图解数据分析(17) | 基于Pandas的数据可视化（数据科学家入门 ...

ChuanXin

本篇介绍Pandas可视化及图形绘制代码，大部分基础图像（条形图、直方图、箱型图、面积图、散点图、饼形图等）只需要一行代码！系列内容收录于专栏

ShowMeAI研究中心

• 作者：韩信子@ShowMeAI
  
• 教程地址：http://www.showmeai.tech/tutorials/33
  
• 本文地址：http://www.showmeai.tech/article-detail/150
  
• 声明：版权所有，转载请联系平台与作者并注明出处
  
• 收藏ShowMeAI查看更多精彩内容
  

<hr/>大家在前面的教程中看到了Pandas进行数据分析的灵活操作，但同时作为一个功能强大的全能工具库，它也能非常方便地支持数据可视化，而且大部分基础图像绘制只要一行代码就能实现，大大加速了我们的分析效率，本文我们介绍pandas可视化及绘制各种图形的方法。
一、基本绘图函数plot

Series 和 DataFrame 上的可视化功能，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('1/1/2022',
   periods=10), columns=list('ABCD'))
df.plot()
运行结果如下：


如果索引由日期组成，如上图所示，会自动进行日期填充。
除默认线图外，还可以绘制多种样式，可以使用 DataFrame.plot.[图类型参数] 方法进行不同图形的选择。
二、条形图

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(10,4),columns=['e','f','g','h'])
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= ['e','f','g','h'])
df.plot.bar(tacked=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= ['e','f','g','h'])
df.plot.barh(stacked=True)
运行结果如下：


三、直方图

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, 'd':np.random.randn(1000) -2}, columns=['a', 'b', 'c', 'd'])
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, 'd':np.random.randn(1000) -2}, columns=['a', 'b', 'c', 'd'])
df.diff().hist(bins=20)
运行结果如下：


四、箱形图

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：


五、面积图

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：


六、散点图

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：


七、饼形图

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：


一键运行所有代码

图解数据分析系列 配套的所有代码，可前往ShowMeAI 官方 GitHub，下载后即可在本地 Python 环境中运行。能访问 Google 的宝宝也可以直接借助 Google Colab一键运行与交互学习！
下载数据分析速查表

Awesome cheatsheets | ShowMeAI速查表大全  系列包含『编程语言』『AI技能知识』『数据科学工具库』『AI垂直领域工具库』四个板块，追平到工具库当前最新版本，并跑通了所有代码。点击 官网 或 GitHub 获取~
  Numpy 速查表（部分）：

一键运行速查表代码 - Numpy

Numpy 速查表

  Pandas 速查表（部分）：

一键运行速查表代码 - Pandas

Pandas 速查表

  Matplotlib 速查表（部分）：

一键运行速查表代码 - Matplotlib

Matplotlib 速查表

  Seaborn 速查表（部分）：

一键运行速查表代码 - Seaborn

Seaborn 速查表

拓展参考资料

• 利用Python进行数据分析·第2版
  
• w3schools pandas tutorial
  
• Kaggle的Pandas入门教程
  
• 十分钟入门 Pandas
  
• Pandas可视化教程
  
• Pandas官方教程
  
• Seaborn官方教程
  

ShowMeAI图解数据分析系列推荐（数据科学家入门）

• 图解数据分析(1) | 数据分析介绍
  
• 图解数据分析(2) | 数据分析思维
  
• 图解数据分析(3) | 数据分析的数学基础
  
• 图解数据分析(4) | 核心步骤1 - 业务认知与数据初探
  
• 图解数据分析(5) | 核心步骤2 - 数据清洗与预处理
  
• 图解数据分析(6) | 核心步骤3 - 业务分析与数据挖掘
  
• 图解数据分析(7) | 数据分析工具地图
  
• 图解数据分析(8) | Numpy - 统计与数据科学计算工具库介绍
  
• 图解数据分析(9) | Numpy - 与1维数组操作
  
• 图解数据分析(10) | Numpy - 与2维数组操作
  
• 图解数据分析(11) | Numpy - 与高维数组操作
  
• 图解数据分析(12) | Pandas - 数据分析工具库介绍
  
• 图解数据分析(13) | Pandas - 核心操作函数大全
  
• 图解数据分析(14) | Pandas - 数据变换高级函数
  
• 图解数据分析(15) | Pandas - 数据分组与操作
  
• 图解数据分析(16) | 数据可视化原则与方法
  
• 图解数据分析(17) | 基于Pandas的数据可视化
  
• 图解数据分析(18) | 基于Seaborn的数据可视化
  

ShowMeAI系列教程精选推荐

• 大厂技术实现：推荐与广告计算解决方案
  
• 大厂技术实现：计算机视觉解决方案
  
• 大厂技术实现：自然语言处理行业解决方案
  
• 图解Python编程：从入门到精通系列教程
  
• 图解数据分析：从入门到精通系列教程
  
• 图解AI数学基础：从入门到精通系列教程
  
• 图解大数据技术：从入门到精通系列教程
  
• 图解机器学习算法：从入门到精通系列教程
  
• 机器学习实战：手把手教你玩转机器学习系列
  
• 深度学习教程：吴恩达专项课程 · 全套笔记解读
  
• 自然语言处理教程：斯坦福CS224n课程 · 课程带学与全套笔记解读
  
• 深度学习与计算机视觉教程：斯坦福CS231n · 全套笔记解读