Python可视化之pandas

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

1.解决坐标轴刻度负号乱码

import matplotlib.pyplot as plt
plt.rcParams['axes.unicode_minus']=False

2.解决中文乱码问题

# 以下方式二选一
plt.rcParams['font.sans-serif']=['Simhei']
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']

3.折线图Series.plot()&DataFrame.plot()

Series.plot():
kind：line(折线图)，bar（垂直条形图）、barh（水平条形图）、hist（直方图）、box（箱型图）、kde（核密度估计图）与density相同，area（面积图）、pie（饼图）

da = pd.Series([1,5,3,4,5,2.2,7,6.5])
da.index.name='site'
da.plot(kind='line',linestyle='-.',color='c',marker='*')

DataFrame.plot():
kind：line(折线图，默认)，bar或barh（条形图）、hist（频率柱状图）、box（箱型图）、kde（密度图，需引用scipy包）与density相同，area（区域图，不同区域面积占比）、pie（饼图）、scatter（散点图）、hexbin（）

da = pd.DataFrame({'A':[3,5,3,4,5,5,7,6.5],'B':[2,6,2,1,7,2.4,6,8.3]})
da.plot(kind='line',linestyle='-',color='c',marker='o',
xticks=[2,4,6,8,10],yticks=[2,4,6,8,10],xlim=[-1,9],title='对比折线图')

4.条形图

da = pd.Series([1,5,3,4,5,2.2,7,6.5])
da.index=['a','b','c','d','e','f','g','h']
da.index.name='site'
da.plot(kind='bar',fontsize=12)

da = pd.DataFrame({'A':[3,5,3,4,5,5,7,6.5],'B':[2,6,2,1,7,2.4,6,8.3]})
da.index=['a','b','c','d','e','f','g','h']
da.index.name='site'
da.plot(kind='bar',fontsize=12)

直方图是一种可以对值频率进行离散化显示的柱状图。数据点被拆分到离散的、间隔均匀的面元中，绘制的是各面元中数据点的数量，bins=20表示数值分辨率，具体来说是将随机数设定一个范围

a = np.random.randn(100)

df = pd.DataFrame({'length':a})
df.plot.hist(bins=20)

df = pd.DataFrame({'a':np.random.randn(100)+1,'b':np.random.randn(100),'c':np.random.randn(100)-1},
                  index=range(1,101),columns=['a','b','c'])

df.plot.hist()

下图是对数值进行累加，并绘制横向直方图，横轴表示频率，cumulative=True表示将频率从大到小排列

df.diff().hist()的效果是将DataFrame当中column分开，即将a,b,c分开绘制成三张图，df.diff().hist()可达到这个效果

5.箱线图

线条从上到下分布表示：最小值，第一四分位、中位数、第三四分和最大值

绘制方法：
Series.plot.box()
DataFrame.boxplot()
DataFrame.plot.box()
参数：
boxes：盒身
whiskers：盒须
medians：中位数
caps：最大值，最小值

df.plot.box(color=dict(boxes='c',whiskers='r',medians='b',caps='g'),sym='r+') #sym设置极端值样式

水平箱线图

6.区域面积图（堆积折线图）

np.random.seed(80)
a=np.random.rand(10,5)

df = pd.DataFrame(a,columns=['a','b','c','d','e'])

df.plot.area()#生成堆积图

7.散点图

np.random.seed(80)
a=np.random.rand(10,5)

df = pd.DataFrame(a,columns=['a','b','c','d','e'])

df.plot.scatter(x='b',y='a')

图形嵌套

8.饼图

Series.plot.pie()

DataFrame.plot.pie()

np.random.seed(80)

df = pd.Series(np.random.rand(5),index=['a','b','c','d','e'],name='series')
df.plot.pie(figsize=(6,6))

np.random.seed(80)

df = pd.DataFrame(np.random.rand(5,2),index=['a','b','c','d','e'],columns=['x','y'])
df.plot.pie(subplots=True, figsize=(12,6))