python绘图模块pandas_python绘图:matplotlib和pandas的应用

在进行数据分析时,绘图是必不可少的模式探索方式。用Python进行数据分析时,matplotlib和pandas是最常用到的两个库。

1、matplotlib库的应用

准备工作如下:打开ipython,输入命令分别导入numpy和matplotlib.pylab库。

importnumpy as np

importmatplotlib.pylab as plt

1)创建fig

绘图第一步是创建绘图窗口fig。

fig1 = plt.figure()

2)创建subplot

在窗口上添加AxesSubplot类型的子绘图区域,一个窗口可以添加多个子绘图区。

ax1 = fig1.add_subplot(2,2,1)

ax4 = fig1.add_subplot(2,2,4)

3)subplot中绘图

调用子绘图区的方法,可以绘制点线图、频数图、散点图等常用图形。

注意:在同一个subplot中多次调用plot(),所得到的图形是相互覆盖的。

ax1.plot(np.random.randn(50).cumsum(),'k--')

ax4.hist(np.random.randn(30))

4)各类参数设置

主要关注以下几种方法:set_xlims设置坐标轴的上下限、set_ticks设置坐标刻度、set_ticklabel设置坐标标注。

ax1.set_xlim(-10,60)

ax1.set_xticks([0,20,40,60])

ax1.set_xticklabels(['a','b','c','d'])

5)清除和保存图形

用subplot的clear()方法可以清除现有的图形,用figure的savefig()保存图形到指定路径。

ax1.clear()

#windows下的路径

fig1.savefig(‘.\\test.jpg’)

2、pandas库的应用

相比于利用matplotlib库绘图,采用pandas绘图要便捷得多。参照前一部分,同样需要导入pandas、numpy库。

importpandas as pd

frompandasimportSeries,DataFrame

importnumpy as np

1)plot方法及参数

对于Series和DataFrame类型的数据,可以直接调用两种类型对应的plot方法,绘图时自动采用索引值绘制横坐标,采用每一列数据绘制纵坐标。这里分别以两类数据为例。

se1 = Series(np.random.randn(30).cumsum())

df = DataFrame({'a':np.random.randn(30),'b':np.random.randn(30)})

参数设置很方便,在plot()方法参数列表中添加相应参数值即可。常用的有:类型kind可设置为line(线图)、bar(垂直柱状图)、barh(水平柱状图)、kde(核密度估计图),另外还有color颜色设置、linestyle线型设置、alpha设置透明度、grid设置网格等。

se1.plot(kind ='bar', color ='g', alpha =0.5, grid=True)

df.plot(kind = 'bar', alpha=0.5)

2)频数图、散点图

频数图采用hist绘制即可,单幅的散点图还得依靠matplotlib库,但pandas提供多幅散点图矩阵的快速绘图方法。

se1.plot(kind ='bar', color ='g')

#对角线上图形设置为核密度图

pd.scatter_matrix(df, diagonal='kde')

3)清除和保存图形

有时候,我们希望清除掉当前图形或者干脆关闭绘图窗口。可以采用figure的clear()方法清除图形,采用matplotlib.pylab的close()方法则能够直接关闭图形窗口。

df.plot()

#清除绘图

_.get_figure().clear()

#关闭窗口

plt.close()

3、python绘图的未来 Python同时具备强大的数据分析功能和Web开发功能,未来绘图的趋势将是更加紧密的联系数据分析和Web发布功能,所有绘制的图形应当能够方便的在网页上发布。数据分析人员和网页开发人员的工作耦合将会更加紧密。

你可能感兴趣的:(python绘图模块pandas_python绘图:matplotlib和pandas的应用)