Pandas系列(五)：可视化绘图

Pandas系列目录

---

---

一、 简介

Pandas数据提供了方便的绘图函数，可以直接调用绘图。不仅包括常用的点、线、柱形图、饼图，还包括直方图、核密度曲线图等统计图形。

Pandas的绘图函数基于Matplotlib。

Pandas系列将Pandas的知识和重点API，编制成思维导图和重点笔记形式，方便记忆和回顾，也方便应用时参考，初学者也可以参考逐步深入学习。

二、 思维导图

三、 Pandas可视化绘图

1. Pandas绘图基本方法

Pandas数据可视化有两种途径

方法一：通过数据（Series或DataFrame）的plot属性调用绘图函数。

# 导入库
import pandas as pd
import matplotlib.pyplot as plt

# 初始化数据
d=pd.DataFrame({'x':[-3,-2,-1,0,1,2,3]})
d['y']=d['x']**2

# 绘图
d.plot.line(x='x', y='y')      #调用plot模块的line方法绘制折线图

# 显示
plt.show()

显示图形结果如下：

方法二：直接调用plot函数

# 导入库
import pandas as pd
import matplotlib.pyplot as plt

# 初始化数据
d=pd.DataFrame({'x':[-3,-2,-1,0,1,2,3]})
d['y']=d['x']**2

# 绘图
d.plot(x='x', y='y', kind="line")      #调用plot函数绘图，指定图形类别为折线图

# 显示
plt.show()

效果与方法一完全相同。

2. plot模块

2.1 简单图表

2.1.1 绘图函数

• df.plot.scatter(x=‘col1’,y=‘col2’)：散点图（Series不支持）。
• d.plot.line(x=‘col1’,y=‘col2’)：折线图。
• d.plot.area(x=‘col1’,y=‘col2’)：颜色填充的折线图。
• d.plot.bar(x=‘col1’,y=‘col2’)：柱状图。
• d.plot.barh(x=‘col1’,y=‘col2’)：水平柱状图。
• d.plot.pie(y=‘col2’)：饼状图。只需要指定y值。

np.random.seed(20211231)
x=np.arange(5)
y=np.random.randint(10,size=5)
d=pd.DataFrame({'x':x,'y':y})

d.plot.scatter(x='x',y='y')
d.plot.line(x='x',y='y')
d.plot.area(x='x',y='y')
d.plot.bar(x='x',y='y')
d.plot.barh(x='x',y='y')
d.plot.pie(y='y') 
plt.show()

显示效果如下：

2.1.2 进阶用法

1）Series数据绘图

Series不支持scatter函数，即不能用Series绘制散点图。英文散点图必须有x,y坐标。

Series数据调用绘图函数时，不用指定x,y数据，默认把Series数据作为y坐标数据，用自然数[0,1,2,...]作为x坐标数据

示例：

s=pd.Series([1,2,3,4,5])

s.plot.line()
s.plot.area()
s.plot.bar()
s.plot.barh()
s.plot.pie()
plt.show()

2) scatter函数特殊性

scatter函数必须同时指定x,y坐标。且x,y坐标长度必须相同

• df.plot(x=['col1','col2'], y=['col3','col4'])：多个数据列绘制散点图
  • (col1,col3)和(col2,col4)分别作为x,y坐标绘制散点图。
  • x,y必须都是列表，且列表长度必须相同

仅scatter和hexbin函数支持这样为x,y参数赋值，其他绘图函数都不支持这样使用。
多个数据列绘制的散点图，仍是同一个散点序列。并不能像折线图一样，两个数据列得到两根线。

scatter绘制多列数据与其他函数都不同。与线条等图形相比，不同的数据列表示不同的线条，但是散点图没有这个概念，所有的散点都是同一个序列的。所以，同一个图形中可以绘制多条曲线，但是在散点图中不论多少个数据列，都合并为一个散点序列。

scatter函数支持的所有数据参数调用方式：

df.plot.scatter(x='col1', y='col2')
df.plot.scatter(x=['col1','col1'], y=['col2','col3'])

2) pie函数特殊性

pie只需要指定y参数，不需要指定x参数。饼图的标签采用数据的行标签。

• df.plot.pie(subplots=True)：每个列绘制一个饼图
  • 必须设置subplots为True，这样多个饼图会分别绘制在不同的子图中。
  • layout=(2,3)参数可以设置子图排列为2行3列(数量必须大于df列数)。
  • y不能赋值为列表。即y=['col1','col2']会出错

df=pd.DataFrame({'col1':[1,2,3,4],'col2':[2,3,2,4],'col3':[3,1,2,1.5]},index=['a','b','c','d'])
df.plot.pie(subplots=True,layout=(2,2))

pie函数支持的所有数据参数调用方式：

df.plot.pie(y='col1')
df.plot.pie(subplots=True) 

3）line、area、bar、barh共同特点

这几个函数x,y参数都支持这几种用法：

• 单个数据序列图：x,y都指定一个列。
• 多个数据序列图：x指定一个列，y值设置为列表。

注意x参数不能是列表。

• x，y均可以省略
  • x默认值为0,1,2…自然是序列
  • y默认值为除x外，其他所有列组成的列表

x,y都省略时，对每列数据绘图

• 单个数据序列图
  • df.plot.line(x=‘col1’,y=‘col2’)：指定x,y坐标数据，绘制一根线
    • df.plot.line(y=‘col2’)：以0,1,2,…为x坐标，绘制一根线
• 多个数据序列图
  • df.plot.line(x=‘col1’,y=[‘col2’,‘col3’])：绘制两根曲线。x坐标都为col1，y坐标分别为col2,col3。
    • df.plot.line(x=‘col’)：只指定x坐标数据，y坐标数据自动取df的其他列数据，绘制多根线
    • x省略，y值设置为列表
    • df.plot.line()：每个列绘制一根曲线，x坐标值采用自然数

多个序列绘图效果如下：

stacked叠加绘图参数

注意上图中area的图形和line的图形不太一样，这是为什么呢？area的stacked参数默认为True，即叠加绘图。第2列数据的y坐标会与前一列的坐标值相加后显示。效果如下：

注意：

• area默认stacked为True，其他函数默认为False
• line和area的stacked设置为True时，y值必须大于等于0

子图绘制

默认情况下多个列的数据绘制线、柱都在一个图形中。可以通过subplots参数将各个列数据分开在不同的子图中绘图。

以df.plot.bar(x='col1',subplots=True)为例，效果如下：

在subplots=True时，可以用layout=(2,3)参数设置子图的行列数（2行3列）。

2.2 统计绘图

直方图、密度分布图、箱型图、六边形填充图。

• 直方图：用柱形图显示数据分布密度。

• 核密度分布图：用指定的核密度函数(数据假定或已知的分布函数)拟合直方图。

• 箱型图：用一个箱型框显示一列数据的最小值，25%分位值，中位数，75%分位值，最大值。

• 六边形填充图：在x,y坐标处绘制平面六边形，用六边形颜色表示x,y坐标出现的次数

• 直方图

  • d.plot.hist(bins=5)：绘制数据的直方图。
    • bins表示数据分为bins段统计分布，用bins个柱形绘图。默认bins=10。
    • 对DataFrame，为每一列单独
  • df.plot.hist(stacked=True)：在一个图中绘制每一列的直方图。默认stacked为False，即不叠加

直方图，stacked为False和True的效果：

• 密度分布图
  • s.plot.density()：绘制高斯核的概率密度曲线
  • df.plot.density()：绘制每列数据的高斯核概率密度曲线

density、kde两个方法完全相同，用于核密度估计。采用非参数方法估算随机变量的概率密度函数(用函数使用高斯核)

d=pd.Series([1,1,1,2,3,4])
d.plot.kde()

• 箱形图（用每个列的四个分位数绘制箱型图）
  • s.plot.box()：绘制一个箱型图。
  • df.plot.box()：绘制箱型图，每个列绘制一个箱型框

s=pd.Series([1,2,3,4,5])
df=pd.DataFrame(np.random.random((50,4)))
s.plot.box()
df.plot.box()

• 六边形填充图
  • df.hexbin(x=‘col1’,y=‘col2’)：在每一个(xi,yi)坐标处绘制一个六边形，六边形颜色表示(xi,yi)出现的次数
  • df.hexbin(x=[‘col1’,‘col1’],y=[‘col2’,‘col3’])：指定多个列作为值对

与scatter相似。Series不支持hexbin。x,y参数也都不能省略，x,y都为列表时，长度必须相同。

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)

hexbin绘图建议设置gradsize，否则六边形图很小，且间距很大，视角效果不好

3. plot函数

• df.plot(x=‘col1’,y=‘col2’,kind=‘scatter’)：散点图。与df.plot.scatter效果完全相同。
• d.plot(x=‘col1’,y=‘col2’,kind=‘line’)：折线图。与d.plot.line效果完全相同。
• d.plot(x=‘col1’,y=‘col2’,kind=‘area’)：颜色填充的折线图。与d.plot.area效果完全相同。
• d.plot(x=‘col1’,y=‘col2’,kind=‘bar’)：柱状图。与d.plot.bar效果完全相同。
• d.plot(x=‘col1’,y=‘col2’,kind=‘barh’)：水平柱状图。与d.plot.barh效果完全相同。
• d.plot(y=‘col2’,kind=‘pie’)：饼状图。只需要指定y值。与d.plot.pie效果完全相同。

特点：与plot模块等效，通过kind参数指定绘图方法。其他参数完全相同

4. Series和DataFrame两个特殊绘图函数

DataFrame可以直接调用hist和boxplot函数。直接调用函数，相比plot模块和plot函数，多一个column参数。

• df.hist(column=‘col1’)：指定列绘制直方图。df.hist(column=[‘col1’,‘col2’])：为每列绘制一个直方图子图。df.plot.hist()默认将多列直方图绘制在一个子图中
• df.boxplot(column=‘col1’)：指定列绘图。df.boxplot(column=[‘col1’,‘col2’])：指定多列绘图。

5. 通用图形控制参数

在调用绘图函数时，还可以设置一些其他参数，调整绘图效果，这些参数是通用的。形式如下：

d.plot(x='x',y='y',kind='line',title='title',xlim=(1,5))

5.1 图形属性

• 图形
  • figsize=(4,3)：图形宽高分别设置为4,3
  • title='title1'：设置图形标题，用列表为每个子图设置标题
  • ax=ax1：图形绘制到axes对象上ax1
• 样式
  • style=['r:','-']：为每列数据指定样式。(r:表示红色虚线，-表示实线)
  • fontsize=10：xticks的字体大小
  • legend=False：是否显示图例
• 坐标轴设置
  • xlim=(1,5):设置x轴坐标上下限
  • ylim=(1,5)：设置y轴坐标上下限
  • xticks=[1,2,3,4]：设置x轴坐标
  • yticks=[1,2,3]：设置y轴坐标
  • xlabel='x'：设置x轴标签
  • ylabel='y'：设置y轴标签
  • logx=True：坐标轴是否按对数坐标轴绘制
  • logy=True:坐标轴是否按对数坐标轴绘制

---

Pandas系列目录

---

个人总结，部分内容进行了简单的处理和归纳，如有谬误，希望大家指出，持续修订更新中。

修订历史版本见：https://github.com/hustlei/AI_Learning_MindMap

未经允许请勿转载。