使用Pandas也可以进行数据可视化

来源：DeepHub IMBA

本文约1500字，建议阅读5分钟

我们介绍使用 Pandas 进行数据可视化的基础知识，包括创建简单图、自定义图以及使用多个DF进行绘图。

数据可视化是数据分析的一个重要方面，它提供了一种理解数据并从中得出有意义见解的方法。Pandas 是最常见的于数据分析的 Python 库，它基于Matplotlib扩展了一些常用的可视化图表，可以方便的调用，本篇文章就让我们看看有哪些图表可以直接使用。

在本文中，我们介绍使用 Pandas 进行数据可视化的基础知识，包括创建简单图、自定义图以及使用多个DF进行绘图。

我们将导入必要的库并加载示例数据集。

 import pandas as pd
 import matplotlib.pyplot as plt
 df = pd.read_csv("https://raw.githubusercontent.com/mwaskom/seaborn-data/master/titanic.csv")

我们使用泰坦尼克的示例数据集，包含有乘客的信息，包括他们的船舱等、年龄、票价和生存状态等信息。

创建简单的图

Pandas的 plot 方法提供了创建基本图（例如线图、条形图和散点图）的简单方法。让我们看几个例子。

线图

线图用于表示连续间隔或时间段内的数据趋势。要创建线图，调用plot 方法时需要将 kind 参数指定为 line。

 df.plot(kind="line", x="age", y="fare")

看着很乱对吧，这是因为我们展示的数据无法用线图进行表示，下面我们用更好的图表表示年龄这个字段。

直方图

我们可以在字段后直接使用hist方法来生成数据的直方图

 df.age.hist(figsize=(7.3,4), grid=False)

这样是不是就一目了然了，能够清楚地看到年龄的分布情况。

条形图

条形图用于表示分类数据，其中每个条代表一个特定类别。要创建条形图，可以 pandas DataFrame 上使用 plot 方法并将 kind 参数指定为 bar。

 df["class"].value_counts().plot(kind="bar")

饼图

饼图与条形图类似，但是它主要来查看数据的占比

 df["embark_town"].value_counts().plot(kind="pie", rot=0)

散点图

散点图用于表示两个连续变量之间的关系。要创建散点图使用 plot 方法将 kind 参数指定为 scatter。

 df.plot(kind="scatter", x="age", y="fare")

Plot方法

Pandas的可视化主要使用.plot()方法，它有几个可选参数。其中最重要的是kind 参数，它可以接受 11 个不同的字符串值，并根据这些值创建不同的图表：

1. “area”面积图

2. “bar”垂直条形图

3. “barh”水平条形图

4. “box”箱线图

5. “hexbin” hexbin 图

6. “hist”直方图。

7. “kde”内核密度估计图表

8. “density”是“kde”的别名

9. “line”折线图

10. “pie”饼图

11. “scatter”散点图

如果你不指定kind 参数，它的默认值为“line”。也就是折线图。如果不向 .plot() 提供任何参数，那么它会创建一个线图，其中索引位于 x 轴上，所有数字列位于 y 轴上。虽然这对于只有几列的数据集来说是一个有用的默认值，但对于大型数据集及其多个数字列来说，它看起就不好了。

还有就是：作为将字符串传递给 .plot() 的 kind 参数的替代方法，DataFrame 对象有几种方法可用于创建上述各种类型的图：

    .area()
    .bar()
    .barh()
    .box()
    .hexbin()
    .hist()
    .kde()
    .density()
    .line()
    .pie()
    .scatter()

还记得我们第一个直方图的.hist方法吗，他就是kind=‘hist’的一个替代。

定制图表样式颜色

我们还可以通过使用不同的参数来自定义图表的外观，例如标记的颜色、大小和形状、标签和标题。

 df.plot(kind="scatter", x="age", y="fare", color="red", alpha=0.5)
 plt.xlabel("Age")
 plt.ylabel("Fare")
 plt.title("Relationship between Age and Fare")
 plt.show()

就像我们最初介绍的那样，pandas绘图的底层是使用Matplotlib，所以这些参数都是与Matplotlib一致的，我们可以随意进行调整。

多个DataFrame绘图

Pandas还没有提供多个DataFrame的方法，所以我们只能使用Matplotlib，就像下面这样：

 df_survived = df[df["survived"] == 1]
 df_not_survived = df[df["survived"] == 0]

 plt.scatter(df_survived["age"], df_survived["fare"], color="green", label="Survived")
 plt.scatter(df_not_survived["age"], df_not_survived["fare"], color="red", label="Not Survived")
 plt.xlabel("Age")
 plt.ylabel("Fare")
 plt.title("Relationship between Age and Fare")
 plt.legend()
 plt.show()

总结

作为最常用的数据分析库 Pandas 提供了一种创建图表的简单方法，这种方法可以帮我们快速对数据集进行简单的分析，快速的了解数据集的情况。如果需要对数据进行更高级的可视化，可以使用Seaborn、Plotly等更高级的库。

Panda的可视化文档在这里，有兴趣的可以详细查看：

https://pandas.pydata.org/docs/user_guide/visualization.html

希望本文对你有所帮助。

编辑：于腾凯

校对：王欣