Pandas 內(nèi)置的十種畫圖方法

更新時(shí)間：2022年09月19日 15:33:18 作者：npm_run_dev__

這篇文章主要介紹了Pandas 內(nèi)置的十種畫圖方法，Pandas是非常常見(jiàn)的數(shù)據(jù)分析工具，我們一般都會(huì)處理好處理數(shù)據(jù)然后使用searbon或matplotlib來(lái)進(jìn)行繪制

前言

Pandas是非常常見(jiàn)的數(shù)據(jù)分析工具，我們一般都會(huì)處理好處理數(shù)據(jù)然后使用searbon或matplotlib來(lái)進(jìn)行繪制。但在Pandas內(nèi)部就已經(jīng)集成了matplotlib，本文將展示Pandas內(nèi)部的畫圖方法。

畫圖類型

在Pandas中內(nèi)置的畫圖方法如下幾類，基本上都是常見(jiàn)的畫圖方法。每種方法底層也是使用的matplotlib。

line : line plot (default)

bar : vertical bar plot

barh : horizontal bar plot

hist : histogram

box : boxplot

density/kde : Density Estimation

area : area plot

pie : pie plot

scatter : scatter plot

hexbin : hexbin plot

在進(jìn)行畫圖時(shí)我們有兩種調(diào)用方法：

df = pd.DataFrame({
    'sales': [3, 3, 3, 9, 10, 6],
    'signups': [4, 5, 6, 10, 12, 13],
    'visits': [20, 42, 28, 62, 81, 50],
}, index=pd.date_range(start='2018/01/01', end='2018/07/01', freq='M'))
 
# 方法1，這種方法是高層API，需要制定kind
df.plot(kind='area')
 
# 方法2，這種方法是底層API
df.plot.area()

面積圖（area）

面積圖直觀地顯示定量數(shù)據(jù)下面的區(qū)域面積，該函數(shù)包裝了 matplotlib 的area函數(shù)。

# 默認(rèn)為面積堆疊
df.plot(kind='area')

# 設(shè)置面積不堆疊
df.plot.area(stacked=False)

# 手動(dòng)指定坐標(biāo)軸
df.plot.area(y='sales', x='signups')

條形圖（bar）

條形圖是一種用矩形條顯示分類數(shù)據(jù)的圖，矩形條的長(zhǎng)度與它們所代表的值成比例。條形圖顯示離散類別之間的比較。圖的一個(gè)軸顯示比較的特定類別，另一個(gè)軸表示測(cè)量值。

df = pd.DataFrame({'lab':['A', 'B', 'C'], 'val':[10, 30, 20]})
# 手動(dòng)設(shè)置坐標(biāo)軸
ax = df.plot.bar(x='lab', y='val', rot=0)

# 并排繪制
df.plot.bar(rot=0)

# 堆疊繪制
df.plot.bar(stacked=True)

# 分圖繪制
axes = df.plot.bar(rot=0, subplots=True)
axes[0].legend(loc=2)
axes[1].legend(loc=2)

水平條形圖（barh）

水平條形圖是用矩形條形表示定量數(shù)據(jù)的圖表，矩形條形的長(zhǎng)度與它們所代表的值成正比。條形圖顯示離散類別之間的比較。

# 并排繪制
df.plot.barh(rot=0)

# 堆疊繪制
df.plot.barh(stacked=True)

箱線圖（boxplot）

箱線圖是一種通過(guò)四分位數(shù)以圖形方式描繪數(shù)值數(shù)據(jù)組的方法。該框從數(shù)據(jù)的 Q1 到 Q3 四分位值延伸，在中位數(shù) (Q2) 處有一條線。

age_list = [8, 10, 12, 14, 72, 74, 76, 78, 20, 25, 30, 35, 60, 85]
df = pd.DataFrame({"gender": list("MMMMMMMMFFFFFF"), "age": age_list})
ax = df.plot.box(column="age", by="gender", figsize=(10, 8))

密度圖（density）

核密度估計(jì) (KDE) 是一種估計(jì)隨機(jī)變量的概率密度函數(shù) (PDF) 的非參數(shù)方法。

s = pd.Series([1, 2, 2.5, 3, 3.5, 4, 5])
ax = s.plot.kde()

df = pd.DataFrame({
    'x': [1, 2, 2.5, 3, 3.5, 4, 5],
    'y': [4, 4, 4.5, 5, 5.5, 6, 6],
})
ax = df.plot.kde()

六邊形圖（hexbin）

和熱力圖類似，具體的顏色按照密度來(lái)進(jìn)行展示。但形狀使用六邊形圖代替。

n = 10000
df = pd.DataFrame({'x': np.random.randn(n),
                   'y': np.random.randn(n)})
ax = df.plot.hexbin(x='x', y='y', gridsize=20)

直方圖（hist）

df = pd.DataFrame(
    np.random.randint(1, 7, 6000),
    columns = ['one'])
df['two'] = df['one'] + np.random.randint(1, 7, 6000)
ax = df.plot.hist(bins=12, alpha=0.5)

折線圖（line）

s = pd.Series([1, 3, 2])
s.plot.line()

df = pd.DataFrame({
   'pig': [20, 18, 489, 675, 1776],
   'horse': [4, 25, 281, 600, 1900]
   }, index=[1990, 1997, 2003, 2009, 2014])
 
lines = df.plot.line()

餅圖（pie）

df = pd.DataFrame({'mass': [0.330, 4.87 , 5.97],
                   'radius': [2439.7, 6051.8, 6378.1]},
                  index=['Mercury', 'Venus', 'Earth'])
 
plot = df.plot.pie(y='mass', figsize=(5, 5))

# 默認(rèn)使用index進(jìn)行分組
df.plot.pie(subplots=True, figsize=(11, 6))

散點(diǎn)圖（scatter）

df = pd.DataFrame([[5.1, 3.5, 0], [4.9, 3.0, 0], [7.0, 3.2, 1],
                   [6.4, 3.2, 1], [5.9, 3.0, 2]],
                  columns=['length', 'width', 'species'])
 
ax1 = df.plot.scatter(x='length',y='width', c='DarkBlue')