Pandas绘图函数超详细讲解

时间:2022-12-24 微小冷人气:0

简介

method	绘图类别	method	绘图类别
`'line'`	折线图[默认使用]	`'area'`	堆叠面积图
`'bar'`	纵向条形图	`'barh'`	横向条形图
`'kde'`	概率分布图	`'density'`	概率分布图
`'box'`	箱线图	`'hist'`	数据直方图
`'pie'`	饼图
`'scatter'`	散点图	`'hexbin'`	六角拼接图

其中scatter和hexbin只适用于数据帧，即DataFrame格式。所谓DataFrame，即数据帧，可以理解为一个表格，如果不考虑表头的话，这个表格就是多维数组。

对于这些图像类别，也可以调用专门封装成的函数进行绘制，例如针对下面这组数据

import matplotlib.pyplot as plt
import pandas as pd
s = pd.Series([1, 2, 2.5, 3, 3.5, 4, 5])

s.plot.kde()完全等价于s.plot(kind='kde')。

接下来逐个展示这些图表

条形图

pandas中提供横向和纵向两种条形图。

import numpy as np
df = pd.DataFrame(np.random.rand(10,5),
    columns=['a','b','c','d','e'])
df.plot.bar(title="bar")
df.plot.barh(title="barh", stacked=True)
plt.show()

barbarh

折线图

df.plot.line(title="line")
df.plot.area(title="area")
plt.show()

linearea

箱线图

箱形图（Box-plot）又称为盒须图、盒式图或箱线图，是一种用作显示一组数据分散情况资料的统计图。因形状如箱子而得名。在各种领域也经常被使用，常见于品质管理。它主要用于反映原始数据分布的特征，还可以进行多组数据分布特征的比较。箱线图的绘制方法是：先找出一组数据的上边缘、下边缘、中位数和两个四分位数；然后，连接两个四分位数画出箱体；再将上边缘和下边缘与箱体相连接，中位数在箱体中间。

df.plot.box(title='box')
df.plot.kde(title='kde')
plt.show()

boxkde

直方图

hist为数据直方图，多条数据放在一起容易混淆，可以设置透明度alpha。下面对高斯分布的散点进行绘制，分别绘制其数据直方图和概率密度图，可以看出二者之间的关联性。

rdNormal = np.random.normal
rand = np.random.rand
df = pd.DataFrame({
    i : rdNormal(i,rand(),size=(1000)) for i in range(3)})
df.plot.hist(title='box', bins=30, alpha=0.5)
df.plot.density(title='density')
plt.show()

histdensity

饼图

饼图对输入数据有一定的限制，即不允许出现负值，故在绘制之前，将df所有值取绝对值，且不支持多组数据在一个图中绘制，故而需要开启subplot选项

df = pd.DataFrame(np.random.rand(5,3),columns=list('abc'),index=list("ABCDE"))
df.plot.pie(title='pie', subplots=True)
plt.show()

当然，这个subplots选项是任何一种图像都可以使用的参数。

散点图和六边形分箱图

散点图是只有数据帧可以调用的绘图方法，共有两类，分别是scatter和hexbin，前者是普通的散点图，后者是六边形分箱图，本质上是一种二维的数据直方图。

rdNormal = np.random.normal
rand = np.random.rand
keys = ['x', 'y', 'c']
datas = {
    keys[i] : rdNormal(i,rand(),size=(1000)) for i in [0,1,2]
}
df = pd.DataFrame(datas)
df.plot.scatter(x='x', y='y', c='c')
df.plot.hexbin(x='x', y='y', gridsize=10)
plt.show()

scatter

hexbin

加载全部内容