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(xué)起來不太容易。

seaborn：是建構(gòu)于matplotlib基礎(chǔ)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(xué)習(xí)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(guān)注公眾號【AI入門學(xué)習(xí)】回復(fù)?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(biāo)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(yīng)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(biāo)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’

‘a(chǎn)rea’ : 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(biāo)軸) 要在其上進行繪制的matplotlib subplot對象。如果沒有設(shè)置，則使用當(dāng)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(biāo)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(biāo)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(shè)置線的類型

logx : boolean, default False#設(shè)置x軸刻度是否取對數(shù)

logy : boolean, default False

loglog : boolean, default False#同時設(shè)置x，y軸刻度是否取對數(shù)

xticks : sequence#設(shè)置x軸刻度值，序列形式（比如列表）

yticks : sequence#設(shè)置y軸刻度，序列形式（比如列表）

xlim : float/2-tuple/list#設(shè)置坐標(biāo)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(shè)置軸標(biāo)簽（軸刻度）的顯示旋轉(zhuǎn)度數(shù) ?

fontsize : int, default None#設(shè)置軸刻度的字體大小

colormap : str or matplotlib colormap object, default None#設(shè)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(yīng)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(zhuǎn)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(shè)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

↓掃描二維碼關(guān)注本號↓