凯发手机娱乐官网_凯发首页
当前位置:主页 > 互联网 养老 >

Python数据分析:手把手教你用Pandas生成可视化图

发表日期:2020-07-27 14:02文章编辑:admin浏览次数: 标签:    

咱们都知道,Matplotlib 是很多 Python 可视化包的开山祖师,也是Python最常用的规范可视化库,其功用十分强壮,一起也十分复杂,想要搞理解并非易事。但自从Python进入3.0年代今后,pandas的运用变得愈加遍及,它的身影常常见于市场剖析、爬虫、金融剖析以及科学核算中。

作为数据剖析东西的集大成者,pandas作者曾说,pandas中的可视化功用比plt愈加简洁和功用强壮。实际上,假如是对图表细节有极高要求,那么主张咱们运用matplotlib经过底层图表模块进行编码。当然,咱们大部分人在工作中是不会有这样反常的要求的,所以一句import pandas as pd就满足敷衍悉数的可视化工作了。下面,咱们总结一下PD库的一些运用办法和入门技巧。

关于pandas的内置数据类型,Series 和 DataFrame 都有一个用于生成各类 图表 的 plot 办法。 默许情况下, 它们所生成的是线型图。其实Series和DataFrame上的这个功用仅仅运用matplotlib库的plot办法的简略包装完成。

参阅以下示例代码 :

import pandas as pd
import numpy as np
df = pd.DataFrame,index=pd.date_range, columns=list)
df.plot

履行上面示例代码,得到以下成果 -

假如索引由日期组成,则调用 gct.autofmt_xdate 来格式化 x 轴,如上图所示。

咱们能够运用 x 和 y 关键字制作一列与另一列。

s = Series. cumsum, index= np. arange)
s. plot

pandas 的大部分绘图办法都有 一个 可选的ax参数, 它能够是一个 matplotlib 的 subplot 目标。 这使你能够在网格 布局 中 更为灵敏地处理 subplot 的方位。 DataFrame的plot 办法会在 一个 subplot 中为各列制作 一条 线, 并主动创立图例:

df = DataFrame. cumsum, ...: columns=[' A', 'B', 'C', 'D'], index= np. arange) 
df. plot 

在生成线型图的代码中加上 kind=' bar' 或 kind=' barh' 即可生成柱状图。 这时,Series 和 DataFrame 的索引将会被用 作 X 或 刻度:

In [59]: fig, axes = plt. subplots 
In [60]: data = Series, index= list) 
In [61]: data. plot 
Out[ 61]: matplotlib. axes. AxesSubplot at 0x4ee7750 
In [62]: data. plot, ...: index=[' one', 'two', 'three', 'four', 'five', 'six'], ...: columns= pd. Index) 
In [64]: df 
Out[ 64]: 
Genus 
 A B C D 
one 0. 301686 0. 156333 0. 371943 0. 270731 
two 0. 750589 0. 525587 0. 689429 0. 358974 
three 0. 381504 0. 667707 0. 473772 0. 632528 
four 0. 942408 0. 180186 0. 708284 0. 641783 
five 0. 840278 0. 909589 0. 010041 0. 653207 
six 0. 062854 0. 589813 0. 811318 0. 060217 
In [65]: df. plot

现在经过创立一个条形图来看看条形图是什么。条形图能够经过以下办法来创立 -

import pandas as pd
import numpy as np
df = pd.DataFrame,columns=['a','b','c','d'])
df.plot.bar

履行上面示例代码,得到以下成果 -

要生成一个堆积条形图,经过指定:pass stacked=True

相关新闻