当前位置 博文首页 > 一篇文章让你快速掌握Pandas可视化图表
今天简单介绍一下Pandas可视化图表的一些操作，Pandas其实提供了一个绘图方法plot()，可以很方便的将Series和Dataframe类型数据直接进行数据可视化。
这里我们引入需要用到的库，并做一些基础设置。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
# 设置 可视化风格
plt.style.use('tableau-colorblind10')
# 以下代码从全局设置字体为SimHei（黑体），解决显示中文问题【Windows】
plt.rcParams['font.sans-serif'] = ['SimHei']
# 解决中文字体下坐标轴负数的负号显示问题
plt.rcParams['axes.unicode_minus'] = False
plot方法默认是折线图，而它还支持以下几类图表类型：
‘line' : 折线图 (default)
‘bar' : 柱状图
‘barh' : 条形图
‘hist' : 直方图
‘box' : 箱型图
‘kde' : 密度图
‘density' : 同密度图
‘area' : 面积图
‘pie' : 饼图
‘scatter' : 散点图 (DataFrame only)
‘hexbin' : 六边形箱体图 (DataFrame only)
# 随机种子
np.random.seed(1)
ts = pd.Series(np.random.randn(100), index=pd.date_range("1/1/2020", periods=100))
ts = ts.cumsum()
ts.plot()
图表元素设置主要是指 数据源选择、图大小、标题、坐标轴文字、图例、网格线、图颜色、字体大小、线条样式、色系、多子图、图形叠加与绘图引擎等等。
数据源选择
这里是指坐标轴的x、y轴数据，对于Series类型数据来说其索引就是x轴，y轴则是具体的值；对于Dataframe类型数据来说，其索引同样是x轴的值，y轴默认为全部，不过可以进行指定选择。
# 随机种子
np.random.seed(1)
df = pd.DataFrame(np.random.randn(100, 4), index=ts.index, columns=list("ABCD"))
df = df.cumsum()
df.head()
对于案例数据，直接绘图效果如下（显示全部列）
df.plot()
我们可以指定数据源，比如指定列A的数据
df.plot(y='A')
我们还可以指定x轴和多列为y，我这里先构建一列X，然后进行数据源选取
df["X"] = list(range(len(df))) df.head()
选择X列为x轴，B、C列为y轴数据
# 指定多个Y df.plot(x='X',y=['B','C'])
图大小
通过参数figsize传入一个元组，指定图的长宽（英寸）
注意：以下我们以柱状图为例做演示
np.random.seed(1) df = pd.DataFrame(np.random.rand(10, 3), columns=["a", "b", "c"]) df.head()
# 图像大小 df.plot.bar(figsize=(10,5))
除了在绘图时定义图像大小外，我们还可以通过matplotlib的全局参数设置图像大小
plt.rcParams['figure.figsize'] = (10,5)
标题
通过参数title设置图表标题，需要注意的是如果想要显示中文，需要提前设置相关字体参数，参考此前推文《》
# 标题 df.plot.bar(title='标题',)
图例
通过参数legend可以设置图例，默认是显示图例的，可以不显示或者显示的图例顺序倒序
# 图例不显示 df.plot.bar(legend=False)
# 图例倒序 df.plot.bar(legend='reverse')
坐标轴文字
细心的朋友可能会发现，在上图中x轴标签数字显示是躺着的，怎么坐起来呢？
那么可以通过参数rot设置文字的角度
# x轴标签旋转角度 df.plot.bar(rot=0)
网格线
默认情况下图表是不显示网格线的，我们可以通过参数grid来设置其显隐
# 网格线 df.plot.bar(grid=True)
图颜色
通过color参数可以设定填充颜色，edgecolor可以设置边框颜色
# 指定颜色 df.plot.bar(color=['red','orange','yellow'], edgecolor='grey')
字体大小
通过fontsize可以设置字体大小
# 字体大小 df.plot.bar(fontsize=20)
线条样式
对于折线图来说，还可以设置线条样式style
df.plot(style = ['.-','--','*-'] # 圆点、虚线、星星
)
色系
通过colormap参数可以指定色系，色系选择可以参考matplotlib库的色系表
# 指定色系 x = df.plot.bar(colormap='rainbow')
多子图
通过subplots参数决定是否以多子图形式输出显示图表
# 多子图
x = df.plot.line(title ='多子图',
fontsize =16,
subplots =True, # 分列
style = ['.-','--','*-','^-'] # 圆点、虚线、星星
)
图像叠加
不同的图表类型组合在一起
df.a.plot.bar() df.b.plot(color='r')
绘图引擎
通过backend可以指定不同的绘图引擎，目前默认是matplotlib，还支持bokeh、plotly、Altair等等。当然，在使用新的引擎前需要先安装对应的库。
# 绘图引擎 import pandas_bokeh pandas_bokeh.output_notebook() df.plot.bar(backend='pandas_bokeh')
# 绘图引擎 plotly
df.plot.bar(backend='plotly',
barmode='group',
height=500, # 图表高度
width=800, # 图表宽度
)
在介绍完图表元素设置后，我们演示一下常见的几种图表类型。
柱状图
柱状图主要用于数据的对比，通过柱形的高低来表达数据的大小。
# 柱状图bar df.plot.bar()
（这里不做展示，前面案例中有）
此外我们还可以绘制堆叠柱状图，通过设置参数stacked来搞定
# 堆叠柱状图 df.plot.bar(stacked=True)
柱状图多子图
# 柱状图多子图 df.plot.bar(subplots=True, rot=0)
条形图
条形图和柱状图其实差不多，条形图就是柱状图的横向展示
# 条形图barh df.plot.barh(figsize=(6,8))
堆叠条形图
# 堆叠条形图 df.plot.barh(stacked=True)
直方图
直方图又称为质量分布图，主要用于描述数据在不同区间内的分布情况，描述的数据量一般比较大。
# 直方图
np.random.seed(1)
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.head()
df.plot.hist(alpha=0.5) # alpha设置透明度
单直方图
# 单直方图 df.a.plot.hist()
堆叠并指定分箱数（默认为 10）
# 堆叠并指定分箱数（默认为 10） df.plot.hist(stacked=True, bins=20)
横向展示
# 可以通过orientation='horizontal'和 cumulative=True 绘制横向和累积直方图 df["a"].plot.hist(orientation="horizontal", cumulative=True)
多子图展示
# 绘制多子图 df.hist(color="k", alpha=0.5, bins=50)
单个直方图（自定义分箱+透明度）
# 以下2种方式效果一致
df.hist('a', bins = 20, alpha=0.5)
# df.a.hist(bins = 20, alpha=0.5)
分组
# by 分组 np.random.seed(1) data = pd.Series(np.random.randn(1000)) data.hist(by=np.random.randint(0, 4, 1000), figsize=(6, 4))
箱线图
箱线图又称盒须图、箱型图等，用于显示一组数据分布情况的统计图。
np.random.seed(1) df = pd.DataFrame(np.random.rand(10, 5), columns=["A", "B", "C", "D", "E"]) df.head()
df.boxplot()
指定元素颜色
# 指定元素颜色
color = {
"boxes": "Green", # 箱体颜色
"whiskers": "Orange", # 连线颜色
"medians": "Blue", # 中位数颜色
"caps": "Gray", # 极值颜色
}
df.boxplot(color=color, sym="r+")
横向展示
df.boxplot(vert=False, positions=[1, 4, 5, 6, 8])
面积图
面积图又称区域图，是将折线图与坐标轴之间的区域使用颜色填充，填充颜色可以很好地突出趋势信息，一般颜色带有透明度会更合适于观察不同序列之间的重叠关系。
np.random.seed(1) df = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"]) df.head()
默认情况下，面积图是堆叠的
# 默认是堆叠 df.plot.area()
单个面积图
df.a.plot.area()
取消堆叠
# 取消堆叠 df.plot.area(stacked=False)
散点图
散点图就是将数据点展示在直角坐标系上，可以很好地反应变量之间的相互影响程度
np.random.seed(1) df = pd.DataFrame(np.random.rand(50, 4), columns=["a", "b", "c", "d"]) df["species"] = pd.Categorical( ["setosa"] * 20 + ["versicolor"] * 20 + ["virginica"] * 10 ) df.head()
指定一组数据
df.plot.scatter(x="a", y="b")
多组数据并用不同颜色标注
ax = df.plot.scatter(x="a", y="b", color="Blue", label="Group 1") df.plot.scatter(x="c", y="d", color="red", label="Group 2", ax=ax)
一组数据，x/y及z，其中x/y表示位置、z的值用于颜色区分
df.plot.scatter(x="a", y="b", c="c", s=50) # 参数s代表散点大小
一组数据，然后分类并用不同颜色（色系下）表示
df.plot.scatter(x="a", y="b", c="species", cmap="viridis", s=50)
气泡图
df.plot.scatter(x="a", y="b", color="red", s=df["c"] * 200)
饼图
饼图主要用于不同分类的数据占总体的比例情况
np.random.seed(8) series = pd.Series(3 * np.random.rand(4), index=["a", "b", "c", "d"], name="series") series
series.plot.pie(figsize=(6, 6), fontsize=20)
多子图展示
np.random.seed(8)
df = pd.DataFrame(
3 * np.random.rand(4, 2), index=["a", "b", "c", "d"], columns=["x", "y"]
)
df
df.plot.pie(subplots=True, figsize=(8, 4), fontsize=16)
指定显示样式
series.plot.pie(
labels=["AA", "BB", "CC", "DD"], # 标签
colors=["r", "g", "b", "c"], # 指定颜色
autopct="%.2f", # 数字格式（百分比）
fontsize=20,
figsize=(6, 6),
)
如果数据总和小于1，可以绘制扇形
series = pd.Series([0.1] * 4, index=["a", "b", "c", "d"], name="series2") series.plot.pie(figsize=(6, 6), normalize=False)
在常见图表中，有密度图和六边形箱型图 绘制过程报错，暂时没有解决（本机环境：pandas1.3.1）
本节主要介绍散点矩形图、安德鲁曲线等，更多资料大家可以查阅官方文档了解
https://pandas.pydata.org/pandas-docs/stable/user_guide/visualization.html
散点矩形图
from pandas.plotting import scatter_matrix df = pd.DataFrame(np.random.randn(1000, 4), columns=["a", "b", "c", "d"]) scatter_matrix(df, alpha=0.2, figsize=(6, 6), diagonal="kde")
安德鲁曲线
from pandas.plotting import andrews_curves
data = pd.read_csv("iris.csv")
andrews_curves(data, "Name")
