pandas 作图 统计_数据可视化（二）丨使用pandas和seaborn绘图

原标题：数据可视化(二)丨使用pandas和seaborn绘图

matplotlib是一个相对底层的工具。pandas自身有内建的可视化工具。另一个库seaborn则是用来做一些统计图形。

导入seaborn会改变matlotlib默认的颜色和绘图样式，提高可读性和美感。即使不适用seaborn的API，也可以利用seaborn来提高可视化的效果。

1 Line Plots

线图

Series和DataFrame各自都有plot属性，用来做一些比较基本的绘图类型。默认，plot会绘制线图：

Series对象的index(索引)，被matplotlib用来当做x轴，当然，我们也可以自己设定不这么做，use_index=False。x轴的ticks(标记)和limits(范围)能通过xticks和xlim选项来设定，而y轴的可以用yticks和ylim来设定。下面是关于plot的一些选项。

大部分的pandas绘图方法接受一个ax参数，可以作为一个matplotlib subplot对象。这给我们更强的灵活性在gird layout(网格样式)中放置subplot。

DataFrame的plot方法，会把每一列画出一条线，所有的线会画在同一个subplot(子图)上，而且可以添加legend(图例)：

plot属性中，包含一组方法，来画出不同类型的绘图。例如，df.plot等同于df.plot.line。

一些额外的关键字可以在plot里设定，并会被matplotlib函数执行，所以我们可以学习matplotlib API来定制化想要的绘图。

DataFrame有一些选项在处理列的时候提供了灵活性；例如，是否把所有列都画在一个子图中，或者把不同列画在不同的子图中。下图有更多的设定：

2 Bar Plots

条形图

plot.bar和plot.barh分别绘制垂直和水平的条形图。这种情况下，series或DataFrame的index会被用来作为x(bar)或y(barh)的ticks(标记)：

color='k'设置颜色为黑，而alpha=0.7则设置局部透明度(靠近1越明显，靠近0则虚化)。

对于DataFrame，条形图绘图会把每一行作为一个组画出来：

注意这里DataFrame列名的"Genus"，被作为图例。

我们可以设定stacked=True，令条形图堆叠起来，能让每一行的所有值都被堆起来：

一个小窍门，在画series的值出现的频率的条形图时，可以使用value_counts: s.value_counts.plot.bar

之前我们用到过tipping(小费)数据集，假设我们想做一个堆叠的条形图，来表示在每一天，每一个大小不同的组(party)中，数据点的百分比。用read_csv导入数据，并按天数(day)和组大小(party size)做一个交叉报表(cross-tabulation)：

标准化一下，让每一行的和变为1，然后绘图：

这样我们可以看出来，在周末的时候组大小(party size)是增大的。

对于需要汇总的数据，使用seaborn能方便很多。让我们试一下用seaborn，按day来查看tipping percentage(小费百分比)：

seaborn的绘图函数中有一个data参数，这里可以导入pandas的DataFrame。其他参数指的是列名。因为每一天(比如一个固定的周六)可能会有多个不同的值，所以条形图表示的是tip_pct的平均值。条形图上的黑线表示95%的置信区间(confidence interval)(这个可以通过可选参数进行更改)。

seaborn.barplot有一个hue选项，这个能让我们通过一个额外的类别值把数据分开：

注意seaborn会自动更改绘图的外观：默认的调色板，绘图背景，网格颜色。我们可以自己设定不同的绘图外观，通过seaborn.set:

3 Histograms and Density Plots

柱状图和密度图

柱状图是一种条形图，不过值的频率是分割式的。数据点被分割为，离散的甚至是隔开的bin(BIN是储存箱、存放箱、垃圾箱的意思，中文实在是不好翻译，我把它理解为一个小柱子，之后就直接用bin了)，而且每个bin中的数据点的数量会被画出来。用上面的tipping数据集，我们可以用plot.hist做一个柱状图来表示小费(tip)占总费用(total bill)的比例：

seaborn能更方便地绘制柱状图和概率图，通过distplot方法，这个方法可以同时绘制一个柱状图和a continuous density estimate(一个连续密度估计)。举个例子，考虑一个bimodal distribution(双峰分布，二项分布)，它由连个不同的标准正态分布组成：

4 Scatter or Point Plots

散点图或点图

散点图对于检查二维数据之间的关系是非常有用的。例如，我们导入macrodata数据集，选一些参数，然后计算log differences(对数差分)：

关于对数差分译者找到的一些资料：

1.取对数(log)：缩小差距，减少异方差性；差分：非平缓数据变平稳的技能。

2.是原始序列的对数增长率，而且这么处理后序列会更平稳。

3.对于不平稳的时间序列，我们可以通过差分的方法使它平稳，但是差分之后的问题是有的经济意义就无法直观解释了，所以我们又有了构建协整关系这一方法。

然后我们可以利用seaborn的regplot方法，它可以产生一个散点图并拟合一条回归线：

在数据探索阶段，散点图能把一组变量之间所有的散点图都画出来，这种图被称之为pairs plot(多变量图)或scatter plot matrix(散点图矩阵)。画这样的图很麻烦，所以seaborn有一个非常方便的pairplot函数，这个函数可以把每一个参数的柱状图或密度估计画在对角线上：

这里要注意一下plot_kws关键字。这个让我们能导入设置选项，用来控制非对角线上的绘图。查看seaborn.pairplot的字符串文档查看更多的设定选项。

5 Facet Grids and Categorical Data

多面网格和类别数据

如果遇到一些数据集，需要额外分组的维度，该怎么办？一个方法是使用类别变量来把数据可视化，利用facet grid(多面网格)。seaborn有一个有用的内建函数factorplot，能简化制作各种多面图的过程：

在一个facet(面)内，不是通过time和不同的柱状颜色来分组，我们也能通过添加给每一个time值添加一行的方式来扩展多面网格：

factorplot支持其他一些绘图类型，是否有用取决于我们想要如何展示。例如，box plots(箱线图，可以展示中位数，分位数和利群店)可能是一种有效的视觉类型：

责任编辑：