1 Pandas 可视化功能
pandas是一个强大的数据分析库，提供了一些可视化工具来帮助用户更好地理解和展示数据。以下是pandas可视化工具的一些常见功能：
1. 折线图：通过plot()函数可以绘制折线图，展示数据随时间或其他变量的变化趋势。
2. 散点图：使用scatter()函数可以绘制散点图，在二维平面上展示两个变量之间的关系。
3. 条形图：使用bar()函数可以绘制条形图，用于比较不同类别或组的数值大小。
4. 直方图：使用hist()函数可以绘制直方图，用于展示数值型数据的分布情况。
5. 饼图：使用pie()函数可以绘制饼图，展示不同类别的占比情况。
6. 箱线图：使用boxplot()函数可以绘制箱线图，展示数值型数据的分布特征、离群值等。
Pandas 是一个用于数据处理和分析的流行库，它提供了一些内置的可视化功能，通常基于 Matplotlib 这个底层库。
- 绘制线图：
df['column_name'].plot(kind='line')
绘制柱状图：
df['column_name'].plot(kind='bar')
绘制散点图：
df.plot(x='x_column', y='y_column', kind='scatter')
hist()函数：hist()函数用于绘制直方图，以显示数据的分布和频率。
df['column_name'].hist(bins=10)
boxplot()函数：boxplot()函数用于绘制箱线图，显示数据的分位数和离群值。
df.boxplot(column='column_name')
scatter_matrix()函数：scatter_matrix()函数用于绘制多个变量之间的散点图矩阵，有助于了解变量之间的关系。
from pandas.plotting import scatter_matrix scatter_matrix(df, alpha=0.5, figsize=(8, 8), diagonal='hist')
plotting.scatter_matrix()函数：这是一个更高级的散点图矩阵绘制函数，可以自定义每个子图的属性。
from pandas.plotting import scatter_matrix scatter_matrix(df, alpha=0.5, figsize=(8, 8), diagonal='kde', color='red')
plot.barh()函数：plot.barh()函数用于绘制水平柱状图。
df['column_name'].plot(kind='barh')
plot.pie()函数：plot.pie()函数用于绘制饼图，用于显示数据的占比。
df['column_name'].plot(kind='pie', autopct='%1.1f%%')
plot.area()函数：plot.area()函数用于绘制堆叠面积图，显示数据的累积变化趋势。
df.plot.area()
plot.kde()函数：plot.kde()函数用于绘制核密度估计图，显示数据的概率密度分布。
2 Pandas绘图实例
2.1 绘制线图
import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 创建数据 data = {'年份': [2010, 2011, 2012, 2013, 2014, 2015, 2016, 2017], '销售额': [100, 150, 120, 180, 200, 250, 300, 280]} # 转换为DataFrame格式 df = pd.DataFrame(data) # 绘制折线图 plt.plot(df['年份'], df['销售额'], marker='o') # 设置x轴和y轴标签、标题 plt.xlabel('年份') plt.ylabel('销售额') plt.title('销售额变化趋势') # 添加图例 plt.legend(['销售额']) # 显示图形 plt.show()
当使用Pandas绘制柱状图、散点图和饼图时，您可以使用plot()函数的不同kind参数来指定要绘制的图表类型。
2.2 绘制柱状图
import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 替换为您系统中支持的字体 # 创建一个示例DataFrame data = {'Category': ['A', 'B', 'C', 'D'], 'Values': [10, 15, 7, 12]} df = pd.DataFrame(data) # 绘制柱状图 df.plot(x='Category', y='Values', kind='bar', title='柱状图') plt.xlabel('类别') plt.ylabel('数值') plt.show()
2.3 绘制随机散点图
import pandas as pd import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 替换为您系统中支持的字体 # 生成随机数据 np.random.seed(0) # 设置随机种子以确保可重复性 num_points = 100 x = np.random.rand(num_points) # 随机生成x坐标 y = np.random.rand(num_points) # 随机生成y坐标 colors = np.random.rand(num_points) # 随机生成颜色值 # 创建DataFrame data = {'X': x, 'Y': y, 'Color': colors} df = pd.DataFrame(data) # 绘制散点图 plt.figure(figsize=(8, 6)) # 设置图形大小 plt.scatter(x='X', y='Y', c='Color', data=df, cmap='viridis', alpha=0.7) plt.xlabel('X轴') plt.ylabel('Y轴') plt.title('随机散点图') plt.colorbar(label='颜色') plt.show()
上述示例中，我们首先使用NumPy生成了一些随机的x和y坐标数据，以及随机的颜色值。然后，我们将这些数据放入一个Pandas DataFrame 中，并使用Matplotlib绘制了散点图。颜色使用了色彩映射（cmap），并添加了颜色条（colorbar）以显示颜色映射的对应关系。
2.4 绘制饼图
import pandas as pd import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 替换为您系统中支持的字体 # 创建一个示例DataFrame，包含不同类别的值 data = {'Category': ['A', 'B', 'C', 'D'], 'Values': [10, 15, 7, 12]} df = pd.DataFrame(data) # 指定用于饼图的数值列和标签列 values = df['Values'] labels = df['Category'] # 绘制饼图 plt.figure(figsize=(6, 6)) # 设置图形大小 df.plot(y='Values', kind='pie', labels=df['Category'], autopct='%1.1f%%', title='饼图') # 绘制饼图 plt.title('饼图') # 设置图表标题 # 显示图表 plt.axis('equal') # 使饼图保持圆形 plt.show()
在上述示例中，首先创建了一个包含类别和对应数值的DataFrame。然后，使用plt.pie()函数来绘制饼图，其中values包含数值数据，labels包含饼图的标签。autopct参数用于显示百分比标签，startangle参数用于指定饼图的起始角度。最后，使用plt.axis('equal')确保饼图保持圆形。
2.5 绘制箱线图A
import pandas as pd import matplotlib.pyplot as plt import random plt.rcParams['font.sans-serif'] = ['SimHei'] # 创建示例数据集 data = { 'Product_A': [random.randint(50, 100) for _ in range(50)], 'Product_B': [random.randint(40, 90) for _ in range(50)], 'Product_C': [random.randint(60, 110) for _ in range(50)], 'Product_D': [random.randint(30, 70) for _ in range(50)], 'Product_E': [random.randint(20, 80) for _ in range(50)], 'Product_F': [random.randint(70, 120) for _ in range(50)] } df = pd.DataFrame(data) # 使用boxplot()函数绘制箱线图 df.boxplot(column=['Product_A', 'Product_B', 'Product_C', 'Product_D', 'Product_E', 'Product_F']) # 添加标题和标签 plt.title('不同产品销售数据箱线图') plt.ylabel('销售数量') # 显示图形 plt.show()
在这个示例中，我们创建了一个包含6种产品的示例DataFrame df，每种产品有50个销售数据点。然后，我们使用boxplot()函数绘制了这6种产品的箱线图。
箱线图将展示每种产品的销售数量分布情况，包括中位数、四分位数、离群值等信息。通过比较不同产品的箱线图，您可以更好地了解它们的销售数据分布，以便进行进一步的分析和决策。这种可视化方法可以帮助您分析潜在的销售趋势和异常情况。
2.6 绘制箱线图B
import pandas as pd import numpy as np import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] #替换为系统中支持的字体 # 创建一个示例数据集，包括三个组的数据 data = pd.DataFrame({ 'Group1': np.random.normal(0, 1, 100), 'Group2': np.random.normal(2, 1, 100), 'Group3': np.random.normal(1, 1, 100), 'Group4': np.random.normal(3, 1, 100) }) # 使用boxplot()函数绘制箱线图，指定显示的列和参数 data.boxplot(column=['Group1', 'Group2', 'Group3', 'Group4'], notch=True, # 添加缺口以估计中位数的不确定性 sym='o', # 设置异常值标记为圆圈 vert=False, # 水平显示箱线图 patch_artist=True, # 填充箱体颜色 showmeans=True, # 显示均值点 meanline=True, # 显示均值线 widths=0.5 # 箱体宽度 ) # 添加标题和标签 plt.title('箱线图示例') plt.xlabel('值') plt.ylabel('分组') # 显示图形 plt.show()
在这个示例中，我们创建了一个包含四个组的示例DataFrame data，每个组有100个随机数。然后，我们使用boxplot()函数绘制箱线图，并自定义了多个参数：
notch=True：在箱体中添加缺口以估计中位数的不确定性。sym='o'：将异常值标记为圆圈。vert=False：水平显示箱线图。patch_artist=True：填充箱体颜色。showmeans=True：显示均值点。meanline=True：显示均值线。widths=0.5：设置箱体宽度。
其中每个箱体表示一个组的数据分布情况。箱线图还显示了中位数、均值点和异常值。这种可视化工具有助于比较多个组的数据分布，并检测异常值。
2.7 绘制散点图矩阵
pandas.plotting.scatter_matrix()函数用于绘制多个变量之间的散点图矩阵，帮助您了解各个变量之间的关系。这个函数可以自定义每个子图的属性，包括颜色、标记、直方图和核密度估计等。下面是一个详细的示例：
import pandas as pd import numpy as np import matplotlib.pyplot as plt from pandas.plotting import scatter_matrix plt.rcParams['font.sans-serif'] = ['SimHei'] # 创建一个包含多个变量的示例数据集 data = pd.DataFrame(np.random.randn(100, 4), columns=['A', 'B', 'C', 'D']) # 使用scatter_matrix()函数绘制散点图矩阵 # 主要参数包括DataFrame对象，alpha（透明度），diagonal（对角线上的图表类型），color（颜色），marker（标记类型）等 scatter_matrix(data, alpha=0.8, figsize=(8, 8), diagonal='hist', color='blue', marker='o') # 添加标题 plt.suptitle('散点图矩阵示例') # 显示图形 plt.show()
在这个示例中，我们首先创建了一个包含四个随机变量的示例DataFrame data。然后，我们使用scatter_matrix()函数绘制散点图矩阵，指定了一些参数：
alpha参数设置透明度，这样可以看到重叠点。figsize参数设置图形的大小。diagonal参数设置对角线上的图表类型，这里使用直方图。color参数设置散点的颜色。marker参数设置散点的标记类型。
最后，我们添加了标题并显示图形。
2.8 绘制面积图
面积图 (Area Plot)
面积图用于可视化时间序列或有序数据的变化趋势，通常用于显示数据的累积变化
import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] # 创建示例数据集 data = { 'Year': [2000, 2001, 2002, 2003, 2004], 'Product_A': [100, 120, 140, 160, 180], 'Product_B': [80, 90, 110, 130, 150] } df = pd.DataFrame(data) # 使用plot()函数创建面积图 plt.figure(figsize=(8, 6)) plt.stackplot(df['Year'], df['Product_A'], df['Product_B'], labels=['Product_A', 'Product_B'], alpha=0.7) plt.xlabel('年份') plt.ylabel('销售数量') plt.title('面积图示例') plt.legend(loc='upper left') plt.show()
在上述示例中，我们首先创建了一个包含年份和两种产品销售数量的示例DataFrame。然后，使用stackplot()函数创建面积图，alpha参数设置透明度，labels参数设置图例标签，legend()函数用于显示图例。
2.9 绘制热力图
热力图 (Heatmap)
热力图用于可视化矩阵数据中各个元素之间的关系，通常通过颜色来表示数值的大小。
要在Pandas中绘制热力图，通常需要使用辅助库，最常见的是Seaborn和Matplotlib。Seaborn提供了高级的热力图绘制函数，而Matplotlib用于显示图形。以下是如何在Pandas中使用Seaborn和Matplotlib绘制热力图的示例：
import pandas as pd import numpy as np import matplotlib.pyplot as plt import seaborn as sns plt.rcParams['font.sans-serif'] = ['SimHei'] #替换为系统中支持的字体 # 创建示例数据集 data = np.random.rand(5, 5) # 5x5的随机矩阵 # 转换为DataFrame df = pd.DataFrame(data, columns=['A', 'B', 'C', 'D', 'E']) # 使用seaborn的heatmap()函数创建热力图 plt.figure(figsize=(8, 6)) sns.heatmap(df, annot=True, cmap='coolwarm', linewidths=.5) plt.title('热力图示例') plt.show()
在上述示例中，我们首先创建了一个随机矩阵，并将其转换为Pandas DataFrame。然后，使用Seaborn的heatmap()函数来绘制热力图。参数annot=True用于在图表上显示数值标签，cmap用于设置颜色映射，linewidths用于设置单元格之间的间隔线宽度。
2.10 绘制核密度估计图
plot.kde()函数：plot.kde()函数用于绘制核密度估计图，显示数据的概率密度分布。
import pandas as pd import matplotlib.pyplot as plt plt.rcParams['font.sans-serif'] = ['SimHei'] #替换为系统中支持的字体 # 创建示例数据集 data = {'Values': [10, 15, 13, 18, 25, 12, 22, 27, 16, 21]} df = pd.DataFrame(data) # 使用plot.kde()函数创建核密度估计图 df['Values'].plot.kde() plt.xlabel('数值') plt.ylabel('概率密度') plt.title('核密度估计图示例') plt.show()
在这个示例中，我们首先创建了一个包含示例数据的DataFrame df，然后使用plot.kde()函数绘制核密度估计图。这个图表显示了数据的概率密度分布，它是一个平滑的曲线，代表了数据在不同数值上的概率密度。
