使用pandas做数据可视化

数据可视化可以让我们很直观的发现数据中隐藏的规律，察觉到变量之间的互动关系，可以帮助我们更好的给他人解释现象，做到一图胜千文的说明效果。

常见的数据可视化库有:

• matplotlib 是最常见的2维库，可以算作可视化的必备技能库，由于matplotlib是比较底层的库，api很多，代码学起来不太容易。

• seaborn 是建构于matplotlib基础上，能满足绝大多数可视化需求。更特殊的需求还是需要学习matplotlib

• pyecharts 上面的两个库都是静态的可视化库，而pyecharts有很好的web兼容性，可以做到可视化的动态效果。

但是在数据科学中，几乎都离不开pandas数据分析库，而pandas可以做

• 数据采集 如何批量采集网页表格数据？

• 数据读取  pd.read_csv/pd.read_excel

• 数据清洗(预处理)  理解pandas中的apply和map的作用和异同

• 可视化，兼容matplotlib语法(今天重点)

在本文我们可以学到用pandas做

• 导入数据

• 绘制最简单的图plot()

• 多个y的绘制图

• 折线图、条形图、饼形图和散点图绘制

• 统计信息绘图

• 箱型图

• 轴坐标刻度

• plot()更多精细化参数

• 可视化结果输出保存

准备工作

如果你之前没有学过pandas和matpltolib,我们先安装好这几个库

1. !pip3 install numpy

2. !pip3 install pandas

3. !pip3 install matplotlib

已经安装好，现在我们导入这几个要用到的库。使用的是伦敦天气数据，一开始我们只有12个月的小数据作为例子

#jupyter notebook中需要加这行代码
%matplotlib inline
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd

#读取天气数据
df = pd.read_csv('data/london2018.csv')
df

plot最简单的图

选择Month作为横坐标，Tmax作为纵坐标，绘图。

大家注意下面两种写法

1. #写法1

2. df.plot(x='Month', y='Tmax')

3. plt.show()

• 横坐标轴参数x传入的是df中的列名Month

• 纵坐标轴参数y传入的是df中的列名Tmax

折线图

上面的图就是折线图，折线图语法有三种

• 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()

1. #grid绘制格线

2. df.plot(x='Month', y='Tmax', kind='line', grid=True)

3. plt.show()

多个y值

上面的折线图中只有一条线， 如何将多个y绘制到一个图中

比如Tmax， Tmin

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

条形图

1. df.plot(x='Month',

2. y='Rain',

3. kind='bar')

4. #同样还可以这样画

5. #df.plot.bar(x='Month', y='Rain')

6. plt.show()

水平条形图

bar环卫barh，就可以将条形图变为水平条形图

df.plot(x='Month', 
        y='Rain', 
        kind='barh')
#同样还可以这样画
#df.plot.bar(x='Month', y='Rain')
plt.show()

多个变量的条形图

1. df.plot(kind='bar',

2. x = 'Month',

3. y=['Tmax', 'Tmin'])

4. plt.show()

散点图

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

饼形图

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

2. plt.show()

上图绘制有两个小问题:

• legend图例不应该显示

• 月份的显示用数字不太正规

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

更多数据

一开头的数据只有12条记录(12个月)的数据，现在我们用更大的伦敦天气数据

1. import pandas as pd

2. 
   

3. df2 = pd.read_csv('data/londonweather.csv')

4. df2.head()

df2.Rain.describe()

1. count 748.000000

2. mean 50.408957

3. std 29.721493

4. min 0.300000

5. 25% 27.800000

6. 50% 46.100000

7. 75% 68.800000

8. max 174.800000

9. Name: Rain, dtype: float64

上面一共有748条记录, 即62年的记录。

箱型图

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

直方图

1. df2.plot(y='Rain', kind='hist')

2. #df2.plot.hist(y='Rain')

3. plt.show()

纵坐标的刻度可以通过bins设置

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

多图并存

1. df.plot(kind='line',

2. y=['Tmax', 'Tmin', 'Rain', 'Sun'], #4个变量可视化

3. subplots=True, #多子图并存

4. layout=(2, 2), #子图排列2行2列

5. figsize=(20, 10)) #图布的尺寸

6. plt.show()

df.plot(kind='bar',
         y=['Tmax', 'Tmin', 'Rain', 'Sun'], #4个变量可视化
         subplots=True,   #多子图并存
         layout=(2, 2),   #子图排列2行2列
         figsize=(20, 10)) #图布的尺寸
plt.show()

加标题

给可视化起个标题

1. df.plot(kind='bar',

2. y=['Tmax', 'Tmin'], #2个变量可视化

3. subplots=True, #多子图并存

4. layout=(1, 2), #子图排列1行2列

5. figsize=(20, 5),#图布的尺寸

6. title='The Weather of London') #标题

7. plt.show()

保存结果

可视化的结果可以存储为图片文件

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更多参数

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

• x 只有dataframe对象时，x可用。横坐标

• y 同上，纵坐标变量

• kind 可视化图的种类，如line,hist, bar, barh, pie, kde, scatter

• figsize 画布尺寸

• title 标题

• grid 是否显示格子线条

• legend 是否显示图例

• style 图的风格

查看plot参数可以使用help

1. import pandas as pd

2. help(pd.DataFrame.plot)