【学习笔记】《深入浅出Pandas》第16章：可视化

16.1 plot方法

Pandas提供的plot()方法 可以将Series和DataFrame中的数据可视化，它是对matplotlib.axes.Axes.plot 的封装，执行完会生成一张可视化图形，直接显示在Jupyter Notebook上。

16.1.1 plot概述

plot默认是折线图，x轴为索引，y轴为数据。

（1）对于DataFrame，会将所有数字列以多条折线的形式显示在图形中。

# Series调用
s.plot()
# DataFrame调用
df.plot()

（2）其他图形：

df.plot.line() # 折线的全写方式
df.plot.bar() # 柱状图
df.plot.barh() # 横向柱状图（条形图）
df.plot.hist() # 直方图
df.plot.box() # 箱型图
df.plot.kde() # 核密度估计图
df.plot.density() # 同上
df.plot.area() # 面积图
df.plot.pie() # 饼图
df.plot.scatter() # 散点图
df.plot.hexbin() # 六边形图

16.1.2 plot基础方法

（1）Series数据调用plot方法，它的索引信息会显示在x轴，y轴则是x轴上的索引对应的具体数据值。

ts = pd.Series(list(range(5))+list(range(5)),
               index=pd.date_range('1/1/2020', periods=10))
"""
2020-01-01    0
2020-01-02    1
2020-01-03    2
2020-01-04    3
2020-01-05    4
2020-01-06    0
2020-01-07    1
2020-01-08    2
2020-01-09    3
2020-01-10    4
Freq: D, dtype: int64
"""

# 绘图
ts.plot()

（2）DataFrame数据：
①调用plot时，x轴为DataFrame的索引，y轴将显示多列的多条折线数据。

df = pd.DataFrame(np.random.randn(6, 4),
                  index=pd.date_range('1/1/2020', periods=6),
                  columns=list('ABCD'))
"""

				A 			B 			C 			D
2020-01-01 	-0.494067 	-1.326726 	1.017270 	0.969768
2020-01-02 	-1.094762 	-1.035891 	1.572841 	-0.310795
2020-01-03 	0.282873 	-0.000758 	-0.176886 	0.880761
2020-01-04 	-0.131953 	-1.828849 	-0.578733 	1.138348
2020-01-05 	0.327931 	0.793914 	0.251315 	0.348714
2020-01-06 	2.165683 	1.044589 	0.312085 	-0.335197
"""
# 绘图
df.plot()

②DataFrame在绘图时，可以指定x轴和y轴的列。

df.plot(x='A', y='B')

③如果y轴需要多个值，可以传入列表：

# y轴指定两列
df.plot(x='A', y=['B', 'C'])

16.1.3 图形类型

（1）kind参数，可以指定图形的类型：

ts.plot(kind='pie')

（2）kind支持的参数如下：

• line：折线图，默认；
• pie：饼图；
• bar：柱形图；
• barh：横向柱状图；
• hist：直方图；
• kde、density：核密度估计图；
• box：箱型图；
• area：面积图；
• scatter：散点图；
• hexbin：六边形分箱图。

16.1.4 x轴和y轴

如果是Series，则索引是x轴，无须传入y轴的值。

# 可以不写参数名，直接按位置传入
df[:5].plot('name', 'Q1')
df[:5].plot.bar('name', ['Q1', 'Q2'])
df[:5].plot.barh(x='name', y='Q4')
df[:5].plot.area('name', ['Q1', 'Q2'])
df[:5].plot.scatter('name', 'Q3') # 散点图只允许有一个y值

16.1.5 图形标题

用title参数来指定图形标题，标题会显示在图形顶部。

df.head(5).plot.bar(title='前5位学生成绩分布图')

16.1.6 字体大小

fontsize指定轴上的字体大小，单位是pt（磅）。

# 指定轴上的字体大小
df.set_index('name')[:5].plot(fontsize=20)

16.1.7 线条样式

style可指定图的线条样式，并组合使用：

df[:5].plot(style=':') # 虚线
df[:5].plot(style='-.') # 虚实相间
df[:5].plot(style='--') # 长虚线
df[:5].plot(style='-') # 实线，默认
df[:5].plot(style='.') # 点
df[:5].plot(style='*-') # 实线，数值为星星
df[:5].plot(style='^-') # 实线，数值为三角形

16.1.8 背景辅助线

grid会给x方向和y方向增加背景辅助线：

df.set_index('name').head().plot(grid=True)

16.1.9 图例

（1）plot默认显示图例，传入参数legend=False 可隐藏。

df.set_index('name').head().plot(legend=False)

（2）将图例倒排（与之前的顺序相反）。

df.set_index('name').head().plot(legend='reverse')

16.1.10 图形大小

figsize参数传入一个元组，可以指定图形的宽、高（单位为英寸）。

df.set_index('name').head().plot.bar(figsize=(10.5, 5))

全局默认的图形大小：

import matplotlib.pyplot as plt
plt.rcParams['figure.figsize'] = (15.0, 8.0) # 固定显示大小

16.1.11 色系

colormap指定图形配色。

df.set_index('name').head().plot.barh(colormap='rainbow')

16.1.12 绘图引擎

backend参数可以指定一个新的绘图引擎，默认是Matplotlib。

（1）将绘图引擎更换成bokeh，它是一个优秀的可交互的Python可视化绘图库。

import pandas_bokeh
pandas_bokeh.output_notebook() # Notebook展示
df.head().plot.bar('name', ['Q1', 'Q2'], backend='pandas_bokeh')

以上代码执行后，会先加载bokeh的JavaScript等静态资源，然后显示交互式图形。可以点击页面上的各种操作按钮对数据进行探索。
（2）Pandas支持以下绘图引擎：

• Matplotlib（默认）
• hvplot 0.5.1版本及以上
• holoviews
• pandas_bokeh
• plotly 4.8版本及以上
• Altair

16.1.14 图形叠加

为了实现两种类型的图形叠加，可以将两个图形的绘图语句组成一个元组或者列表。

(
    df['Q1'].head().plot.bar(),
    df.mean(1).head().plot(color='r')
)

16.1.15 颜色的表示

在可视化中颜色与CSS的表示方法相同，可以用CSS颜色名和CSS合法颜色值表示。

（1）17种标准颜色名称：aqua、black、blue、fuchsia、gray、green、lime、maroon、navy、olive、orange、purple、red、silver、teal、white、yellow。
（2）合法颜色值，在HTML和CSS中使用3位元素，共6个十六进制的数字表示一种颜色，每位元素的取值从00到FF，相当于十进制数字的0到255。按此顺序，前两位是红色的值，中间两位是绿色的值，最后两位是蓝色的值。
（3）rgb(red, green, blue)格式：如rgb(37,37,37)。

16.1.16 解决图形中的中文乱码问题

（1）临时方案

# Jupyter Notebooks plt 图表配置
import matplotlib.pyplot as plt
plt.rcParams['figure.figsize'] = (15.0, 8.0) # 固定显示大小
plt.rcParams['font.family'] = ['sans-serif'] # 显示中文问题
plt.rcParams['font.sans-serif'] = ['SimHei'] # 显示中文问题
plt.rcParams['axes.unicode_minus'] = False # 显示负号

（2）永久方案：在配置文件中增加指定的中文字体。

16.2 常用可视化图形

本节将介绍plot()方法适配的几个最为常用的图形绘制方法，不需要额外的参数就能快速将数据可视化。

16.2.1 折线图plot.line

plot的默认图形是折线图，因此对于折线图，可以省略df.plot.line()中的line方法。

（1）DataFrame可以直接调用plot生成折线图。
①x轴为索引，其他数字类型的列为y轴上的线条。

df.plot()
df.plot.line()

②如果希望指定的列作为x轴，可以先将其设为索引。

(
    df.head()
    .set_index('name')
    .plot()
)

（2）Series索引作为x轴，值为y轴，如果值非数字则报错：

(
    df.set_index('name')
    .head()
    .Q1 # Series
    .plot()
)

（3）可以指定x轴和y轴：

df.plot(x='name', y='Q1')
df.plot(x='name', y=['Q1', 'Q2']) # 指定多条

（4）如果一个折线图中有多条线，可以使用subplots将它们区分，形成多张子图。

df.head().plot.line(subplots=True)

16.2.2 饼图plot.pie

饼图可以表示不同分类的数据在总体中的占比情况，将一个完整的圆形划分为若干个小饼，占比大小体现在弧度大小上。
如果数据中有NaN值，会自动将其填充为0；如果数据中有负值，则会引发ValueError错误。

（1）对于Series：

s = pd.Series(3 * np.random.rand(4),
              index=['a', 'b', 'c', 'd'], name='数列')
"""
a    0.423434
b    1.308394
c    0.100264
d    0.858464
Name: 数列, dtype: float64
"""

s.plot.pie()

（2）对于DataFrame，需要指定y值。

df1 = pd.DataFrame(3 * np.random.rand(4, 2),
                   index=['a', 'b', 'c', 'd'],
                   columns=['x', 'y'])
"""

		x 			y
a 	2.354850 	1.666088
b 	1.526937 	1.883375
c 	1.164212 	2.745225
d 	2.479957 	2.440313
"""

df1.plot.pie(y='x')

（3）如果数据总和小于1.0，则会绘制一个扇形。
（4）DataFrame可以传入subplots=True创建子图矩阵。

df1.plot.pie(subplots=True, figsize=(8, 4))

（5）默认是有图例的，但是可以通过传入参数legend=False来设置。

（6）其他常用参数：

s.plot.pie(labels=['AA', 'BB', 'CC', 'DD'], # 标签，指定项目名称
           colors=['r', 'g', 'b', 'c'], # 指定颜色
           autopct='%.2f', # 数字格式
           fontsize=20, # 字体大小
           figsize=(6, 6) # 图大小
          )

16.2.3 柱状图plot.bar

（1）DataFrame直接调用plot.bar生成柱状图。
①x轴为索引，其他数字类型的列为y轴上的条形：

df1.plot.bar()
df1.plot.barh() # 横向
df[:5].plot.bar(x='name', y='Q4') # 指定x、y轴

②如果想将指定的列显示在x轴，可以将其设置为索引：

(
    df.head() 
    .set_index('name')
    .plot
    .bar()
)

（2）Series索引为x轴，值为y轴，有值为非数字的时候会报错。
①如果数据中有负值，则0刻度会在x轴上，不会在图形底边：

(
    df.assign(Q1=df.Q1 - 70)
    .loc[:6]
    .set_index('name')
    .plot
    .bar()
)

②将同一索引的多个数据堆叠起来：

(
    df.loc[:6]
    .set_index('name')
    .plot
    .bar(stacked=True)
)

（3）柱状图同样支持子图，使用subplots=True。

16.2.4 直方图plot.hist

直方图又称质量分布图，由一系列高度不等的纵向条纹或线段表示数据分布情况。一般用横轴表示数据类型，纵轴表示分布情况。
直方图描述的是数据在不同区间内的分布情况，描述的数据量一般比较大。分组数据字段（统计结果）映射到横轴的位置，频数字段（统计结果）映射到矩形的高度，可以对分类数据设置颜色以增加分类的区分度。

（1）在下例中，随机生成三列数，每列1000个，其中一个在随机数上加一，一个减一，然后绘制直方图，默认分箱数为10个（bins=10），alpha为颜色的透明度（范围0~1）：

df2 = pd.DataFrame({'a': np.random.randn(1000) + 1,
                    'b': np.random.randn(1000),
                    'c': np.random.randn(1000) - 1},
                     columns=['a', 'b', 'c'])

df2.plot.hist(alpha=0.5)

（2）Series为单直方图：

# 单直方图
df2.a.plot.hist()

（3）堆叠并指定分箱数量：

df2.plot.hist(stacked=True, bins=20)

（4）直接使用df.hist(alpha=0.5)来绘制子图：

df2.hist(alpha=0.5)

（5）可以单独绘制子图，指定分箱数量：

df2.a.hist(bins=20, alpha=0.5)
df2.hist('a', bins=20, alpha=0.5) # 同上

（6）by参数可用来分组，生成分组后的子图：

df.Q1.hist(by=df.team)

16.2.5 箱型图plot.box

箱型图又称盒形图、盒式图或箱线图，用来显示一组数据分布情况的统计图。
Series.plot.box()、DataFrame.plot.box() 和DataFrame.boxplot() 都可以绘制箱型图。
df.plot.box()无法使用，找不到原因

（1）箱型图可以观察到：

• 一组数据的关键值，如中位数、最大值、最小值；
• 数据集中是否存在异常值以及异常值的具体数值；
• 数据是不是对称；
• 数据分布是否密集；
• 数据是否扭曲，即是否具有偏向性

（2）使用方法

df.plot.box() # 所有列 Fail

（3）其他方法：

df.A.plot.box() # 单列 Fail
df.boxplot()
df.boxplot('Q1') 

（4）使用vert=False将图形设置为横向，用position控制位置：

# 横向+位置调整
df.plot.box(vert=False, positions=[1, 2, 5, 6])

16.2.6 面积图plot.area

面积图又叫区域图，将折线图中折线与自变量坐标轴之间的区域使用颜色或纹理填充，这样填充区域就叫做面积。填充颜色可以更好突出趋势信息。
默认情况下，面积图是堆叠的。
要生成堆积面积图，每列必须全部为正值或全部为负值。
当输入数据包含NaN时，它将被填充为0。
如果要删除或填充不同的值，需要在调用图之前使用DataFrame.dropna()或DataFrame.fillna()。

Series.plot.area() 和 **DataFrame.plot.area()**是面积图的基本操作，默认情况下，x轴为索引，y轴为值或者所有数据列。
（1）单列：

df4 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
df4.a.plot.area() # 单列

（2）所有数据列：

df4.plot.area()

（3）生成未堆积、有一定透明度的图，传入stack=False，Alpha默认为0.5：
（4）指定x轴和y轴：

df4.plot.area(y='a')
df4.plot.area(y=['b', 'c'])
df4.plot.area(x='a') # y轴为b、c、d

16.2.7 散点图plot.scatter

散点图也叫x-y图，它将所有数据以点的形式展现在直角坐标系上，以显示变量之间的相互影响程度，点的位置由变量的数值决定。

（1）可以使用DataFrame.plot.scatter()方法绘制散点图。散点图要求x轴和y轴为数字列，这些可以通过x和y关键字指定。

(
    df.assign(avg=df.mean(1))
    .plot
    .scatter(x='Q1', y='avg')
)

（2）使用c参数指定点的颜色：

df.plot.scatter(x='Q1', y='Q2', c='b', s=50)

c可以取如下值：

• 字符，RGB或RGBA码，如red、#a98d19；
• 序列，颜色列表，对应每个点的颜色；
• 列名称或位置；

df.plot.scatter(x='Q1', y='Q2', c=['green', 'yellow']*50, s=50)

（3）参数colorbar=True会在当前坐标区或者图的右侧显示一个垂直颜色栏，显示当前颜色图并指示数值到颜色图的映射。

df.plot.scatter(x='Q1', y='Q2', c='DarkBlue', colorbar=True)

（4）参数s用于指定点的大小。

16.2.8 六边形分箱图plot.hexbin

六边形分箱图也称六边形箱体图，它是一种以六边形为主要元素的统计图表。它既是散点图的延伸，又兼具直方图和热力图的特征。
df.plot.hexbin()无法使用，找不到原因

使用**DataFrame.plot.hexbin()**创建六边形图。如果数据过于密集，而无法单独绘制每个点，就可以使用六边形图。

# Fail
df = pd.DataFrame(np.random.randn(1000, 2), columns=['a', 'b'])
df['b'] = df['b'] + np.arange(1000)
df.plot.hexbin(x='a', y='b', gridsize=25)