Python Pandas工具绘制数据图使用教程

更新时间：2021年12月01日 08:49:18 作者：小旺不正经

Pandas是基于NumPy 的一种工具，该工具是为解决数据分析任务而创建的。Pandas还可以绘制多重数据图表，本文将为大家介绍如何通过Pandas绘制图表，感兴趣的可以了解一下

背景介绍

Pandas的DataFrame和Series在Matplotlib基础上封装了一个简易的绘图函数，使得数据处理过程中方便可视化查看结果。

折线图

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
data=np.random.randn(5,2)*10
df=pd.DataFrame(np.abs(data),index=[1,2,3,4,5],columns=[1,2])
df.plot()
plt.show()

条形图

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
data=np.random.randn(5,2)*10
df=pd.DataFrame(np.abs(data),index=[1,2,3,4,5],columns=[1,2])
df.plot(kind='bar')
plt.show()

水平条形图

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
data=np.random.randn(5,2)*10
df=pd.DataFrame(np.abs(data),index=[1,2,3,4,5],columns=[1,2])
df.plot(kind='barh')
plt.show()

堆积图

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
data=np.random.randn(5,2)*10
df=pd.DataFrame(np.abs(data),index=[1,2,3,4,5],columns=[1,2])
df.plot(kind='bar',stacked=True)
plt.show()

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
data=np.random.randn(5,2)*10
df=pd.DataFrame(np.abs(data),index=[1,2,3,4,5],columns=[1,2])
df.plot(kind='barh',stacked=True)
plt.show()

散点图

数据通常是一些点的集合

常用来绘制各种相关性，适合研究不同变量间的关系

x:x坐标位置
y:y坐标位置
s:散点的大小
c:散点颜色

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
data=np.random.randn(5,2)*10
df=pd.DataFrame(np.abs(data),index=[1,2,3,4,5],columns=['A','B'])
df.plot(kind='scatter',x='A',y='B',s=df.A*100,c='red')
plt.show()

饼图

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
df=pd.Series(3*np.random.rand(4),index=['a','b','c','d'])
df.plot.pie(figsize=(6,6))
plt.show()

蜂巢图

体现数据出现的次数

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
df=pd.DataFrame(np.random.randn(1000,2),columns=['a','b'])
df.plot.hexbin(x='a',y='b',sharex=False,gridsize=30)
plt.show()

箱线图

基于最小值、上四分位、中位数、下四分位和最大值5个数值特征展示数据分布的标准方式，可以看出数据是否具有对称性，适用于展示一组数据的分布情况

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
df=pd.DataFrame(np.random.randn(1000,2),columns=['a','b'])
df.plot(y=df.columns,kind='box',vert=False)
plt.show()

绘制子图

subplots:默认False 若每列绘制子图就为True

layout:子图布局

figsize:画布大小

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
df=pd.DataFrame(np.random.randn(5,2),columns=['a','b'])
df.plot(subplots=True,layout=(2,3),figsize=(10,10),kind='bar')
plt.show()

以上就是Python Pandas工具绘制数据图使用教程的详细内容，更多关于Python Pandas 绘制图的资料请关注脚本之家其它相关文章！

您可能感兴趣的文章:

python实现web方式logview的方法
这篇文章主要介绍了python实现web方式logview的方法,涉及Python基于web模块操作Linux命令的技巧,具有一定参考借鉴价值,需要的朋友可以参考下
2015-08-08
Python实现byte转integer
这篇文章主要介绍了Python实现byte转integer操作，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教
2021-06-06
Python Pandas聚合函数的应用示例
Pandas是当前Python数据分析中最为重要的工具,其提供了功能强大且灵活多样的API,可以满足使用者在数据分析和处理中的多种选择和实现方式,下面这篇文章主要给大家介绍了关于Python Pandas聚合函数的相关资料,需要的朋友可以参考下
2022-07-07
Python使用scrapy采集数据时为每个请求随机分配user-agent的方法
这篇文章主要介绍了Python使用scrapy采集数据时为每个请求随机分配user-agent的方法,涉及Python使用scrapy采集数据的技巧,非常具有实用价值,需要的朋友可以参考下
2015-04-04
Python importlib模块重载使用方法详解
这篇文章主要介绍了Python importlib模块重载使用方法详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2020-10-10
Pytorch实现逻辑回归分类
这篇文章主要为大家详细介绍了Pytorch实现逻辑回归分类，文中示例代码介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们可以参考一下
2022-07-07
python中partial库的使用方法解析
这篇文章主要介绍了python中partial库的使用方法解析，文章围绕主题展开详细的内容介绍，具有一定的参考价值，感兴趣的小伙伴可以参考一下
2022-08-08
python中的不可变数据类型与可变数据类型详解
探寻python的数据类型是否可变，也可以更好的理解python对内存的使用情况，下面这篇文章主要给大家介绍了关于python中不可变数据类型与可变数据类型的相关资料，文中通过示例代码介绍的非常详细，需要的朋友可以参考下
2018-09-09
python可视化分析绘制散点图和边界气泡图
这篇文章主要介绍了python可视化分析绘制散点图和边界气泡图，python绘制散点图，展现两个变量间的关系，当数据包含多组时，使用不同颜色和形状区分
2022-06-06
Python文件时间操作步骤代码详解
这篇文章主要介绍了Python文件时间操作步骤代码详解,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下
2020-04-04