Pandas單變量畫圖
 |
 |
 |
 |
| Bar Chat | Line Chart | Area Chart | Histogram |
| df.plot.bar() | df.plot.line() | df.plot.area() | df.plot.hist() |
| 適合定類數據和小範圍取值的定序數據 | 適合定序數據和定距數據 | 適合定序數據和定距數據 | 適合定距數據 |
pandas庫是Python數據分析最核心的一個工具庫：“殺手級特徵”，使整個生態系統融合在一起。除了數據讀取、轉換之外，也可以進行數據可視化。易於使用和富有表現力的pandas繪圖API是pandas流行的重要組成部分。
在本節中，我們將學習基本的“pandas”繪圖工具，從最簡單的可視化類型開始：單變量或“單變量”可視化。這包括條形圖和折線圖等基本工具。通過這些，我們將瞭解pandas繪製庫結構，並花一些時間檢查數據類型。
數據分類：
- Norminal Data 定類變量：變量的不同取值僅僅代表了不同類的事物。問卷的人口特徵中最常使用的問題，而調查被訪對象的“性別”，就是 定類變量。對於定類變量，加減乘除等運算是沒有實際意義的；
- Ordinal Data定序變量：變量的值不僅能夠代表事物的分類，還能代表事物按某種特性的排序，這樣的變量叫定序變量。問卷的人口特徵中最常使用的問題“教育程度“，以及態度量表題目等都是定序變量，定序變量的值之間可以比較大小，或者有強弱順序，但兩個值的差一般沒有什麼實際意義。
- Interval Data 定距變量：變量的值之間可以比較大小，兩個值的差有實際意義，這樣的變量叫定距變量。有時問卷在調查被訪者的“年齡”和“每月平均收入”，都是定距變量。
- Ratio Data 定比變量, 有絕對0點，如質量，高度。定比變量與定距變量在市場調查中一般不加以區分，它們的差別在於，定距變量取值爲“0”時，不表示“沒有”，僅僅是取值爲0。定比變量取值爲“0”時，則表示“沒有”。
import pandas as pd
reviews = pd.read_csv("../input/wine-reviews/winemag-data_first150k.csv", index_col=0)
reviews.head(3)
結果：
條形圖可以說是最簡單的數據可視化。他們將類別映射到數字：例如，早餐(一類)消費的雞蛋數量；或者，世界葡萄酒產區（類別）與其生產的葡萄酒標籤數量（數量）：
#取數據province特徵下前10個最常出現的類別：province省份--->出現次數；
reviews['province'].value_counts().head(10).plot.bar()
這個圖表告訴我們什麼？它說加州生產的葡萄酒遠遠超過世界上任何其他省份！我們可能會問，加州葡萄酒總量的百分之幾是多少？這個條形圖告訴了我們絕對數字，但知道相對比例會更有用：
#取province特徵，統計，取前10，計算比例，畫圖bar plot
(reviews['province'].value_counts().head(10)/len(reviews)).plot.bar()
加州生產葡萄酒佔雜誌評選到的葡萄酒的幾乎三分之一！
條形圖非常靈活：高度可以代表任何東西，只要它是一個數字。每個欄都可以代表任何東西，只要它是一個類別。
在這種情況下，類別是標稱類別nominal categories：“純”類別，類別排序沒有多大意義。標稱分類變量包括國家，郵政編碼，奶酪類型等。另一種是序數類別ordinal categories：類別見的排序是有意義，如地震震級，有一定數量公寓的住宅小區，以及當地熟食店的薯條大小。
或者，在我們的案例中，Wine Magazine分配的某個評分的評論數量[ordinal categories]：
#統計各個得分的數目,直接顯示：可以發現，第一個bar是87，第二個是88；按照數目多少排序的
reviews['points'].value_counts().plot.bar()
reviews['points'].value_counts().sort_index().plot.bar()
正如你所看到的，每個釀出的酒總分都在80到100之間。而且，如果我們相信葡萄酒雜誌是一個品味良好的仲裁者，那麼類別92就會比類別91更有意義地“更好”。
折線圖Line charts
葡萄酒評論記分卡有20個不同的獨特值可供填寫，我們的條形圖幾乎不夠。如果雜誌評價0-100的話，有100個不同的類別，該怎麼辦？類別太多了，不適合用條形圖處理！
在這種情況下，我們可以使用折線圖代替條形圖：
#統計各個得分的數目，將index排序-從小到大(顯示更合理)
reviews['points'].value_counts().sort_index().plot.line()
折線圖可以傳遞任意數量的單個取值[100類，1000類]，使其成爲具有許多唯一值或類別的分佈的首選工具[類別性數據，但是有許多許多可能值]。
但是，折線圖有一個重要的缺點：與條形圖不同，它們不適合名義分類數據。雖然條形圖區分了點線圖的每個“類型”，但它們將它們組合在一起。因此，折線圖斷言水平軸上的值的順序，並且對於某些數據，順序將沒有意義。畢竟，從加利福尼亞到華盛頓到托斯卡納的“下降”並不意味着什麼！[折線圖更適合於ordinal數據，具有一定的連續性，類別間的大小是有關係的，變化趨勢也有一定的意義]。
折線圖也使得區分單個值變得更加困難[連線]。
通常，如果你的數據可以放入條形圖中，只需使用條形圖！
面積圖Area charts
面積圖就是底部有陰影的折線圖。
reviews['points'].value_counts().sort_index().plot.area()
當僅繪製一個變量時，面積圖和折線圖之間的差異主要是視覺方面上：一個底部有陰影，一個沒有。在這種情況下，它們可以互換使用。
定距數據Interval data
定距變量的例子是太陽的溫度。定距變量超出了序數分類變量：它具有有意義的順序，在某種意義上我們可以量化兩個條目之間的差異本身就是定距變量。
例如，如果我說這個樣本的水是-20攝氏度，而另一個樣本是120攝氏度，那麼我可以量化它們之間的差異：140度“值”的熱量。
有時差異可能是定性的。至少，能夠如此清楚地陳述某些東西感覺比說“測量”要多得多，比如說，你會買這種酒而不是那種，因爲這個在一些口味測試中得了92分而且只有一個得到了更確切地說，任何具有無限多個可能值的變量肯定是區間變量。
折線圖適用於定距數據。條形圖不行 - 除非你的測量能力非常有限，定距數據自然會有很大變化[取值太多]。
將一個新工具直方圖應用到我們的數據集中的定距變量價格上（我們將價格降低到200美元一瓶一下）。
直方圖Histograms
reviews[reviews['price'] < 200]['price'].plot.hist()
直方圖看起來很簡單，就像一個條形圖。它基本上是！實際上，直方圖是一種特殊的條形圖，它將您的數據拆分爲均勻間隔，並顯示每個條形區域中有多少行。唯一的分析差異是，每個條形代表不是代表單個值，而是代表一個區間取值範圍。
然而，直方圖有一個主要缺點（之前我們篩選小於200美元的原因）。因爲它們將空間分成均勻間隔[在變量price的取值範圍內均勻劃分成幾個範圍相同的區間，然後再進行統計畫圖]，所以它們不能很好地處理偏斜的數據：
reviews['price'].plot.hist()
這是之前排除大於200美元葡萄酒的真正原因;其中一些葡萄酒真的很貴！圖表將“增長”以包含它們[擴大取值範圍]，從而損害所顯示的其餘數據。
reviews[reviews['price'] > 1500]
從上面顯示結果可以看出，葡萄酒價格高於1500美元的只有3個，數據嚴重傾斜。
有許多方法可以處理偏斜的數據問題;但這些超出了本教程的範圍。最簡單的方法就是：在合理的範圍內篩選數據，刪除不合理的數據。
這種現象在統計學上稱爲偏斜，並且是區間變量中相當常見的現象。
直方圖最適用於沒有偏斜的區間變量。它們對於像“points”這樣的序數分類變量也很有效：
reviews['points'].plot.hist()
但是圖表中出現了數據中不存在的取值，它只是表示一個範圍區間。
原文鏈接：Click me