Pandas 内置的十种画图方法
前言
Pandas是非常常见的数据分析工具，我们一般都会处理好处理数据然后使用searbon或matplotlib来进行绘制。但在Pandas内部就已经集成了matplotlib，本文将展示Pandas内部的画图方法。
画图类型
在Pandas中内置的画图方法如下几类，基本上都是常见的画图方法。每种方法底层也是使用的matplotlib。
line : line plot (default)
bar : vertical bar plot
barh : horizontal bar plot
hist : histogram
box : boxplot
density/kde : Density Estimation
area : area plot
pie : pie plot
scatter : scatter plot
hexbin : hexbin plot
在进行画图时我们有两种调用方法：
df = pd.DataFrame({
'sales': [3, 3, 3, 9, 10, 6],
'signups': [4, 5, 6, 10, 12, 13],
'visits': [20, 42, 28, 62, 81, 50],
}, index=pd.date_range(start='2018/01/01', end='2018/07/01', freq='M'))
# 方法1，这种方法是高层API，需要制定kind
df.plot(kind='area')
# 方法2，这种方法是底层API
df.plot.area()
面积图（area）
面积图直观地显示定量数据下面的区域面积，该函数包装了 matplotlib 的area函数。
# 默认为面积堆叠 df.plot(kind='area')
# 设置面积不堆叠 df.plot.area(stacked=False)
# 手动指定坐标轴 df.plot.area(y='sales', x='signups')
条形图（bar）
条形图是一种用矩形条显示分类数据的图，矩形条的长度与它们所代表的值成比例。条形图显示离散类别之间的比较。图的一个轴显示比较的特定类别，另一个轴表示测量值。
df = pd.DataFrame({'lab':['A', 'B', 'C'], 'val':[10, 30, 20]})
# 手动设置坐标轴
ax = df.plot.bar(x='lab', y='val', rot=0)
# 并排绘制 df.plot.bar(rot=0)
# 堆叠绘制 df.plot.bar(stacked=True)
# 分图绘制 axes = df.plot.bar(rot=0, subplots=True) axes[0].legend(loc=2) axes[1].legend(loc=2)
水平条形图（barh）
水平条形图是用矩形条形表示定量数据的图表，矩形条形的长度与它们所代表的值成正比。条形图显示离散类别之间的比较。
# 并排绘制 df.plot.barh(rot=0)
# 堆叠绘制 df.plot.barh(stacked=True)
箱线图（boxplot）
箱线图是一种通过四分位数以图形方式描绘数值数据组的方法。该框从数据的 Q1 到 Q3 四分位值延伸，在中位数 (Q2) 处有一条线。
age_list = [8, 10, 12, 14, 72, 74, 76, 78, 20, 25, 30, 35, 60, 85]
df = pd.DataFrame({"gender": list("MMMMMMMMFFFFFF"), "age": age_list})
ax = df.plot.box(column="age", by="gender", figsize=(10, 8))
密度图（density）
核密度估计 (KDE) 是一种估计随机变量的概率密度函数 (PDF) 的非参数方法。
s = pd.Series([1, 2, 2.5, 3, 3.5, 4, 5]) ax = s.plot.kde()
df = pd.DataFrame({
'x': [1, 2, 2.5, 3, 3.5, 4, 5],
'y': [4, 4, 4.5, 5, 5.5, 6, 6],
})
ax = df.plot.kde()
六边形图（hexbin）
和热力图类似，具体的颜色按照密度来进行展示。但形状使用六边形图代替。
n = 10000
df = pd.DataFrame({'x': np.random.randn(n),
'y': np.random.randn(n)})
ax = df.plot.hexbin(x='x', y='y', gridsize=20)
直方图（hist）
df = pd.DataFrame(
np.random.randint(1, 7, 6000),
columns = ['one'])
df['two'] = df['one'] + np.random.randint(1, 7, 6000)
ax = df.plot.hist(bins=12, alpha=0.5)
折线图（line）
s = pd.Series([1, 3, 2]) s.plot.line()
df = pd.DataFrame({
'pig': [20, 18, 489, 675, 1776],
'horse': [4, 25, 281, 600, 1900]
}, index=[1990, 1997, 2003, 2009, 2014])
lines = df.plot.line()
饼图（pie）
df = pd.DataFrame({'mass': [0.330, 4.87 , 5.97],
'radius': [2439.7, 6051.8, 6378.1]},
index=['Mercury', 'Venus', 'Earth'])
plot = df.plot.pie(y='mass', figsize=(5, 5))
# 默认使用index进行分组 df.plot.pie(subplots=True, figsize=(11, 6))
散点图（scatter）
df = pd.DataFrame([[5.1, 3.5, 0], [4.9, 3.0, 0], [7.0, 3.2, 1],
[6.4, 3.2, 1], [5.9, 3.0, 2]],
columns=['length', 'width', 'species'])
ax1 = df.plot.scatter(x='length',y='width', c='DarkBlue')
到此这篇关于Pandas 内置的十种画图方法的文章就介绍到这了,更多相关Pandas 内置画图方法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
本文为大家介绍python中的id()函数，有需要的朋友不妨参考下2013-02-02
python标准库压缩包模块zipfile和tarfile详解(常用标准库)
在我们常用的系统windows和Linux系统中有很多支持的压缩包格式，包括但不限于以下种类：rar、zip、tar，这篇文章主要介绍了python标准库压缩包模块zipfile和tarfile详解(常用标准库),需要的朋友可以参考下2022-06-06
今天小编就为大家分享一篇在python中对变量判断是否为None的三种方法总结，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-01-01
这篇文章主要为大家详细介绍了Python实现面向对象版的学生管理系统，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2021-06-06
这篇文章主要为大家总结一下python 中常用的是个内置函数的使用方法，文中的示例代码讲解详细，对我们学习Python有一定的帮助，需要的可以参考一下2022-03-03
本文主要介绍了Pygame中画圆弧的方法，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，需要的朋友们下面随着小编来一起学习学习吧2023-04-04
这篇文章主要介绍了pycharm配置git(图文教程),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，需要的朋友们下面随着小编来一起学习学习吧2019-08-08
这篇文章主要介绍了python实现的简单文本类游戏,以两个实例形式分析了python操作文本与字符串的相关技巧,具有一定参考借鉴价值,需要的朋友可以参考下2015-04-04
python+selenium+chrome实现淘宝购物车秒杀自动结算
这篇文章主要介绍了python+selenium+chrome实现淘宝购物车秒杀自动结算，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，需要的朋友们下面随着小编来一起学习学习吧2021-01-01
Python 3.8是Python语言的最新版本，它适合用于编写脚本、自动化以及机器学习和Web开发等各种任务。这篇文章主要介绍了Centos7 下安装最新的python3.8,需要的朋友可以参考下2019-10-10
最新评论