一篇文章带你搞定 Pandas 绘图 API("掌握Pandas绘图API：一文带你轻松搞定数据可视化")

原创

ithorizon 6个月前 (10-20) 阅读数 9 #后端开发

掌握Pandas绘图API：一文带你轻松搞定数据可视化

一、引言

在数据分析领域，数据可视化是一项至关重要的技能。通过将数据以图形的方案呈现，我们可以更直观地发现数据中的规律和趋势。Pandas 是 Python 中一个强势的数据分析库，它提供了丰盈的绘图 API，允许数据可视化变得明了易行。本文将带你深入了解 Pandas 绘图 API，让你轻松掌握数据可视化的技巧。

二、Pandas 绘图基础

Pandas 绘图核心依靠于 matplotlib 库，它是 Python 中最常用的绘图库之一。在使用 Pandas 绘图之前，我们需要先导入必要的库：


import pandas as pd
import matplotlib.pyplot as plt

三、折线图

折线图是数据可视化中最常见的图形之一，它适用于显示数据随时间或其他连续变量的变化趋势。

3.1 基本折线图

以下是一个绘制基本折线图的示例：


# 创建数据
data = {'Date': ['2021-01-01', '2021-01-02', '2021-01-03', '2021-01-04'],
        'Values': [1, 3, 2, 5]}
# 变成 DataFrame
df = pd.DataFrame(data)
# 绘制折线图
df.plot(x='Date', y='Values')
plt.show()

四、柱状图

柱状图适用于显示分类变量的频数或比例，它能够直观地展示各个分类之间的差异。

4.1 基本柱状图

以下是一个绘制基本柱状图的示例：


# 创建数据
data = {'Category': ['A', 'B', 'C', 'D'],
        'Values': [10, 15, 7, 12]}
# 变成 DataFrame
df = pd.DataFrame(data)
# 绘制柱状图
df.plot(kind='bar', x='Category', y='Values')
plt.show()

五、散点图

散点图适用于显示两个变量之间的关系，通过点的分布可以看出变量之间的相关性。

5.1 基本散点图

以下是一个绘制基本散点图的示例：


# 创建数据
data = {'X': [1, 2, 3, 4, 5],
        'Y': [2, 3, 5, 7, 11]}
# 变成 DataFrame
df = pd.DataFrame(data)
# 绘制散点图
df.plot(kind='scatter', x='X', y='Y')
plt.show()

六、箱型图

箱型图适用于显示一组数据的分布情况，包括中位数、四分位数和异常值。

6.1 基本箱型图

以下是一个绘制基本箱型图的示例：


# 创建数据
data = {'Values': [1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 100]}
# 变成 DataFrame
df = pd.DataFrame(data)
# 绘制箱型图
df.plot(kind='box')
plt.show()

七、饼图

饼图适用于显示各部分在整体中的比例，但需要注意的是，饼图并不适合展示过多的分类。

7.1 基本饼图

以下是一个绘制基本饼图的示例：


# 创建数据
data = {'Category': ['A', 'B', 'C', 'D'],
        'Values': [10, 15, 7, 12]}
# 变成 DataFrame
df = pd.DataFrame(data)
# 绘制饼图
df.plot(kind='pie', y='Values', labels='Category', autopct='%1.1f%%')
plt.show()

八、多图组合

在实际应用中，我们常常需要将多个图形组合在一起，以展示更全面的数据信息。

8.1 子图

以下是一个使用子图绘制多个图形的示例：


# 创建数据
data = {'Date': pd.date_range(start='2021-01-01', periods=100),
        'Values': np.random.randn(100).cumsum()}
# 变成 DataFrame
df = pd.DataFrame(data)
# 创建子图
fig, ax = plt.subplots(2, 1, figsize=(10, 5))
# 绘制折线图
df.plot(x='Date', y='Values', ax=ax[0])
# 绘制直方图
df['Values'].plot(kind='hist', ax=ax[1], bins=20)
plt.show()

九、自定义图形样式

Pandas 绘图 API 赞成丰盈的自定义选项，包括图形的颜色、线型、标记等。

9.1 自定义样式

以下是一个自定义图形样式的示例：


# 创建数据
data = {'Date': pd.date_range(start='2021-01-01', periods=100),
        'Values': np.random.randn(100).cumsum()}
# 变成 DataFrame
df = pd.DataFrame(data)
# 绘制折线图，自定义样式
df.plot(x='Date', y='Values', color='green', linestyle='--', marker='o')
plt.show()