pandas 图形可视化大全
pandas的可视化方法，分为图形可视化和表格可视化。
本次介绍完整的图形可视化使用方法，包括基础和高级两部分。
以下是内容展示，完整数据、和代码可戳👉《再见！pandas》了解。
基础可视化
一种是针对series和dataframe的绘制方法，可以一行代码快速绘图。
dataframe.plot.func()
series.plot.func()
func()主要是日常比较基础的图形，如下：
折现图(line) 条形图(bar) 直方图(hist) 箱箱型(box) 面积图(area) 散点图(scatter) 饼图(pie) 六边形箱型图(hexbin) 核密度图(kde) 子图
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.style.use('ggplot')
1）折线图
np.random.seed(123)
ts = pd.Series(np.random.randn(100), index=pd.date_range("5/1/2022", periods=100))
tsc = ts.cumsum()
tsc.plot(kind="line")
多组折线图
np.random.seed(123)
df = pd.DataFrame(np.random.randn(100, 4), index=ts.index, columns=list("ABCD"))
df = df.cumsum()
df.plot.line()
2）条形图
多组条形图
df = pd.DataFrame(np.random.rand(6, 3), columns=list('ABC'))
df.plot.bar()
堆积条形图
df.plot.bar(stacked=True)
水平堆积条形图
df.plot.barh(stacked=True)
3）直方图
np.random.seed(123)
df = pd.DataFrame(
{
"A": np.random.randn(100) + 1,
"B": np.random.randn(100),
"C": np.random.randn(100) - 1,
},
columns=list('ABC')
)
df.plot.hist(alpha=0.8)
4）箱型图
np.random.seed(123)
df = pd.DataFrame(np.random.rand(20, 6), columns=list('ABCDEF'))
df.plot.box()
5）面积图
np.random.seed(123)
df = pd.DataFrame(np.random.rand(20, 6), columns=list('ABCDEF'))
df.plot.area()
6）散点图
ax = df.plot.scatter(x='A', y='B', color="r", label='S1',s=120)
df.plot.scatter(x='C', y='D', color="g", label='S2', ax=ax, s=100)
7）饼图
np.random.seed(123)
series = pd.Series(np.random.rand(5), index=list('ABCDE'), name='test')
series.plot.pie()
df = pd.DataFrame(
np.random.rand(5, 2), index=list('ABCDE'), columns=list('12')
)
df.plot.pie(subplots=True,figsize=(12,8))
8）六边形分箱图
np.random.seed(123)
df = pd.DataFrame({'x': np.random.randn(500),
'y': np.random.randn(500)})
ax = df.plot.hexbin(x='x', y='y', gridsize=15, figsize=(10,8))
9）子图
plot()的参数设置subplots=True即可自动对dataframe数据生成子图的可视化图形。
np.random.seed(123)
index = pd.date_range("5/1/2022", periods=500)
df = pd.DataFrame(np.random.randn(500, 4), index=index, columns=list("ABCD"))
df.plot(subplots=True, figsize=(12, 10))
子图的布局可以通过layout设置，(2,2)代表行列数量都为2的可视化图。
df.plot(subplots=True, layout=(2, 2), figsize=(12, 10), sharex=False)
高级可视化
另一种是pandas的plotting模块，提供了更高级的绘制方法，如下：
散点矩阵图(scatter_matrix) 安德鲁斯曲线图(andrews_curves) 平行坐标图(parallel_coordinates) 自相关图(autocorrelation_plot) 雷达图(radviz) 引导图(bootstrap_plot图) 子图(subplot) 子图任意排列 图中绘制数据表格
1）散点矩阵图
scatter_matrix可以直接生成特征间的散点矩阵图，以快速了解特征间的关系。对角线则默认为特征的直方图，也可以指定为kde的核密度分布曲线形式。
from pandas.plotting import scatter_matrix
df = pd.DataFrame(np.random.randn(100,4), columns=list('ABCD'))
scatter_matrix(df, c='b', alpha=0.8, figsize=(8,8))
plt.show()
2）安德鲁斯曲线图
安德鲁斯曲线（andrews_curves）是一种针对多元数据的绘图方法，这些曲线是使用样本的属性作为傅里叶级数的系数创建的，通过为每个类对这些曲线进行不同的着色，可以可视化数据聚类。属于同一类别的样本的曲线通常会更靠近在一起并形成较大的结构。
from sklearn import datasets
df = pd.DataFrame(datasets.load_iris().data)
df['target'] = datasets.load_iris().target
plt.figure( figsize=(10,7))
pd.plotting.andrews_curves(df, class_column='target')
3）平行坐标图
与安德鲁斯曲线图类似，平行坐标图（parallel_coordinates）也是一种用于绘制多元数据的绘图方法，通过平行坐标可以看到数据中的聚类，并直观地估计其他统计信息。
每条垂直线代表一个属性，各个属性值通过线段连接，连续的一组连接线段代表一个样本数据。每种颜色代表一种类别，线段趋势更加聚集。
from pandas.plotting import parallel_coordinates
plt.figure( figsize=(10,7))
parallel_coordinates(df, class_column='target')
4）自相关图
自相关图（autocorrelation_plot）通常用于检查时间序列的特性，横坐标表示延迟阶数，纵坐标表示自相关系数。
from pandas.plotting import autocorrelation_plot
spacing = np.linspace(-9 * np.pi, 9 * np.pi, num=1000)
data = pd.Series(0.7 * np.random.rand(1000) + 0.3 * np.sin(spacing))
plt.figure( figsize=(10,7))
autocorrelation_plot(data, color='b')
5）雷达图
RadViz雷达图是一种多变量数据的可视化算法，它围绕圆周均匀地分布每个特征，并且标准化了每个特征值，一般使用此方法来检测类之间的关联。
from pandas.plotting import radviz
plt.figure( figsize=(10,7))
radviz(df, class_column='target')
6）引导图
引导图（bootstrap plot）用于直观地评估统计数据的不确定性，例如均值、中位数、中间范围等。 从数据集中选择指定大小的随机子集，并为这些子集计算出相关的统计信息，指定重复的次数。
from pandas.plotting import bootstrap_plot
np.random.seed(123)
data = pd.Series(np.random.rand(1000))
bootstrap_plot(data, size=50, samples=500, color='b')
plt.show()
7）滞后图
滞后图（lag_plot）是用时间序列和相应的滞后阶数序列做出的散点图，可以用于观测自相关性。
from pandas.plotting import lag_plot
spacing = np.linspace(-99 * np.pi, 99 * np.pi, num=1000)
data = pd.Series(0.1 * np.random.rand(1000) + 0.9 * np.sin(spacing))
plt.figure( figsize=(10,7))
lag_plot(data, c='b')
8）图中绘制表格
在可视化图中插入table表格，可以自定义表格的大小以及位置。
from pandas.plotting import table
fig, ax = plt.subplots(1, 1, figsize=(10, 7))
np.random.seed(123)
df = pd.DataFrame(np.random.rand(5, 3), columns=list('ABC'))
data = np.round(df.describe(),2)
table(ax, data, loc="upper right", colWidths=[0.1, 0.2, 0.2])
df.plot(ax=ax, ylim=(0, 2), legend=None)
完整数据、和代码可戳👉《再见！pandas》进行了解。