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
在python3中，有两种字符串类型，默认的就是str，即unicode，也叫做文本类型。这篇文章主要介绍了python3中的unicode和bytes问题,需要的朋友可以参考下2019-07-07
这篇文章主要介绍了Python开发之os与os.path的使用小结,本文通过实例代码给大家介绍的非常详细,感兴趣的朋友一起看看吧2024-05-05
这篇文章主要为大家详细介绍了如何为个人微信公众号接入ChatGPT，文中的实现步骤讲解详细，具有一定的学习价值，感兴趣的小伙伴可以了解一下2023-05-05
今天小编就为大家分享一篇使用python opencv对目录下图片进行去重的方法，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
Python获取当前脚本文件夹(Script)的绝对路径方法代码
在本篇文章中小编给各位整理了关于Python获取当前脚本文件夹(Script)的绝对路径实例代码内容，有需要的朋友们学习下。2019-08-08
这篇文章主要介绍了python开发之基于thread线程搜索本地文件的方法,以完整实例形式分析了Python基于多线程处理搜索问题的相关实现技巧,需要的朋友可以参考下2015-11-11
下面小编就为大家分享一篇python的dataframe和matrix的互换方法，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2018-04-04
使用python编程时,改变控制台或终端中输出字体的颜色和格式,会显著提升代码质量,快速帮助我们定位问题和锁定重要输出,但是一般情况下,python控制台输出的字体默认为白色,所以这篇文章给大家介绍了如何利用Python控制终端打印字体的颜色和格式,需要的朋友可以参考下2024-06-06
使用python的pexpect模块,实现远程免密登录的示例
今天小编就为大家分享一篇使用python的pexpect模块,实现远程免密登录的示例，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2019-02-02
Python中的闭包是一个强大的概念,允许函数捕获和访问其周围的作用域,即使这些作用域在函数执行完毕后也能被访问,这篇文章将着重讨论Python虚拟机是如何实现闭包的,文中有相关的代码示例供大家参考,具有一定的参考价值,需要的朋友可以参考下2023-12-12
最新评论