簡介

其中scatter和hexbin只適用于數(shù)據(jù)幀，即DataFrame格式。所謂DataFrame，即數(shù)據(jù)幀，可以理解為一個表格，如果不考慮表頭的話，這個表格就是多維數(shù)組。

對于這些圖像類別，也可以調(diào)用專門封裝成的函數(shù)進行繪制，例如針對下面這組數(shù)據(jù)

import matplotlib.pyplot as plt
import pandas as pd
s = pd.Series([1, 2, 2.5, 3, 3.5, 4, 5])

s.plot.kde()完全等價于s.plot(kind='kde')。

接下來逐個展示這些圖表

條形圖

pandas中提供橫向和縱向兩種條形圖。

import numpy as np
df = pd.DataFrame(np.random.rand(10,5),
    columns=['a','b','c','d','e'])
df.plot.bar(title="bar")
df.plot.barh(title="barh", stacked=True)
plt.show()

barbarh

折線圖

df.plot.line(title="line")
df.plot.area(title="area")
plt.show()

linearea

箱線圖

箱形圖（Box-plot）又稱為盒須圖、盒式圖或箱線圖，是一種用作顯示一組數(shù)據(jù)分散情況資料的統(tǒng)計圖。因形狀如箱子而得名。在各種領域也經(jīng)常被使用，常見于品質(zhì)管理。它主要用于反映原始數(shù)據(jù)分布的特征，還可以進行多組數(shù)據(jù)分布特征的比 較。箱線圖的繪制方法是：先找出一組數(shù)據(jù)的上邊緣、下邊緣、中位數(shù)和兩個四分位數(shù)；然后， 連接兩個四分位數(shù)畫出箱體；再將上邊緣和下邊緣與箱體相連接，中位數(shù)在箱體中間。

df.plot.box(title='box')
df.plot.kde(title='kde')
plt.show()

boxkde

直方圖

hist為數(shù)據(jù)直方圖，多條數(shù)據(jù)放在一起容易混淆，可以設置透明度alpha。下面對高斯分布的散點進行繪制，分別繪制其數(shù)據(jù)直方圖和概率密度圖，可以看出二者之間的關聯(lián)性。

rdNormal = np.random.normal
rand = np.random.rand
df = pd.DataFrame({
    i : rdNormal(i,rand(),size=(1000)) for i in range(3)})
df.plot.hist(title='box', bins=30, alpha=0.5)
df.plot.density(title='density')
plt.show()

histdensity

餅圖

餅圖對輸入數(shù)據(jù)有一定的限制，即不允許出現(xiàn)負值，故在繪制之前，將df所有值取絕對值，且不支持多組數(shù)據(jù)在一個圖中繪制，故而需要開啟subplot選項

df = pd.DataFrame(np.random.rand(5,3),columns=list('abc'),index=list("ABCDE"))
df.plot.pie(title='pie', subplots=True)
plt.show()

當然，這個subplots選項是任何一種圖像都可以使用的參數(shù)。

散點圖和六邊形分箱圖

散點圖是只有數(shù)據(jù)幀可以調(diào)用的繪圖方法，共有兩類，分別是scatter和hexbin，前者是普通的散點圖，后者是六邊形分箱圖，本質(zhì)上是一種二維的數(shù)據(jù)直方圖。

rdNormal = np.random.normal
rand = np.random.rand
keys = ['x', 'y', 'c']
datas = {
    keys[i] : rdNormal(i,rand(),size=(1000)) for i in [0,1,2]
}
df = pd.DataFrame(datas)
df.plot.scatter(x='x', y='y', c='c')
df.plot.hexbin(x='x', y='y', gridsize=10)
plt.show()

scatter

hexbin 

到此這篇關于Pandas繪圖函數(shù)超詳細講解的文章就介紹到這了,更多相關Pandas繪圖函數(shù)內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！