Python中pandas數據分析庫如何實現數據可視化

小編給大家分享一下Python中pandas數據分析庫如何實現數據可視化，希望大家閱讀完這篇文章之后都有所收獲，下面讓我們一起去探討吧！

數據可視化可以讓我們很直觀的發現數據中隱藏的規律，察覺到變量之間的互動關系，可以幫助我們更好的給他人解釋現象，做到一圖勝千文的說明效果。

常見的數據可視化庫有:

• matplotlib 是最常見的2維庫，可以算作可視化的必備技能庫，由于matplotlib是比較底層的庫，api很多，代碼學起來不太容易。

• seaborn 是建構于matplotlib基礎上，能滿足絕大多數可視化需求。更特殊的需求還是需要學習matplotlib

• pyecharts 上面的兩個庫都是靜態的可視化庫，而pyecharts有很好的web兼容性，可以做到可視化的動態效果。

但是在數據科學中，幾乎都離不開pandas數據分析庫，而pandas可以做

• 數據采集 如何批量采集網頁表格數據？

• 數據讀取 pd.read_csv/pd.read_excel

• 數據清洗(預處理) 理解pandas中的apply和map的作用和異同

• 可視化，兼容matplotlib語法(今天重點)

在本文我們可以學到用pandas做

• 導入數據

• 繪制最簡單的圖plot()

• 多個y的繪制圖

• 折線圖、條形圖、餅形圖和散點圖繪制

• 統計信息繪圖

• 箱型圖

• 軸坐標刻度

• plot()更多精細化參數

• 可視化結果輸出保存

•  

準備工作

如果你之前沒有學過pandas和matpltolib,我們先安裝好這幾個庫

!pip3 install numpy
!pip3 install pandas
!pip3 install matplotlib

已經安裝好，現在我們導入這幾個要用到的庫。使用的是倫敦天氣數據，一開始我們只有12個月的小數據作為例子

#jupyter notebook中需要加這行代碼
%matplotlib inlineimport matplotlib.pyplot as plt
import numpy as np
import pandas as pd
#讀取天氣數據df = pd.read_csv('data/london2018.csv')
df

plot最簡單的圖

選擇Month作為橫坐標，Tmax作為縱坐標，繪圖。

大家注意下面兩種寫法

#寫法df.plot(x='Month', y='Tmax')plt.show()

• 橫坐標軸參數x傳入的是df中的列名Month

• 縱坐標軸參數y傳入的是df中的列名Tmax

折線圖

上面的圖就是折線圖，折線圖畫法有三種

• df.plot(x='Month', y='Tmax')

• df.plot(x='Month', y='Tmax', kind='line')

• df.plot.line(x='Month', y='Tmax')

df.plot.line(x='Month', y='Tmax')
plt.show()

#grid繪制格線
df.plot(x='Month', y='Tmax', kind='line', grid=True)
plt.show()

多個y值

上面的折線圖中只有一條線， 如何將多個y繪制到一個圖中

比如Tmax， Tmin

df.plot(x='Month', y=['Tmax', 'Tmin'])
plt.show()

條形圖

df.plot(x='Month',
        y='Rain',
        kind='bar')
#同樣還可以這樣畫#df.plot.bar(x='Month', y='Rain')
plt.show()

水平條形圖

bar換為barh，就可以將條形圖變為水平條形圖

df.plot(x='Month',
        y='Rain',
        kind='barh')
#同樣還可以這樣畫#df.plot.bar(x='Month', y='Rain')
plt.show()

多個變量的條形圖

df.plot(kind='bar',
        x = 'Month',
        y=['Tmax', 'Tmin'])
plt.show()

散點圖

df.plot(kind='scatter',
        x = 'Month',
        y = 'Sun')
plt.show()

餅形圖

df.plot(kind='pie', y='Sun')
plt.show()

上圖繪制有兩個小問題:

• legend圖例不應該顯示

• 月份的顯示用數字不太正規

df.index = ['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec']
df.plot(kind='pie', y = 'Sun', legend=False)
plt.show()

更多數據

一開頭的數據只有12條記錄(12個月)的數據，現在我們用更大的倫敦天氣數據

import pandas as pd
df2 = pd.read_csv('data/londonweather.csv')
df2.head()

df2.Rain.describe()

count    748.000000
mean      50.408957
std       29.721493
min        0.30000025
%       27.80000050%       46.10000075%       68.800000max      174.800000Name: Rain, dtype: float64

上面一共有748條記錄, 即62年的記錄。

箱型圖

df2.plot.box(y='Rain')
#df2.plot(y='Rain', kind='box')
plt.show()

直方圖

df2.plot(y='Rain', kind='hist')
#df2.plot.hist(y='Rain')
plt.show()

縱坐標的刻度可以通過bins設置

df2.plot(y='Rain', kind='hist', bins=[0,25,50,75,100,125,150,175, 200])
#df2.plot.hist(y='Rain')
plt.show()

多圖并存

df.plot(kind='line',
        y=['Tmax', 'Tmin', 'Rain', 'Sun'], #4個變量可視化
        subplots=True,   #多子圖并存        layout=(2, 2),   #子圖排列2行2列
				figsize=(20, 10)) #圖布的尺寸
plt.show()

df.plot(kind='bar',
        y=['Tmax', 'Tmin', 'Rain', 'Sun'], #4個變量可視化
        subplots=True,   #多子圖并存        layout=(2, 2),   #子圖排列2行2列
				figsize=(20, 10)) #圖布的尺寸
plt.show()

加標題

給可視化起個標題

df.plot(kind='bar',
        y=['Tmax', 'Tmin'], #2個變量可視化
        subplots=True,   #多子圖并存        layout=(1, 2),   #子圖排列1行2列
				figsize=(20, 5),#圖布的尺寸
        title='The Weather of London')  #標題
plt.show()

保存結果

可視化的結果可以存儲為圖片文件

df.plot(kind='pie', y='Rain', legend=False, figsize=(10, 5), title='Pie of Weather in London')
plt.savefig('img/pie.png')
plt.show()

df.plot更多參數

df.plot(x, y, kind, figsize, title, grid, legend, style)

• x 只有dataframe對象時，x可用。橫坐標

• y 同上，縱坐標變量

• kind 可視化圖的種類，如line,hist, bar, barh, pie, kde, scatter

• figsize 畫布尺寸

• title 標題

• grid 是否顯示格子線條

• legend 是否顯示圖例

• style 圖的風格

查看plot參數可以使用help

import pandas as pd
help(pd.DataFrame.plot)

看完了這篇文章，相信你對“Python中pandas數據分析庫如何實現數據可視化”有了一定的了解，如果想了解更多相關知識，歡迎關注億速云行業資訊頻道，感謝各位的閱讀！