python可视化:Plotting with pandas and seaborn

第二节Plotting with pandas and seaborn

matplotlib是一个基础的工具。可以用它的基本组件进行绘图:数据显示(线、条、框、散点等)、图例、标题、刻度标签等注释。在pandas中,有时我们的数据由多列组成,包含行名和列名。使用pandas内置函数可以简化DataFrame和Series对象的可视化。另一个库是seaborn,这是Michael Waskom创建的一个统计图形库。Seaborn简化了许多常见的可视化类型的创建。

(一)线图

Series和DataFrame对象都有plot属性,可以进行一些基本的图形绘制,在默认参数下,plot()是画线图,下面是一个Series对象的线型图:

In [1]: import pandas as pd
In [2]: s = pd.Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10))
In [3]: s
Out[3]:
        0     0.361239
        10   -0.973009
        20   -0.399783
        30   -0.375723
        40    0.300891
        50   -1.181079
        60   -1.154158
        70   -1.203589
        80   -0.697191
        90   -0.255197
        dtype: float64
In [4]: s.plot()

对于DataFrame对象的plot画图来说,每一列有不同的线来表示,并且自动生成图例说明:

In [5]: df = pd.DataFrame(np.random.randn(10, 4).cumsum(0),
            columns=['A', 'B', 'C', 'D'],
            index=np.arange(0, 100, 10))
         df
Out[5]:
           A         B         C         D
0  -0.191194  0.124733  0.149630 -0.847222
10  0.315815 -0.098679 -0.745160 -1.272139
20 -0.221957 -0.235838 -0.177400 -0.785572
30  0.668440 -0.531222 -0.097362 -0.064981
40  0.984189 -1.905647 -0.124803  1.642922
50  1.850171 -2.611311 -0.531080  3.320458
60  2.005584 -2.622598  0.514610  5.187108
70  1.649588 -1.959046  0.859002  5.606145
80  2.092307 -1.198536  1.574532  5.193929
90  0.608200 -0.323660  1.634932  3.946735
In [6]: df.plot()

df.plot()函数和df.plot.line()函数的功能是一样的。

(二)bar图

plot.bar()plot.barh() 分别可绘制竖着的、横着的bar图。
先来看一下Series对象的绘图:

In [7]: data = pd.Series(np.random.rand(16), index=list('abcdefghijklmnop'))
        data
Out[7]:
a    0.153508
b    0.172415
c    0.620039
d    0.859878
e    0.230167
f    0.082225
g    0.211878
h    0.933883
i    0.735628
j    0.222665
k    0.848021
l    0.784030
m    0.617523
n    0.226133
o    0.070989
p    0.113303
dtype: float64
In [8]: fig, axes = plt.subplots(2, 1)
        data.plot.bar(ax=axes[0], color='k', alpha=0.7)
        data.plot.barh(ax=axes[1], color='k', alpha=0.7)

color='k'alpha=0.7分别设置颜色和透明度。

再看一下Dataframe对象的绘图,bar图的分组是根据每一行的值放在一起的。

In [10]: df = pd.DataFrame(np.random.rand(6, 4),
    ...: index=['one', 'two', 'three', 'four', 'five', 'six'],
    ...: columns=pd.Index(['A', 'B', 'C', 'D'], name='Genus'))

In [11]: df
In [12]: df.plot.bar()

下面是把上面的图变换一下展示的方法:

In [13]: df.plot.barh(stacked=True, alpha=0.5)

下面用本书附带的示例数据来作图,示例数据下载地址:
https://github.com/wesm/pydata-book/tree/2nd-edition/examples

In [14]: tips = pd.read_csv('example/examples/tips.csv')
         tips

把其中的两列day和size两列里相互对应的数量提取出来:

In [15]: party_counts = pd.crosstab(tips['day'], tips['size'])
         party_counts
#提取上面的第2列到第5列
party_counts = party_counts.loc[:, 2:5]
party_counts
#将上面的子集每一行进行标准化,标准化后的每一行加起来是1
# Normalize to sum to 1
party_pcts = party_counts.div(party_counts.sum(1), axis=0)
party_pcts
party_pcts.plot.bar()

上面是利用pandas进行绘图,下面看一下利用seaborn绘图,同样是用上面的示例数据:

import seaborn as sns
tips = pd.read_csv('example/examples/tips.csv')
tips['tip_pct'] = tips['tip'] / (tips['total_bill'] - tips['tip'])  #给dataframe加一列经过计算后的tip_pct列
tips.head()
fig = plt.figure()
sns.barplot(x='tip_pct', y='day', data=tips, orient='h')

在seaborn里的绘图功能中,data的参数可以是pandas的Dataframe。其他参数可以是列名。上图中,黑色线代表95%的置信区间。

(三)Histograms and Density Plots直方图和密度图

直方图是一种条形图,离散的显示数值频率。数据点被分割成离散的,均匀间隔的bin,绘制每个数据的数量。使用上面的示例数据,我们可以绘制出小费占总账单百分比的直方图:

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

另一个相关的图形是密度图,它是通过计算评估数据的连续概率分布。使用plot.kde来绘制:

fig = plt.figure()
tips['tip_pct'].plot.density()

使用Seaborn的distplot函数,可以同时绘制直方图和密度图:

fig = plt.figure() #创建新图
comp1 = np.random.normal(0, 1, size=200) #创建两个随机数组
comp2 = np.random.normal(10, 2, size=200)
values = pd.Series(np.concatenate([comp1, comp2])) #数组拼接
sns.distplot(values, bins=100, color='k') #绘图
(四)散点图

散点图对于查看二维数组之间的关系还是很有用的。我们用本书的另一个示例数据microdata来做为例子。数据下载地址:https://github.com/wesm/pydata-book

macro = pd.read_csv('example/examples/macrodata.csv')
macro
data = macro[['cpi', 'm1', 'tbilrate', 'unemp']]#取其中的4列
trans_data = np.log(data).diff().dropna() #取每一列里相邻两个元素之间的差值,然后再取log
trans_data

在使用regplot进行绘图,可以绘制散点图以及拟合回归线:

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

seaborn还有一个方便的配对图函数pairplot,它支持沿对角线放置每个变量的直方图或密度图:

sns.pairplot(trans_data, diag_kind='kde', plot_kws={'alpha': 0.2})
(五)网格图和分类数据

如果我们的数据有额外的分组维度,该如何展示呢?可以使用seaborn的内置函数factorplot来画图。比如还是上面的tips示例数据,我们要把是否是smoker分成两个维度来展示:

#需要注意的是,在python3.7里,factorplot函数被替换成了catplot
sns.catplot(x='day', y='tip_pct', hue='time', col='smoker',
    kind='bar', data=tips[tips.tip_pct < 1])

根据上面的time的值,我们可以把上面的两幅图拆分成4幅图:

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

另外,seaborn也可以画箱图:

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

以上是关于seaborn画图的简要介绍,如果想了解更多可以去seaborn的官网,网站做的也是很清爽的。https://seaborn.pydata.org/

你可能感兴趣的:(python可视化:Plotting with pandas and seaborn)