大家都知道，Matplotlib 是眾多 Python 可視化包的鼻祖，也是Python最常用的標準可視化庫，其功能非常強大，同時也非常復雜，想要搞明白并非易事。但自從Python進入3.0時代以后，pandas的使用變得更加普及，它的身影經常見于市場分析、爬蟲、金融分析以及科學計算中。

作為數據分析工具的集大成者，pandas作者曾說，pandas中的可視化功能比plt更加簡便和功能強大。實際上，如果是對圖表細節有極高要求，那么建議大家使用matplotlib通過底層圖表模塊進行編碼。當然，我們大部分人在工作中是不會有這樣變態的要求的，所以一句import pandas as pd就足夠應付全部的可視化工作了。

下面，我們總結一下PD庫的一些使用方法和入門技巧。

一、線型圖

對于pandas的內置數據類型，Series 和 DataFrame 都有一個用于生成各類 圖表 的 plot 方法。 默認情況下， 它們所生成的是線型圖。其實Series和DataFrame上的這個功能只是使用matplotlib庫的plot()方法的簡單包裝實現。參考以下示例代碼 -

import pandas as pd

import numpy as np

df = pd.DataFrame(np.random.randn(10,4),index=pd.date_range('2018/12/18',

periods=10), columns=list('ABCD'))

df.plot()

執行上面示例代碼，得到以下結果 -

如果索引由日期組成，則調用gct().autofmt_xdate()來格式化x軸，如上圖所示。

我們可以使用x和y關鍵字繪制一列與另一列。

s = Series( np. random. randn( 10). cumsum(), index= np. arange( 0, 100, 10))

s. plot()

pandas 的大部分繪圖方法都有 一個 可選的ax參數， 它可以是一個 matplotlib 的 subplot 對象。 這使你能夠在網格 布局 中 更為靈活地處理 subplot 的位置。 DataFrame的plot 方法會在 一個 subplot 中為各列繪制 一條 線， 并自動創建圖例（ 如圖所示）：

df = DataFrame( np. random. randn( 10, 4). cumsum( 0), ...: columns=[' A', 'B', 'C', 'D'], index= np. arange( 0, 100, 10))

df. plot()

二、柱狀圖

在生成線型圖的代碼中加上 kind=' bar'（ 垂直柱狀圖） 或 kind=' barh'（ 水平柱狀圖） 即可生成柱狀圖。 這時，Series 和 DataFrame 的索引將會被用 作 X（ bar） 或 （barh）刻度：

In [59]: fig, axes = plt. subplots( 2, 1)

In [60]: data = Series( np. random. rand( 16), index= list(' abcdefghijklmnop'))

In [61]: data. plot( kind=' bar', ax= axes[ 0], color=' k', alpha= 0. 7)

Out[ 61]: < matplotlib. axes. AxesSubplot at 0x4ee7750>

In [62]: data. plot( kind=' barh', ax= axes[ 1], color=' k', alpha= 0.

對于 DataFrame， 柱狀 圖 會 將 每一 行的 值 分為 一組， 如圖 8- 16 所示：

In [63]: df = DataFrame( np. random. rand( 6, 4), ...: index=[' one', 'two', 'three', 'four', 'five', 'six'], ...: columns= pd. Index([' A', 'B', 'C', 'D'], name=' Genus'))

In [64]: df

Out[ 64]:

Genus

A B C D

one 0. 301686 0. 156333 0. 371943 0. 270731

two 0. 750589 0. 525587 0. 689429 0. 358974

three 0. 381504 0. 667707 0. 473772 0. 632528

four 0. 942408 0. 180186 0. 708284 0. 641783

five 0. 840278 0. 909589 0. 010041 0. 653207

six 0. 062854 0. 589813 0. 811318 0. 060217

In [65]: df. plot( kind=' bar')

三、條形圖

現在通過創建一個條形圖來看看條形圖是什么。條形圖可以通過以下方式來創建 -

import pandas as pd

import numpy as np

df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d'])

df.plot.bar()

執行上面示例代碼，得到以下結果 -

要生成一個堆積條形圖，通過指定：pass stacked=True -

import pandas as pd

df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d'])

df.plot.bar(stacked=True)

執行上面示例代碼，得到以下結果 -

要獲得水平條形圖，使用barh()方法 -

import pandas as pd

import numpy as np

df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d'])

df.plot.barh(stacked=True)

四、直方圖

可以使用plot.hist()方法繪制直方圖。我們可以指定bins的數量值。

import pandas as pd

import numpy as np

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=20)

執行上面示例代碼，得到以下結果 -

要為每列繪制不同的直方圖，請使用以下代碼 -

import pandas as pd

import numpy as np

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.hist(bins=20)

執行上面示例代碼，得到以下結果 -

五、箱型圖

Boxplot可以繪制調用Series.box.plot()和DataFrame.box.plot()或DataFrame.boxplot()來可視化每列中值的分布。

例如，這里是一個箱形圖，表示對[0,1)上的統一隨機變量的10次觀察的五次試驗。

import pandas as pd

import numpy as np

df = pd.DataFrame(np.random.rand(10, 5), columns=['A', 'B', 'C', 'D', 'E'])

df.plot.box()

執行上面示例代碼，得到以下結果 -

六、塊型圖

可以使用Series.plot.area()或DataFrame.plot.area()方法創建區域圖形。

import pandas as pd

import numpy as np

df = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])

df.plot.area()

執行上面示例代碼，得到以下結果 -

七、散點圖

可以使用DataFrame.plot.scatter()方法創建散點圖。

import pandas as pd

import numpy as np

df = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd'])

df.plot.scatter(x='a', y='b')

執行上面示例代碼，得到以下結果 -

八、餅狀圖

餅狀圖可以使用DataFrame.plot.pie()方法創建。

import pandas as pd

import numpy as np

df = pd.DataFrame(3 * np.random.rand(4), index=['a', 'b', 'c', 'd'], columns=['x'])

df.plot.pie(subplots=True)

執行上面示例代碼，得到以下結果 -

以上這篇Python數據分析:手把手教你用Pandas生成可視化圖表的教程就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

總結

以上是生活随笔為你收集整理的python数据分析图_Python数据分析:手把手教你用Pandas生成可视化图表的教程的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。