort_index().plot.bar(
    figsize=(12, 6),
    color='mediumvioletred',
    fontsize=16,
    title='Rankings Given by Wine Magazine',
)

借助Matplotlib

import matplotlib.pyplot as plt

ax = reviews['points'].value_counts().sort_index().plot.bar(
    figsize=(12, 6),
    color='mediumvioletred',
    fontsize=16
)
ax.set_title("Rankings Given by Wine Magazine", fontsize=20)
image

借助Seaborn-去除边框

import matplotlib.pyplot as plt
import seaborn as sns

ax = reviews['points'].value_counts().sort_index().plot.bar(
    figsize=(12, 6),
    color='mediumvioletred',
    fontsize=16
)
ax.set_title("Rankings Given by Wine Magazine", fontsize=20)
sns.despine(bottom=True, left=True)
image

多图表

matplotlib

fig, axarr = plt.subplots(2, 2, figsize=(12, 8))

reviews['points'].value_counts().sort_index().plot.bar(
    ax=axarr[0][0]
)

reviews['province'].value_counts().head(20).plot.bar(
    ax=axarr[1][1]
image

Seaborn

df = footballers[footballers['Position'].isin(['ST', 'GK'])]
g = sns.FacetGrid(df, col="Position", col_wrap=2)
g.map(sns.kdeplot, "Overall")
image 
df = footballers[footballers['Position'].isin(['ST', 'GK'])]
df = df[df['Club'].isin(['Real Madrid CF', 'FC Barcelona', 'Atlético Madrid'])]

g = sns.FacetGrid(df, row="Position", col="Club")
g.map(sns.violinplot, "Overall")
image 
df = footballers[footballers['Position'].isin(['ST', 'GK'])]
df = df[df['Club'].isin(['Real Madrid CF', 'FC Barcelona', 'Atlético Madrid'])]

g = sns.FacetGrid(df, row="Position", col="Club", 
                  row_order=['GK', 'ST'],
                  col_order=['Atlético Madrid', 'FC Barcelona', 'Real Madrid CF'])
g.map(sns.violinplot, "Overall")

控制显示顺序

pairplot-多变量的相互关系

sns.pairplot(footballers[['Overall', 'Potential', 'Value']])
image

颜色，图标参数

sns.lmplot(
  x='Value', y='Overall', 
  markers=['o', 'x', '*'], 
  hue='Position', 
  data=footballers.loc[footballers['Position'].isin(
    ['ST', 'RW', 'LW'])],
  fit_reg=False
)
image

分组

f = (footballers
         .loc[footballers['Position'].isin(['ST', 'GK'])]
         .loc[:, ['Value', 'Overall', 'Aggression', 'Position']]
    )
f = f[f["Overall"] >= 80]
f = f[f["Overall"] < 85]
f['Aggression'] = f['Aggression'].astype(float)

sns.boxplot(x="Overall", y="Aggression", hue='Position', data=f)
image

总结图

热力图

f = (
    footballers.loc[:, ['Acceleration', 'Aggression', 'Agility', 'Balance', 'Ball control']]
        .applymap(lambda v: int(v) if str.isdecimal(v) else np.nan)
        .dropna()
).corr()

sns.heatmap(f, annot=True)
image

平行线图

from pandas.plotting import parallel_coordinates

f = (
    footballers.iloc[:, 12:17]
        .loc[footballers['Position'].isin(['ST', 'GK'])]
        .applymap(lambda v: int(v) if str.isdecimal(v) else np.nan)
        .dropna()
)
f['Position'] = footballers['Position']
f = f.sample(200)

parallel_coordinates(f, 'Position'）
image

Seanborn使用

基本图形

柱状图-值统计

countplot == value_count

sns.countplot(reviews['points'])
image

折线图-密度图

sns.kdeplot(reviews.query('price < 200').price)
image

二维密度图--类似蜂窝图作用

样本多，重复点多的时候用

sns.kdeplot(reviews[reviews['price'] < 200].loc[:, ['price', 'points']].dropna().sample(5000))
image

直方图

类似pandas.hist

sns.distplot(reviews['points'], bins=10, kde=False)
image

散点图和直方图复合

sns.jointplot(x='price', y='points', data=reviews[reviews['price'] < 100])
image

蜂窝图和直方图复合

sns.jointplot(x='price', y='points', data=reviews[reviews['price'] < 100], kind='hex',gridsize=20)
image

箱线图

df = reviews[reviews.variety.isin(reviews.variety.value_counts().head(5).index)]
sns.boxplot(
    x='variety',
    y='points',
    data=df
)
image

小提琴图

sns.violinplot(
    x='variety',
    y='points',
    data=reviews[reviews.variety.isin(reviews.variety.value_counts()[:5].index)]
)
image

网络动态图表-plotly

from plotly.offline import init_notebook_mode, iplot
init_notebook_mode(connected=True)

散点图

import plotly.graph_objs as go

iplot([go.Scatter(x=reviews.head(1000)['points'], y=reviews.head(1000)['price'], mode='markers')])
image

热力图

iplot([go.Histogram2dContour(x=reviews.head(500)['points'], 
                             y=reviews.head(500)['price'], 
                             contours=go.Contours(coloring='heatmap')),
       go.Scatter(x=reviews.head(1000)['points'], y=reviews.head(1000)['price'], mode='markers')])
image

图形语法的可视化库plotnine

from plotnine import *

top_wines = reviews[reviews['variety'].isin(reviews['variety'].value_counts().head(5).index)]

df = top_wines.head(1000).dropna()

(ggplot(df)
 + aes('points', 'price')
 + geom_point())

#其他表达形式ggplot(df)
 + geom_point(aes('points', 'price'))
)

(ggplot(df, aes('points', 'price'))
 + geom_point

一层层添加图形参数

image 
df = top_wines.head(1000).dropna()

(
    ggplot(df)
        + aes('points', 'price')
        + geom_point()
        + stat_smooth()
)
image

添加颜色

df = top_wines.head(1000).dropna()

(
    ggplot(df)
        + geom_point()
        + aes(color='points')
        + aes('points', 'price')
        + stat_smooth()
)

一图多表

df = top_wines.head(1000).dropna()

(ggplot(df)
     + aes('points', 'price')
     + aes(color='points')
     + geom_point()
     + stat_smooth()
     + facet_wrap('~variety')
)
image

柱状图

(ggplot(top_wines)
     + aes('points')
     + geom_bar()
)
image

二维热力图

(ggplot(top_wines)
     + aes('points', 'variety')
     + geom_bin2d(bins=20)
)
image

更多API文档 API Reference.

处理时间序列

一般柱状图

shelter_outcomes['date_of_birth'].value_counts().sort_values().plot.line()
image

按年份重新取样

shelter_outcomes['date_of_birth'].value_counts().resample('Y').sum().plot.line()
image 
stocks['volume'].resample('Y').mean().plot.bar()
image

同期对比

如今年12月和去年12月比较

from pandas.plotting import lag_plot

lag_plot(stocks['volume'].tail(250))
image

自相关图

from pandas.plotting import autocorrelation_plot

autocorrelation_plot(stocks['volume'])
image
网络安全-李彦亮(本人)
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
【Python百日基础系列】Day19 - Pandas 数据可视化(1)
岳涛的博客
11-06 236
文章目录
Pandas数据可视化
m0_59100129的博客
07-14 104
数据可视化是指直观展现数据，是数据处理过程的一部分常见的库和各自特点Matplotlib (功能强大，代码相对复杂)在执行各种任务方面非常高效，可以将可视化文件导出为所有常见格式（PDF, SVG, JPG, PNG, BMP和GIF）可以创建流行的可视化类型—折线图、散点图、直方图、条形图、误差图、饼图、箱型图以及更多其他类型的图，还支持3D绘图Pandas （使用简单，功能稍弱）基于 matplotlib ，是对matplotlib的二次封装。
使用pandas做数据可视化
码农-Vax天道的时间宝藏
06-08 1622
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，..
使用Pandas进行数据可视化：绘图的艺术
最新发布
wq0455的博客
08-06 929
使用Pandas绘图，轻松可视化数据变化，提升数据分析能力！
Pandas数据处理可视化
weixin_63866037的博客
11-05 3265
Hallo，各位小伙伴大家好啊！这个专栏是用来分享数据处理以及数据可视化的一些常见操作，以及自己的一些学习笔记，希望能给大家带来帮助呀！感兴趣的小伙伴也欢迎私信或者评论区交流呀！
pandas数据可视化
weixin_46167028的博客
08-26 702
数据可视化 开始之前，导入numpy、pandas包和数据 %matplotlib inline import numpy as np import pandas as pd import matplotlib.pyplot as plt text = pd.read_csv(r'result.csv') text.head() Unnamed: 0 PassengerId Survived Pclass N
pandas_数据可视化
qq_34229228的博客
10-14 328
import pandas as pd import numpy as np import matplotlib.pyplot as plt # 将图片画在网页里 %matplotlib inline ts=pd.Series(np.random.randn(1000),index=pd.date_range('2000/1/1',periods=1000)) ts=ts.cumsum() ...
pandas——可视化
ITYTI的博客
01-23 300
相关知识 绘图方法允许除了默认的线图之外的一些绘图样式，这些方法可以通过plot()的关键字参数kind提供。这些包括: bar 、barh：绘制条形图 hist：绘制直方图 box：绘制箱型图 kde、density：绘制密度图 area：面积图 scatter：绘制散点图 hexbin：棱形图 pie：绘制饼图 实操 1.打开PyCharm，选择Create New Pr...
Python Pandas 数据可视化
weixin_42098295的博客
01-08 1094
它提供了一系列预定义的样式和主题，可以快速创建美观的图表。指定须（whisker）的范围，可以是数值或字符串，如 1.5 或 'range'。指定直方图的类型，例如 'bar' (柱状图)、 'step' (阶梯图) 等。指定线条样式，例如 - (实线)、 -- (虚线)、 -. (点划线) 等。指定直方图柱状图边缘的颜色，可以是字符串颜色名、RGB 颜色值或一维数组。指定数据点标记形状，例如 o (圆)、 x (叉)、 * (星) 等。指定数据点形状，例如 o (圆)、 x (叉)、 * (星) 等。
Python数据分析实践：Pandas数据可视化new.pdf
06-14
在Python数据分析领域，Pandas库不仅提供了强大的数据处理能力，还内置了数据可视化功能，使得数据分析与展示变得更为直观和高效。Pandas的数据可视化主要基于matplotlib模块的pyplot子模块，利用pyplot类来创建各种...
Pandas数据可视化详解:大案例解析（第27天）
07-05
Pandas数据可视化详解:大案例解析（第27天）
pandas可视化
07-30
pandas的可视化notebook,pandas的可视化notebook,pandas的可视化notebook,
Pandas数据可视化: DataFrame Plotting【Pandas入门教程7】
08-31
Pandas数据可视化__DataFrame_Plotting【Pandas入门教程7】
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...
【Python数据可视化】用Pandas做出精美图表
早起Python
11-22 2170
如果你经常使用Python进行数据分析，那么对于Pandas一定不会陌生，但是Pandas除了在数据处理上大放异彩，随着版本的不断更新，Pandas的绘图功能在某些情况下甚至要比Matplotlib更加适用，本文就将介绍如何用Pandas更快的进行数据可视化！ 基本使用，学会制作套路 首先我们使用pandas随机生成示例数据 import pandas as pd df= pd.DataFrame(np.random.rand(8, 4), columns=['A','B','C','D']) 现在只要
Pandas——数据可视化
weixin_37763870的博客
03-18 629
文章目录1.前言2.Series可视化3.Dataframe 可视化4.画散点图 1.前言 首先import我们需要用到的模块，除了 pandas，我们也需要使用 numpy 生成一些数据，这节里使用的 matplotlib 仅仅是用来 show 图片的, 即 plt.show()。 import pandas as pd import numpy as np import matplotlib....
Python--Pandas-数据可视化
热门推荐
苦作舟的人呐
06-08 2万+
1.Pandas 简介 我们做数据可视化，其实就是就数据进行分析，使用Python做数据分析的，我想pandas必然是一个利器，一个非常强大的数据分析工具包，也集成了数据可视化的功能，一个集数据处理、分析、可视化于一身的工具，非常强大好用。pandas中的数据可视化已经可以满足我们大部分的要求了，也就省下了我们很多自己使用 如 matplotlib 来数据可视化的工作。 2.数据集 在对...
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

打赏作者

网络安全-李彦亮(本人)

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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