pandas可视化图分析报告（一文掌握Pandas可视化图表）
pandas可视化图分析报告（一文掌握Pandas可视化图表）‘density’ : 同密度图‘kde’ : 密度图‘barh’ : 条形图‘hist’ : 直方图‘box’ : 箱型图
1. 概述这里我们引入需要用到的库，并做一些基础设置。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 设置 可视化风格
plt.style.use('tableau-colorblind10')
# 以下代码从全局设置字体为SimHei（黑体），解决显示中文问题【Windows】
plt.rcParams['font.sans-serif'] = ['SimHei']
# 解决中文字体下坐标轴负数的负号显示问题
plt.rcParams['axes.unicode_minus'] = False
plot方法默认是折线图，而它还支持以下几类图表类型：
‘line’ : 折线图 (default)
‘bar’ : 柱状图
‘barh’ : 条形图
‘hist’ : 直方图
‘box’ : 箱型图
‘kde’ : 密度图
‘density’ : 同密度图
‘area’ : 面积图
‘pie’ : 饼图
‘scatter’ : 散点图 (DataFrame only)
‘hexbin’ : 六边形箱体图 (DataFrame only)
# 随机种子
np.random.seed(1)
ts = pd.Series(np.random.randn(100) index=pd.date_range("1/1/2020" periods=100))
ts = ts.cumsum()
ts.plot()
图表元素设置主要是指 数据源选择、图大小、标题、坐标轴文字、图例、网格线、图颜色、字体大小、线条样式、色系、多子图、图形叠加与绘图引擎等等。
数据源选择
这里是指坐标轴的x、y轴数据，对于Series类型数据来说其索引就是x轴，y轴则是具体的值；对于Dataframe类型数据来说，其索引同样是x轴的值，y轴默认为全部，不过可以进行指定选择。
# 随机种子
np.random.seed(1)
df = pd.DataFrame(np.random.randn(100 4) index=ts.index columns=list("ABCD"))
df = df.cumsum()
df.head()
对于案例数据，直接绘图效果如下（显示全部列）
df.plot()
我们可以指定数据源，比如指定列A的数据
df.plot(y='A')
我们还可以指定x轴和多列为y，我这里先构建一列X，然后进行数据源选取
df["X"] = list(range(len(df)))
df.head()
选择X列为x轴，B、C列为y轴数据
# 指定多个Y
df.plot(x='X' y=['B' 'C'])
图大小
通过参数figsize传入一个元组，指定图的长宽（英寸）
注意：以下我们以柱状图为例做演示
np.random.seed(1)
df = pd.DataFrame(np.random.rand(10 3) columns=["a" "b" "c"])
df.head()
# 图像大小
df.plot.bar(figsize=(10 5))
除了在绘图时定义图像大小外，我们还可以通过matplotlib的全局参数设置图像大小
plt.rcParams['figure.figsize'] = (10 5)
标题
通过参数title设置图表标题，需要注意的是如果想要显示中文，需要提前设置相关字体参数，参考此前推文《详解Matplotlib中文字符显示问题》
# 标题
df.plot.bar(title='标题' )
图例
通过参数legend可以设置图例，默认是显示图例的，可以不显示或者显示的图例顺序倒序
# 图例不显示
df.plot.bar(legend=False)
# 图例倒序
df.plot.bar(legend='reverse')
坐标轴文字
细心的朋友可能会发现，在上图中x轴标签数字显示是躺着的，怎么坐起来呢？
那么可以通过参数rot设置文字的角度
# x轴标签旋转角度
df.plot.bar(rot=0)
网格线
默认情况下图表是不显示网格线的，我们可以通过参数grid来设置其显隐
# 网格线
df.plot.bar(grid=True)
图颜色
通过color参数可以设定填充颜色，edgecolor可以设置边框颜色
# 指定颜色
df.plot.bar(color=['red' 'orange' 'yellow'] edgecolor='grey')
字体大小
通过fontsize可以设置字体大小
# 字体大小
df.plot.bar(fontsize=20)
线条样式
对于折线图来说，还可以设置线条样式style
df.plot(style = ['.-' '--' '*-'] # 圆点、虚线、星星
)
色系
通过colormap参数可以指定色系，色系选择可以参考matplotlib库的色系表
# 指定色系
x = df.plot.bar(colormap='rainbow')
多子图
通过subplots参数决定是否以多子图形式输出显示图表
# 多子图
x = df.plot.line(title ='多子图'
fontsize =16
subplots =True # 分列
style = ['.-' '--' '*-' '^-'] # 圆点、虚线、星星
)
图像叠加
不同的图表类型组合在一起
df.a.plot.bar()
df.b.plot(color='r')
绘图引擎
通过backend可以指定不同的绘图引擎，目前默认是matplotlib，还支持bokeh、plotly、Altair等等。当然，在使用新的引擎前需要先安装对应的库。
# 绘图引擎
import pandas_bokeh
pandas_bokeh.output_notebook()
df.plot.bar(backend='pandas_bokeh')
# 绘图引擎 plotly
df.plot.bar(backend='plotly'
barmode='group'
height=500 # 图表高度
width=800 # 图表宽度
)
在介绍完图表元素设置后，我们演示一下常见的几种图表类型。
柱状图
柱状图主要用于数据的对比，通过柱形的高低来表达数据的大小。
# 柱状图bar
df.plot.bar()
（这里不做展示，前面案例中有）
此外我们还可以绘制堆叠柱状图，通过设置参数stacked来搞定
# 堆叠柱状图
df.plot.bar(stacked=True)
柱状图多子图
# 柱状图多子图
df.plot.bar(subplots=True rot=0)
条形图
条形图和柱状图其实差不多，条形图就是柱状图的横向展示
# 条形图barh
df.plot.barh(figsize=(6 8))
堆叠条形图
# 堆叠条形图
df.plot.barh(stacked=True)
直方图
直方图又称为质量分布图，主要用于描述数据在不同区间内的分布情况，描述的数据量一般比较大。
# 直方图
np.random.seed(1)
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.head()
df.plot.hist(alpha=0.5) # alpha设置透明度
单直方图
# 单直方图
df.a.plot.hist()
堆叠并指定分箱数（默认为 10）
# 堆叠并指定分箱数（默认为 10）
df.plot.hist(stacked=True bins=20)
横向展示
# 可以通过orientation='horizontal'和 cumulative=True 绘制横向和累积直方图
df["a"].plot.hist(orientation="horizontal" cumulative=True)
多子图展示
# 绘制多子图
df.hist(color="k" alpha=0.5 bins=50)
单个直方图（自定义分箱 透明度）
# 以下2种方式效果一致
df.hist('a' bins = 20 alpha=0.5)
# df.a.hist(bins = 20 alpha=0.5)
分组
# by 分组
np.random.seed(1)
data = pd.Series(np.random.randn(1000))
data.hist(by=np.random.randint(0 4 1000) figsize=(6 4))
箱线图
箱线图又称盒须图、箱型图等，用于显示一组数据分布情况的统计图。
np.random.seed(1)
df = pd.DataFrame(np.random.rand(10 5) columns=["A" "B" "C" "D" "E"])
df.head()
df.boxplot()
指定元素颜色
# 指定元素颜色
color = {
"boxes": "Green" # 箱体颜色
"whiskers": "Orange" # 连线颜色
"medians": "Blue" # 中位数颜色
"caps": "Gray" # 极值颜色
}
df.boxplot(color=color sym="r ")
横向展示
df.boxplot(vert=False positions=[1 4 5 6 8])
面积图
面积图又称区域图，是将折线图与坐标轴之间的区域使用颜色填充，填充颜色可以很好地突出趋势信息，一般颜色带有透明度会更合适于观察不同序列之间的重叠关系。
np.random.seed(1)
df = pd.DataFrame(np.random.rand(10 4) columns=["a" "b" "c" "d"])
df.head()
默认情况下，面积图是堆叠的
# 默认是堆叠
df.plot.area()
单个面积图
df.a.plot.area()
取消堆叠
# 取消堆叠
df.plot.area(stacked=False)
散点图
散点图就是将数据点展示在直角坐标系上，可以很好地反应变量之间的相互影响程度
np.random.seed(1)
df = pd.DataFrame(np.random.rand(50 4) columns=["a" "b" "c" "d"])
df["species"] = pd.Categorical(
["setosa"] * 20 ["versicolor"] * 20 ["virginica"] * 10
)
df.head()
指定一组数据
df.plot.scatter(x="a" y="b")
多组数据并用不同颜色标注
ax = df.plot.scatter(x="a" y="b" color="Blue" label="Group 1")
df.plot.scatter(x="c" y="d" color="red" label="Group 2" ax=ax)
一组数据，x/y及z，其中x/y表示位置、z的值用于颜色区分
df.plot.scatter(x="a" y="b" c="c" s=50) # 参数s代表散点大小
一组数据，然后分类并用不同颜色（色系下）表示
df.plot.scatter(x="a" y="b" c="species" cmap="viridis" s=50)
气泡图
df.plot.scatter(x="a" y="b" color="red" s=df["c"] * 200)
饼图
饼图主要用于不同分类的数据占总体的比例情况
np.random.seed(8)
series = pd.Series(3 * np.random.rand(4) index=["a" "b" "c" "d"] name="series")
series
series.plot.pie(figsize=(6 6) fontsize=20)
多子图展示
np.random.seed(8)
df = pd.DataFrame(
3 * np.random.rand(4 2) index=["a" "b" "c" "d"] columns=["x" "y"]
)
df
df.plot.pie(subplots=True figsize=(8 4) fontsize=16)
指定显示样式
series.plot.pie(
labels=["AA" "BB" "CC" "DD"] # 标签
colors=["r" "g" "b" "c"] # 指定颜色
autopct="%.2f" # 数字格式（百分比）
fontsize=20
figsize=(6 6)
)
如果数据总和小于1，可以绘制扇形
series = pd.Series([0.1] * 4 index=["a" "b" "c" "d"] name="series2")
series.plot.pie(figsize=(6 6) normalize=False)
在常见图表中，有密度图和六边形箱型图 绘制过程报错，暂时没有解决（本机环境：pandas1.3.1）
本节主要介绍散点矩形图、安德鲁曲线等，更多资料大家可以查阅官方文档了解
https://pandas.pydata.org/pandas-docs/stable/user_guide/visualization.html
散点矩形图
from pandas.plotting import scatter_matrix
df = pd.DataFrame(np.random.randn(1000 4) columns=["a" "b" "c" "d"])
scatter_matrix(df alpha=0.2 figsize=(6 6) diagonal="kde")
安德鲁曲线
from pandas.plotting import andrews_curves
data = pd.read_csv("iris.csv")
andrews_curves(data "Name")
