作者：韩信子@ShowMeAI
教程地址：http://www.showmeai.tech/tutorials/33
本文地址：http://www.showmeai.tech/article-detail/150
声明：版权所有，转载请联系平台与作者并注明出处

大家在前面的教程中看到了Pandas进行数据分析的灵活操作，但同时作为一个功能强大的全能工具库，它也能非常方便地支持数据可视化，而且大部分基础图像绘制只要一行代码就能实现，大大加速了我们的分析效率，本文我们介绍pandas可视化及绘制各种图形的方法。

一、基本绘图函数plot

Series 和 DataFrame 上的可视化功能，只是围绕matplotlib库plot()方法的简单包装。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(10,4),index=pd.date_range('1/1/2022',
   periods=10), columns=list('ABCD'))
df.plot()

运行结果如下：

如果索引由日期组成，如上图所示，会自动进行日期填充。

除默认线图外，还可以绘制多种样式，可以使用 DataFrame.plot.[图类型参数] 方法进行不同图形的选择。

二、条形图

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(10,4),columns=['e','f','g','h'])
df.plot.bar()

运行结果如下：

产生堆叠的柱状图, 可以设置 stacked=True

import pandas as pd
df = pd.DataFrame(np.random.rand(10,4),columns= ['e','f','g','h'])
df.plot.bar(stacked=True)

运行结果如下：

要获取水平条形图，可以使用barh方法：

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(10,4),columns= ['e','f','g','h'])
df.plot.barh(stacked=True)

运行结果如下：

三、直方图

可以使用 plot.hist() 方法绘制直方图。我们可以指定数量。

import pandas as pd
import numpy as np
df = pd.DataFrame({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),'c':np.random.randn(1000) - 1, 'd':np.random.randn(1000) -2}, columns=['a', 'b', 'c', 'd'])
df.plot.hist(bins=20)

运行结果如下：

可以使用以下代码为每列绘制不同的直方图：

import pandas as pd
import numpy as np
df = pd.DataFrame({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),'c':np.random.randn(1000) - 1, 'd':np.random.randn(1000) -2}, columns=['a', 'b', 'c', 'd'])
df.diff().hist(bins=20)

运行结果如下：

四、箱形图

可以通过调用 Series.box.plot() 和 DataFrame.box.plot() 或 DataFrame.boxplot() 来绘制Boxplot，以可视化每个列中值的分布。

例如，这是一个箱线图，代表对[0,1）上的一个随机变量的10个观测值的五个试验。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(10, 5), columns=['A', 'B', 'C', 'D', 'E'])
df.plot.box()

运行结果如下：

五、面积图

可以使用 Series.plot.area() 或 DataFrame.plot.area() 方法创建面积图。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(10, 4), columns=['A', 'B', 'C', 'D'])
df.plot.area()

运行结果如下：

六、散点图

创建散点图可以使用 DataFrame.plot.scatter() 方法。

import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd'])
df.plot.scatter(x='a', y='b')

运行结果如下：

七、饼形图

创建饼图可以使用 DataFrame.plot.pie() 方法。

import pandas as pd
import numpy as np
df = pd.DataFrame(3 * np.random.rand(4), index=['a', 'b', 'c', 'd'], columns=['x'])
df.plot.pie(subplots=True)

运行结果如下：

资料与代码下载

本教程系列的代码可以在ShowMeAI对应的 github 中下载，可本地python环境运行。能访问Google的宝宝也可以直接借助google colab一键运行与交互操作学习哦！

本系列教程涉及的速查表可以在以下地址下载获取：

• Pandas速查表
• NumPy速查表
• Matplotlib速查表
• Seaborn速查表

拓展参考资料

• Pandas可视化教程
• Seaborn官方教程

ShowMeAI相关文章推荐

• 数据分析介绍
• 数据分析思维
• 数据分析的数学基础
• 业务认知与数据初探
• 数据清洗与预处理
• 业务分析与数据挖掘
• 数据分析工具地图
• 统计与数据科学计算工具库Numpy介绍
• Numpy与1维数组操作
• Numpy与2维数组操作
• Numpy与高维数组操作
• 数据分析工具库Pandas介绍
• 图解Pandas核心操作函数大全
• 图解Pandas数据变换高级函数
• Pandas数据分组与操作
• 数据可视化原则与方法
• 基于Pandas的数据可视化
• seaborn工具与数据可视化

ShowMeAI系列教程推荐

• 图解Python编程：从入门到精通系列教程
• 图解数据分析：从入门到精通系列教程
• 图解AI数学基础：从入门到精通系列教程
• 图解大数据技术：从入门到精通系列教程
• 图解机器学习算法：从入门到精通系列教程
• 机器学习实战：手把手教你玩转机器学习系列
• 深度学习教程 | 吴恩达专项课程 · 全套笔记解读