编辑这个页面须要登录或更高权限!
Pandas 可视化操作实例
Series和DataFrame上的此功能只是围绕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('1/1/2000', periods=10), columns=list('ABCD')) df.plot()
运行结果如下:
如果索引由日期组成,它将调用gct()。autofmt_xdate()来格式化x轴,如上图所示。
我们可以使用x和y关键字绘制一列与另一列的关系。
除默认线图外,绘图方法还允许使用多种绘图样式。这些方法可以作为plot()的kind关键字参数提供。这些包括:
条形图 直方图 箱形图 面积图 散点图 饼形图
下面我们来看看如何创建一个条形图:
import pandas as pd import numpy as np df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d') 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=['a','b','c','d') 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=['a','b','c','d') df.plot.barh(stacked=True)
运行结果如下:
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}, columns=['a', 'b', 'c']) 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}, columns=['a', 'b', 'c']) df.diff.hist(bins=20)
运行结果如下:
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:
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:
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:
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: