使用Pandas可视化带有标签列的数据表
Pandas是Python中一个灵活强大的数据处理库。它提供了大量数据操作和分析工具,并整合了Matplotlib和Seaborn等数据可视化库的功能,这使得数据的可视化变得更加容易。
在本文中,我们将讨论如何使用Pandas可视化带有标签列的数据表,以便更好地呈现和传达数据的信息。
准备数据
本文以如下图所示的Excel表为例。
这是一张典型的日志记录表,每1行依次记录了哪一天 (p_date)、产生哪种行为 (action_type)的用户数 (pv)和独立用户数(uv)。
这张表是按照关系型数据库的范式存储的,也就是说,这不是一张宽表,没有把action_type
的所有取值和pv
、uv
组合起来作为列,即只有action_type
、pv
、uv
这3列,而不是action_type_A_pv
、action_type_B_pv
、......、action_type_A_uv
、action_type_B_uv
......这一系列字段。
表中的action_type
就是标签列。下面我们就来看看如何根据这个标签列的取值,将这张数据表拆分为若干张小表,并分别绘制折线图。
使用Pandas进行可视化
在可视化之前,我们先对数据进行简要的概览,以了解数据的结构和内容。使用了Pandas以后就无需启动Excel了。
python
# pip3 install openpyxl
# pip3 install pandas
# pip3 install matplotlib
import matplotlib.pyplot as plt
import pandas as pd
# 从Excel文件读取数据
df = pd.read_excel('demo.xlsx')
# 显示列标题和前几行数据
print(df.head())
# 使用groupby按'action_type'列拆分DataFrame
grouped = df.groupby('action_type')
# 遍历分组,并打印每个分组的数据
for group_name, group_df in grouped:
print(group_name)
print(group_df[:2])
print("========")
上面代码的运行结果如下所示:
ini
p_date action_type pv uv
0 20240107 Action_A 209432 175390
1 20231205 Action_B 2219974 1511501
2 20231218 Action_A 68196 61948
3 20240111 Action_C 16624897 4379832
4 20231222 Action_C 2960038 1948306
Action_A
p_date action_type pv uv
0 20240107 Action_A 209432 175390
2 20231218 Action_A 68196 61948
========
Action_B
p_date action_type pv uv
1 20231205 Action_B 2219974 1511501
5 20240106 Action_B 6670116 2993844
========
Action_C
p_date action_type pv uv
3 20240111 Action_C 16624897 4379832
4 20231222 Action_C 2960038 1948306
========
Action_D
p_date action_type pv uv
35 20231124 Action_D 7145549 5891077
43 20231125 Action_D 8258851 5954404
========
接下来,我们可以使用Pandas的plot
方法结合Matplotlib进行简单的折线图可视化,
python
# 绘制每个分组的数据
for group_name, group_df in grouped:
# 按'p_date'列排序
group_df = group_df.sort_values(by='p_date')
# 将'p_date'列转换为日期格式(yyyymmdd)
group_df['p_date'] = pd.to_datetime(group_df['p_date'], format='%Y%m%d')
# 绘图
group_df.plot(x='p_date', y=['pv', 'uv'], title=group_name)
# 将y轴的数字格式化为千分位
ax = plt.gca()
ax.get_yaxis().set_major_formatter(
plt.FuncFormatter(lambda x, loc: "{:,}".format(int(x)))
)
# 显示图形
plt.show()
运行结果如下,每种action_type
一张折线图。
通过使用Pandas的可视化功能,能够更好地理解和传达数据的信息。例如,从折线图中,我们可以看到用户数突然激增。
在实际的数据分析项目中,结合Pandas的数据操作和Matplotlib、Seaborn等库的可视化功能,我们可以更深入地探索数据,识别趋势,发现异常,以支持更有洞察力的决策过程。