数据可视化——利用pandas和seaborn绘图基础

一.折线图

1.Series和DataFrame都有一个plot属性，用于绘制基本的图形。默认情况下，plot绘制的是折线图

import pandas as pd
import numpy as np
s = pd.Series(np.random.randn(10),index = np.arange(0, 100, 10))
s.plot()

2.Series对象的索引作为图像的x轴，通过设置参数ues_index = False来禁用这个功能

DataFrame的plot方法在同一个子图中将每一列绘制为不同的折线

df = pd.DataFrame(np.random.randn(10,4),columns = ['A','B','C','D'],index = np.arange(0, 100, 10))
df.plot()

二.柱状图

2.plot.bar()和plat.barh()可以分别绘制垂直和水平的柱状图

通过设置参数ax让索引变为x轴或y轴的刻度

import matplotlib.pyplot as plt
fig,axes = plt.subplots(2, 1)
data = pd.Series(np.random.rand(16),index = list('abcdefghijklmnop'))
data.plot.bar(ax = axes[0],color = 'k',alpha = 0.7) # 水平柱状图
data.plot.barh(ax = axes[1],color = 'k',alpha = 0.7) # 垂直柱状图

3.在DaraFrame中，柱状图将每一行的值分组到并排的柱子中的一组

df = pd.DataFrame(np.random.rand(6, 4),index = ['one','two','three','four','five','six'],columns = pd.Index(['A','B','C','D'],name = 'Genus'))
df

Genus	A	B	C	D
one	0.521250	0.130425	0.777971	0.961869
two	0.757899	0.277487	0.560785	0.085239
three	0.160654	0.109345	0.095460	0.662478
four	0.224170	0.404333	0.285609	0.899609
five	0.655649	0.375043	0.227883	0.320732
six	0.476958	0.055556	0.372118	0.385297

df.plot.bar()

4.列名称’Genus’被用作了图例标题。我们可以通过传递stacked = True来生成堆积柱状图,使每一行的值堆积在一起

df.plot.barh(stacked = True,alpha = 0.5)

5.下面生成一个堆积状图，用于展示每个派对在每天的数据点占比

使用read_csb载入数据，并根据星期日期和派对规模形成交叉表

tips = pd.read_csv('../examples/tips.csv')
tips.head()

	total_bill	tip	smoker	day	time	size
0	16.99	1.01	No	Sun	Dinner	2
1	10.34	1.66	No	Sun	Dinner	3
2	21.01	3.50	No	Sun	Dinner	3
3	23.68	3.31	No	Sun	Dinner	2
4	24.59	3.61	No	Sun	Dinner	4

party_counts = pd.crosstab(tips['day'],tips['size'])
party_counts

size	1	2	3	4	5	6
day
Fri	1	16	1	1	0	0
Sat	2	53	18	13	1	0
Sun	0	39	15	18	3	1
Thur	1	48	4	5	1	3

party_counts = party_counts.loc[:,2:5]
party_pcts = party_counts.div(party_counts.sum(1),axis = 0) #标准化至和为1
party_pcts

size	2	3	4	5
day
Fri	0.888889	0.055556	0.055556	0.000000
Sat	0.623529	0.211765	0.152941	0.011765
Sun	0.520000	0.200000	0.240000	0.040000
Thur	0.827586	0.068966	0.086207	0.017241

party_pcts.plot.bar()

6.使用seaborn包会使工作更加简单，下面使用seaborn进行按星期日期计算小费百分比

import seaborn as sns
tips['tip_pct'] = tips['tip'] / (tips['total_bill'] - tips['tip'])
tips.head()

	total_bill	tip	smoker	day	time	size	tip_pct
0	16.99	1.01	No	Sun	Dinner	2	0.063204
1	10.34	1.66	No	Sun	Dinner	3	0.191244
2	21.01	3.50	No	Sun	Dinner	3	0.199886
3	23.68	3.31	No	Sun	Dinner	2	0.162494
4	24.59	3.61	No	Sun	Dinner	4	0.172069

sns.barplot(x = 'tip_pct',y = 'day', data = tips,orient = 'h')

柱子的值表示tip_pct的平均值，黑线表示%95的置信区间

7.sns.barplot拥有一个hue参数，允许我们通过一个额外的分类值将数据分离开

sns.barplot(x = 'tip_pct',y = 'day', hue = 'time', data = tips,orient = 'h')

三.直方图和密度图

直方图是一种条形图，用于给出频率的离散显示。数据点被分成离散的，均匀间隔的箱，并且绘制每个箱中数据点的数量。

使用之前的小费数据制作小费占总费用百分比的直方图

tips['tip_pct'].plot.hist(bins = 50)

密度图是一种和直方图相关的图表类型，它通过计算可能产生观测数据的连续概率分布估计而产生。通常的做法是将这种分布近似为’内核’的混合，也就是像正态分布那样简单的分布。因此密度图也称为内核密度估计图

tips['tip_pct'].plot.density()

使用distplot方法可以同时绘制直方图和密度图

comp1 = np.random.normal(0, 1, size = 200)
comp2 = np.random.normal(10, 2, size = 200)
values = pd.Series(np.concatenate([comp1,comp2]))
sns.distplot(values,bins = 100,color = 'k')

四.散点图或点图

点图或散点图常用于检验俩个一维数据序列之间的关系。读取文件内容，选择一些变量，计算对数差

macro = pd.read_csv('../examples/macrodata.csv')
macro.head()

	year	quarter	realgdp	realcons	realinv	realgovt	realdpi	cpi	m1	tbilrate	unemp	pop	infl	realint
0	1959.0	1.0	2710.349	1707.4	286.898	470.045	1886.9	28.98	139.7	2.82	5.8	177.146	0.00	0.00
1	1959.0	2.0	2778.801	1733.7	310.859	481.301	1919.7	29.15	141.7	3.08	5.1	177.830	2.34	0.74
2	1959.0	3.0	2775.488	1751.8	289.226	491.260	1916.4	29.35	140.5	3.82	5.3	178.657	2.74	1.09
3	1959.0	4.0	2785.204	1753.7	299.356	484.052	1931.3	29.37	140.0	4.33	5.6	179.386	0.27	4.06
4	1960.0	1.0	2847.699	1770.5	331.722	462.199	1955.5	29.54	139.6	3.50	5.2	180.007	2.31	1.19

data = macro[['cpi','m1','tbilrate','unemp']]
data.head()

	cpi	m1	tbilrate	unemp
0	28.98	139.7	2.82	5.8
1	29.15	141.7	3.08	5.1
2	29.35	140.5	3.82	5.3
3	29.37	140.0	4.33	5.6
4	29.54	139.6	3.50	5.2

trans_data = np.log(data).diff().dropna() # 取对数
trans_data.head()

	cpi	m1	tbilrate	unemp
1	0.005849	0.014215	0.088193	-0.128617
2	0.006838	-0.008505	0.215321	0.038466
3	0.000681	-0.003565	0.125317	0.055060
4	0.005772	-0.002861	-0.212805	-0.074108
5	0.000338	0.004289	-0.266946	0.000000

然后我们可以使用seaborn的regplot方法，该方法可以绘制散点图，并拟合出一条线性回归线

sns.regplot('m1','unemp',data = trans_data)
plt.title('changes in log %s versus log %s' %('m1','unemp') )

使用pairplot方法，可以绘制任意俩个变量之间的散点图

sns.pairplot(trans_data,diag_kind = 'kde',plot_kws = {'alpha':0.2})

五.分面网格

使用分面网格可以利用多组分组变量对数据进行可视化,根据类别的个数形成多个表格

sns.factorplot(x = 'day',y = 'tip_pct',hue = 'time',col = 'smoker',kind = 'bar',data = tips[tips.tip_pct<1])

除了根据time在一个面内将不同的柱分组为不同的颜色，我们还可以通过每个时间值添加一行来扩展分面网格

sns.factorplot(x = 'day',y = 'tip_pct',row = 'time',col = 'smoker',kind = 'bar',data = tips[tips.tip_pct<1])

箱型图：通过设置参数kind = box来选择该类型

sns.factorplot(x = 'tip_pct',y = 'day',kind = 'box',data = tips[tips.tip_pct<0.5])

其他绘图工具：

图像可视化——matplotlib绘图入门基础