加入收藏 | 设为首页 | 会员中心 | 我要投稿 天瑞地安资讯网 (https://www.ruian888.com/)- AI应用、边缘计算、物联网、运营、云管理!
当前位置: 首页 > 大数据 > 正文

使用Pandas能进行数据可视化

发布时间:2024-04-27 17:51:54 所属栏目:大数据 来源:DaWei
导读: 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
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。

我们将导入必要的库并加载示例数据集。

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。

复制
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

复制
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。

复制
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

复制
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。

复制
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:

“area”面积图
“bar”垂直条形图
“barh”水平条形图
“box”箱线图
“hexbin” hexbin 图
“hist”直方图。
“kde”内核密度估计图表
“density”是“kde”的别名
“line”折线图
“pie”饼图
“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:

复制
.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。

复制
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:

复制
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()
 

(编辑:天瑞地安资讯网)

【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容!

    推荐文章