Python数据分析 | 基于Pandas的数据可视化
2022/2/25 20:24:23
本文主要是介绍Python数据分析 | 基于Pandas的数据可视化,对大家解决编程问题具有一定的参考价值,需要的程序猿们随着小编来一起学习吧!
作者:韩信子@ShowMeAI
教程地址:http://www.showmeai.tech/tutorials/33
本文地址:http://www.showmeai.tech/article-detail/150
声明:版权所有,转载请联系平台与作者并注明出处
大家在前面的教程中看到了Pandas进行数据分析的灵活操作,但同时作为一个功能强大的全能工具库,它也能非常方便地支持数据可视化,而且大部分基础图像绘制只要一行代码就能实现,大大加速了我们的分析效率,本文我们介绍pandas可视化及绘制各种图形的方法。
一、基本绘图函数plot
Series 和 DataFrame 上的可视化功能,只是围绕matplotlib库plot()
方法的简单包装。
import pandas as pd import numpy as np df = pd.DataFrame(np.random.randn(10,4),index=pd.date_range('1/1/2022', periods=10), columns=list('ABCD')) df.plot()
运行结果如下:
如果索引由日期组成,如上图所示,会自动进行日期填充。
除默认线图外,还可以绘制多种样式,可以使用 DataFrame.plot.[图类型参数] 方法进行不同图形的选择。
二、条形图
import pandas as pd import numpy as np df = pd.DataFrame(np.random.rand(10,4),columns=['e','f','g','h']) df.plot.bar()
运行结果如下:
产生堆叠的柱状图, 可以设置 stacked=True
import pandas as pd df = pd.DataFrame(np.random.rand(10,4),columns= ['e','f','g','h']) df.plot.bar(stacked=True)
运行结果如下:
要获取水平条形图,可以使用barh方法:
import pandas as pd import numpy as np df = pd.DataFrame(np.random.rand(10,4),columns= ['e','f','g','h']) df.plot.barh(stacked=True)
运行结果如下:
三、直方图
可以使用 plot.hist()
方法绘制直方图。我们可以指定数量。
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, 'd':np.random.randn(1000) -2}, columns=['a', 'b', 'c', 'd']) df.plot.hist(bins=20)
运行结果如下:
可以使用以下代码为每列绘制不同的直方图:
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, 'd':np.random.randn(1000) -2}, columns=['a', 'b', 'c', 'd']) df.diff().hist(bins=20)
运行结果如下:
四、箱形图
可以通过调用 Series.box.plot()
和 DataFrame.box.plot()
或 DataFrame.boxplot()
来绘制Boxplot,以可视化每个列中值的分布。
例如,这是一个箱线图,代表对[0,1)上的一个随机变量的10个观测值的五个试验。
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()
运行结果如下:
五、面积图
可以使用 Series.plot.area()
或 DataFrame.plot.area()
方法创建面积图。
import pandas as pd import numpy as np df = pd.DataFrame(np.random.rand(10, 4), columns=['A', 'B', 'C', 'D']) df.plot.area()
运行结果如下:
六、散点图
创建散点图可以使用 DataFrame.plot.scatter()
方法。
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')
运行结果如下:
七、饼形图
创建饼图可以使用 DataFrame.plot.pie()
方法。
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)
运行结果如下:
资料与代码下载
本教程系列的代码可以在ShowMeAI对应的github中下载,可本地python环境运行,能访问Google的宝宝也可以直接借助google colab一键运行与交互操作学习哦!
本系列教程涉及的速查表可以在以下地址下载获取:
- Pandas速查表
- NumPy速查表
- Matplotlib速查表
- Seaborn速查表
拓展参考资料
- Pandas可视化教程
- Seaborn官方教程
ShowMeAI相关文章推荐
- 数据分析介绍
- 数据分析思维
- 数据分析的数学基础
- 业务认知与数据初探
- 数据清洗与预处理
- 业务分析与数据挖掘
- 数据分析工具地图
- 统计与数据科学计算工具库Numpy介绍
- Numpy与1维数组操作
- Numpy与2维数组操作
- Numpy与高维数组操作
- 数据分析工具库Pandas介绍
- 图解Pandas核心操作函数大全
- 图解Pandas数据变换高级函数
- Pandas数据分组与操作
- 数据可视化原则与方法
- 基于Pandas的数据可视化
- seaborn工具与数据可视化
ShowMeAI系列教程推荐
- 图解Python编程:从入门到精通系列教程
- 图解数据分析:从入门到精通系列教程
- 图解AI数学基础:从入门到精通系列教程
- 图解大数据技术:从入门到精通系列教程
这篇关于Python数据分析 | 基于Pandas的数据可视化的文章就介绍到这儿,希望我们推荐的文章对大家有所帮助,也希望大家多多支持为之网!
- 2024-11-24Python编程基础详解
- 2024-11-21Python编程基础教程
- 2024-11-20Python编程基础与实践
- 2024-11-20Python编程基础与高级应用
- 2024-11-19Python 基础编程教程
- 2024-11-19Python基础入门教程
- 2024-11-17在FastAPI项目中添加一个生产级别的数据库——本地环境搭建指南
- 2024-11-16`PyMuPDF4LLM`:提取PDF数据的神器
- 2024-11-16四种数据科学Web界面框架快速对比:Rio、Reflex、Streamlit和Plotly Dash
- 2024-11-14获取参数学习:Python编程入门教程