Pandas的可视化操作（利用pandas得到图表）

基本折线图

　　Series和DataFrame上的这个功能只是使用matplotlib库的plot()方法的简单包装实现。

举个例子

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

df = pd.DataFrame(np.random.randn(10,4),index=pd.date_range('2018/12/18',
   periods=10), columns=list('ABCD'))
df.plot()
plt.show()

　　

　　如果索引由日期组成，则调用gct().autofmt_xdate()来格式化x轴，如上图所示。

　　我们可以使用x和y关键字绘制一列与另一列。

　　绘图方法允许除默认线图之外的少数绘图样式。 这些方法可以作为plot()的kind关键字参数提供。

主要参数有

• bar或barh为条形
• hist为直方图
• boxplot为盒型图
• area为“面积”
• scatter为散点图

条形图

　　现在通过创建一个条形图来看看条形图是什么。条形图可以通过以下方式来创建

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d'])
# 使用bar()生成直方图，barh()生成水平条形图（要生成一个堆积条形图，通过指定：pass stacked=True）
df.plot.bar()# 图1
# df.plot.bar(stacked=True)# 图2
# df.plot.barh(stacked=True)# 图3
plt.show()

直方图

　　可以使用plot.hist()方法绘制直方图。我们可以指定bins的数量值。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

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

df.plot.hist(bins=20)# 图1
# 要为每列绘制不同的直方图，使用以下代码
df.hist(bins=20)# 图2（3个小图）
plt.show()

箱型图（类似于k线）

　　Boxplot可以绘制调用Series.box.plot()和DataFrame.box.plot()或DataFrame.boxplot()来可视化每列中值的分布。

　　例如，这里是一个箱形图，表示对[0,1)上的统一随机变量的10次观察的五次试验。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

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

区域块图形

　　可以使用Series.plot.area()或DataFrame.plot.area()方法创建区域图形。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

df = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
df.plot.area()
plt.show()

　　　　　　　　

散点图形

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

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

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

饼状图

　　饼状图可以使用DataFrame.plot.pie()方法创建。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

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