pandas to_csv参数详解_【Python基础】Pandas数据可视化原来也这么厉害
一、可視化概述
在Python中，常見的數(shù)據(jù)可視化庫有3個：
matplotlib：最常用的庫，可以算作可視化的必備技能庫，比較底層，api多,學起來不太容易。
seaborn：是建構于matplotlib基礎上，能滿足絕大多數(shù)可視化需求，更特殊的需求還是需要學習matplotlib。
pyecharts：上面的兩個庫都是靜態(tài)的可視化庫，而pyecharts有很好的web兼容性，可以做到可視化的動態(tài)效果。并且種類也比較豐富。比如這個圖，就非常厲害：畫圖神器pyecharts-旭日圖
Pandas：而今天要講的是Pandas的可視化，Pandas主要作為數(shù)據(jù)分析的庫，雖然沒有上述三個庫那個強大，但是勝在方便，在數(shù)據(jù)分析的過程中，只要一行代碼就能實現(xiàn)。并且圖形也非常漂亮。
二、直接看案例
Pandas 中，有11個比較常見的圖形可視化，還有幾個比較進階的，我們一個一個看看怎么畫的
import pandas as pdimport numpy as npdf= pd.DataFrame(np.random.rand(10, 4), columns=['A','B','C','D'])01、柱狀圖-縱向
df.plot.bar()? ? ? ? ? ? ?
stacked=True，畫堆疊柱狀圖
df.plot.bar(stacked=True)? ? ? ? ? ? ?
02、柱狀圖-橫向
df.plot.barh()? ? ? ? ? ? ?
同樣，stacked=True，畫堆疊柱狀圖
df.plot.barh(stacked=True)? ? ? ? ? ? ?
03、面積圖
df.plot.area(alpha = 0.9)? ? ? ? ? ? ?
df.plot.area(stacked=True,alpha = 0.9)? ? ? ? ? ? ?
04、密度圖-kde
df.plot.kde()? ? ? ? ? ? ?
05、密度圖-density
df.plot.density()? ? ? ? ? ? ?
06、直方圖
換個數(shù)據(jù)集
df = pd.DataFrame({'A': np.random.randn(1000) + 1, 'B': np.random.randn(1000), 'C': np.random.randn(1000) - 1}, columns=['A', 'B', 'C']) df.plot.hist(bins=200)? ? ? ? ? ? ?
df.plot.hist(stacked=True, bins=20)? ? ? ? ? ? ?
df= pd.DataFrame(np.random.rand(1000, 4), columns=['A','B','C','D'])df.diff().hist(color='k', alpha=0.7, bins=50)? ? ? ? ? ? ?
07、箱盒圖
df= pd.DataFrame(np.random.rand(100, 4), columns=['A','B','C','D'])df.plot.box()? ? ? ? ? ? ?
vert=False也可以換成橫向
df.plot.box(vert=False)? ? ? ? ? ? ?
08、散點圖
df.plot.scatter(x='A',y='B')? ? ? ? ? ? ?
09、蜂巢圖
df = pd.DataFrame(np.random.randn(1000, 2), columns=['a', 'b'])df['b'] = df['b'] + np.arange(1000)df.plot.hexbin(x='a', y='b', gridsize=25)? ? ? ? ? ? ?
07、餅圖
series = pd.Series(3 * np.random.rand(4), index=['a', 'b', 'c', 'd'], name='series')series.plot.pie(figsize=(6, 6))? ? ? ? ? ? ?
series.plot.pie(labels=['AA', 'BB', 'CC', 'DD'], colors=['r', 'g', 'b', 'c'],autopct='%.2f', fontsize=20, figsize=(6, 6))? ? ? ? ? ? ?
08、矩陣散點圖
from pandas.plotting import scatter_matrixdf = pd.DataFrame(np.random.randn(1000, 4), columns=['a', 'b', 'c', 'd'])scatter_matrix(df, alpha=0.2, figsize=(6, 6), diagonal='kde')? ? ? ? ? ? ?
09、安德魯斯曲線
加載自己的數(shù)據(jù)，關注公眾號【AI入門學習】回復?iris 獲取數(shù)據(jù)集
data = pd.read_csv('C:/Users/wuzhengxiang/Desktop/iris.csv')pd.plotting.andrews_curves(data , 'Name')? ? ? ? ? ? ?
andrews_curves(data, 'Name', colormap='winter')? ? ? ? ? ? ?
10、平行坐標圖
該圖也是使用自己加載的iris數(shù)據(jù)集
from pandas.plotting import parallel_coordinatesparallel_coordinates(data, 'Name', colormap='gist_rainbow')? ? ? ? ? ? ?
11、Lag Plot
from pandas.plotting import lag_plotdf= pd.Series(0.1 * np.random.rand(1000) + 0.9 * np.sin(np.linspace(-99 * np.pi, 99 * np.pi, num=1000)))lag_plot(df)? ? ? ? ? ? ?
12、默認函數(shù)plot
直接畫圖，默認為折線圖
df= pd.DataFrame(np.random.rand(12, 4), columns=['A','B','C','D'])df.plot()? ? ? ? ? ? ?
df.plot(subplots=True,layout=(2, 2), figsize=(15, 8))? ? ? ?
df= pd.DataFrame(np.random.rand(1000, 4), columns=['A','B','C','D'])df.plot()? ? ? ? ? ? ?
df.plot(subplots=True,layout=(2,?2),?figsize=(15,?8))? ? ? ? ? ? ?
13、bootstrap_plot
s = pd.Series(np.random.uniform(size=100))pd.plotting.bootstrap_plot(s)? ? ? ? ? ? ?
三、參數(shù)詳解
1、官方文檔
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.plot.html
https://pandas.pydata.org/pandas-docs/version/0.18.1/visualization.html
2、參數(shù)介紹
DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False, sharex=None, sharey=False, layout=None, figsize=None, use_index=True, title=None, grid=None, legend=True, style=None, logx=False, logy=False, loglog=False, xticks=None, yticks=None, xlim=None, ylim=None, rot=None, fontsize=None, colormap=None, position=0.5, table=False, yerr=None,xerr=None, stacked=True/False, sort_columns=False, secondary_y=False, mark_right=True, **kwds)e, legend=True, style=None, logx=False, logy=False, loglog=False, xticks=None, yticks=None, xlim=None, ylim=None, rot=None, fontsize=None, colormap=None, position=0.5, table=False, yerr=None, xerr=None, stacked=True/False, sort_columns=False, secondary_y=False, mark_right=True, **kwds)注意：每種繪圖類型都有相對應的方法: df.plot(kind='line')與df.plot.line()等價
x : label or position, default None#指數(shù)據(jù)列的標簽或位置參數(shù)
y : label, position or list of label, positions, default None
kind : str#繪圖類型
‘line’ : line plot (default)#折線圖
‘bar’ : vertical bar plot#條形圖。stacked為True時為堆疊的柱狀圖
‘barh’ : horizontal bar plot#橫向條形圖
‘hist’ : histogram#直方圖(數(shù)值頻率分布)
‘box’ : boxplot#箱型圖
‘kde’ : Kernel Density Estimation plot#密度圖，主要對柱狀圖添加Kernel 概率密度線
‘density’ : same as ‘kde’
‘area’ : area plot#與x軸所圍區(qū)域圖(面積圖)。Stacked=True時，每列必須全部為正或負值，stacked=False時，對數(shù)據(jù)沒有要求
‘pie’ : pie plot#餅圖。數(shù)值必須為正值，需指定Y軸或者subplots=True
‘scatter’ : scatter plot#散點圖。需指定X軸Y軸
‘hexbin’ : hexbin plot#蜂巢圖。需指定X軸Y軸
‘hexbin’ : hexbin plot#蜂巢圖。需指定X軸Y軸
ax : matplotlib axes object, default None#**子圖(axes, 也可以理解成坐標軸) 要在其上進行繪制的matplotlib subplot對象。如果沒有設置，則使用當前matplotlib subplot**其中，變量和函數(shù)通過改變figure和axes中的元素(例如：title,label,點和線等等)一起描述figure和axes，也就是在畫布上繪圖。
subplots : boolean, default False#是否對列分別作子圖
sharex : boolean, default True if ax is None else False#如果ax為None，則默認為True，否則為False
In case subplots=True, share x axis and set some x axis labels to invisible; defaults to True if ax is None otherwise False if an ax is passed in; Be aware, that passing in both an ax and sharex=True will alter all x axis labels for all axis in a figure!
sharey : boolean, default False#如果有子圖，子圖共y軸刻度，標簽
In case subplots=True, share y axis and set some y axis labels to invisible
layout : tuple (rows, columns) for the layout of subplots#子圖的行列布局
figsize : a tuple (width, height) in inches#圖片尺寸大小
use_index : boolean, default True#默認用索引做x軸
title : string#圖片的標題用字符串
Title to use for the plot
grid : boolean, default None#圖片是否有網(wǎng)格
legend : False/True/’reverse’#子圖的圖例 (默認為True)
style : list or dict#對每列折線圖設置線的類型
logx : boolean, default False#設置x軸刻度是否取對數(shù)
logy : boolean, default False
loglog : boolean, default False#同時設置x，y軸刻度是否取對數(shù)
xticks : sequence#設置x軸刻度值，序列形式(比如列表)
yticks : sequence#設置y軸刻度，序列形式(比如列表)
xlim : float/2-tuple/list#設置坐標軸的范圍。數(shù)值(最小值)，列表或元組(區(qū)間范圍)
ylim : float/2-tuple/list
rot : int, default None#設置軸標簽(軸刻度)的顯示旋轉度數(shù) ?
fontsize : int, default None#設置軸刻度的字體大小
colormap : str or matplotlib colormap object, default None#設置圖的區(qū)域顏色
colorbar : boolean, optional? #柱子顏色
If True, plot colorbar (only relevant for ‘scatter’ and ‘hexbin’ plots)
position : float? #條形圖的對齊方式，取值范圍[0,1]，即左下端到右上端默認0.5(中間對齊)?
layout : tuple (optional)? #布局。layout=(2, 3)兩行三列，layout=(2, -1)兩行自適應列數(shù)
Eg. df.plot(subplots=True, layout=(2, -1), sharex=False)
table : boolean, Series or DataFrame, default False ?#圖下添加表。如果為True，則使用DataFrame中的數(shù)據(jù)繪制表格，并且數(shù)據(jù)將被轉置以滿足matplotlib的默認布局。。
yerr : DataFrame, Series, array-like, dict and str
See Plotting with Error Bars for detail.
xerr : same types as yerr.
stacked : boolean, default False in line and bar plots, and True in area plot. If True, create stacked plot. #前面有介紹
sort_columns : boolean, default False? #對列名稱進行排序以確定繪圖順序
secondary_y : boolean or sequence, default False? #設置第二個y軸(右輔助y軸)
Whether to plot on the secondary y-axis If a?list/tuple, which columns to plot on secondary y-axis
mark_right : boolean, default True
往期精彩回顧
適合初學者入門人工智能的路線及資料下載
機器學習及深度學習筆記等資料打印
機器學習在線手冊
深度學習筆記專輯
《統(tǒng)計學習方法》的代碼復現(xiàn)專輯
AI基礎下載
機器學習的數(shù)學基礎專輯
獲取本站知識星球優(yōu)惠券，復制鏈接直接打開：
https://t.zsxq.com/qFiUFMV
本站qq群704220115。
加入微信群請掃碼：
總結
以上是生活随笔為你收集整理的pandas to_csv参数详解_【Python基础】Pandas数据可视化原来也这么厉害的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： oracle 如何 更改 ref cur
- 下一篇： 用python控制键盘_【python黑