pandas可视化

当获取一份数据后，将数据做成统计图时，需要设置不同的参数来得到不同的统计图

常用的参数有

x和y：表示x轴或y轴，指定标签或位
kind：表示绘图的类型，默认的为line（折线图）

line:折线图
bar/barh:柱形图（条形图），纵向/横向
pie：饼状图
hist：直方图（数值频率分布）
box：箱型图
kde：密度图（对柱状图添加kerne概率密度线）
area：面积图

scatter：散点图
hexbin：蜂巢图
ax：子图（第二坐标轴）
subplots：是否对列分别做子图，默认False

sharex：共享x轴刻度、标签（与ax共同作用，如果ax为None，则默认为True，如果传入ax，则默认为False）
sharey：同理，共享y轴
figsize：图形尺寸的大小
title：图形的标题
colorbar：柱子颜色

绘制折线图的基本操作
图像标记：使用关键字参数marker来标记每个点plt.plot(x, y, marker=‘*’ ) # 用星号来标记点
线的类型：linestyle可以缩写成ls，plt.plot(x, y, ls = ‘-’ )
虚线dashed：ls = ‘:’ , 虚线还可以写成ls = ‘–’
直线dotted：ls = ‘-’

斜点：ls = ‘-.’
线条颜色:plt.plot(x, y, color = ‘red’)，color可以缩写成c
线宽：plt.plot(x, y, linewidth = ‘数字’)
标签和标题：x轴名plt.xlabel(“XX”)、y轴名plt.ylabel(“XX”)、标题plt.title(“XX”)
设置标签和标题的字体属性：用参数fontdict来为xlabel()、ylabel()和title()设置字体属性
plt.title(“XX”, fontdict=xx)
xx可以写成xx = {‘family’ : ‘serif’, ‘color’ : ‘bule’, ‘size’ : 20}
标题的定位：用参数loc来对标题的定位
plt.title(“XX”, loc = ‘left’) 靠左侧是left，靠右侧是right，中间是center(默认值)
添加网格线：plt.grid() 默认x和y都有网格线
显示x轴的网格线：plt.grid(axis = ‘x’)、axis = 'y’显示y轴、axis = 'both’显示x和y轴
设置网格线的属性：plt.grid(color = ‘XX’, linestyle = ‘XX’, linewidth = ‘XX’)
子图：用subplots()可以在一张图中绘制多张图
plt.subplots(x, y, z) 参数x，y对应行和列、z表示当前绘图的索引，用x，y，z三个参数来描绘图形的布局。
子图里面添加标题和上述方法一样plt.title(“XX”)，在各自生成子图的代码中使用该方法。
子图里面添加大标题方法为plt.suptitle(“XX”)

这里我们读取一份csv文件，通过数据之间的关系，使数据通过不同的形式表现出来，

柱状图

import matplotlib.pyplot as plt

df.plot(kind='bar',
        x = 'month',
        y = ['apple','banana','peach']
       
       )

plt.show()

将读取的文件保存到df，通过plot方法使其图形化。kind参数代表了图形的形状，bar代表柱状图，X轴为month（月份），Y轴为不同的水果。然后通过show方法展现出来

如果不设置相关的参数的话，有可能不能正常的显示中文，使用默认的有可能达不到我们想要的结果

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号

df.plot(kind='bar',
        x = 'month',
       y=['apple', 'banana','peach'],
        #分别作子图
        subplots=True, 
        title='年份的水果销售柱形图' 
       )
plt.show()

通过subplot=True使得分别做子图，分别统计，添加title可以为统计图添加标题，并可以使用中文

好可以通过stacked=True参数，将柱状图重叠

df.plot(stacked=True,kind='bar')

通过改变kind=‘barh’，可以将柱状图水平

df.plot(stacked=True,kind='barh')

折线图

pandas默认的图形就是折线图，可以不用添加任何参数

df.plot()

如果想要某一个或某两个的折现统计图，可以指定

df.plot(y=['apple','banana'])

通常X轴代表代表自己指定的东西，通常不能让它默认，我们要自己指定好X和Y轴

df.plot(x='month',y='apple')

扇形图

通过kind类型可以指定很多形式的统计图，比如说扇形图

df.plot(x='month',y='apple',kind='pie')

箱型图

df.plot(x='month',y=['apple','peach','banana'],kind='box')

散点图

比如绘制apple和banana的分布散点图

df.plot.scatter(x='apple', y='banana')

scatter表示散点图

也可以通过设置kind参数，效果一样

df.plot(x='apple', y='banana',kind='scatter')

也可以通过统计每个月的水果分布统计

df.plot(x='month', y=['banana'],kind='scatter')

其实这和折线统计图是一样的，kind改变了样式而已

当然，我们还可以选择散点的形状和颜色，通过不同的参数可以实现

df.plot(x='month', y=['banana'],kind='scatter',color="red", marker="*", s=100)

color表示颜色，marker代表散点的样式，s代表大小

其他图像