import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

pandas繪圖

基本繪圖方法plot

Series.plot和DataFrame.plot是plt.plot的一個簡單包裝

ts = pd.Series(np.random.randn(1000), index=pd.date_range('1/1/2000', periods=1000))
ts = ts.cumsum()
ts.head()

2000-01-01   -1.158434
2000-01-02   -1.234039
2000-01-03   -1.453900
2000-01-04   -1.969126
2000-01-05   -2.358607
Freq: D, dtype: float64

ts.plot()

<matplotlib.axes._subplots.AxesSubplot at 0x11e848310>

DataFrame.plot是同時繪製每一列到同一個圖，並且附帶了標籤

df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list('ABCD'))
df = df.cumsum()
df.head()

	A	B	C	D
2000-01-01	0.687417	-0.943176	-0.562482	0.398902
2000-01-02	1.918521	-0.743811	-0.974949	2.073606
2000-01-03	3.265497	-2.035723	0.756734	1.309357
2000-01-04	4.643224	-2.233020	0.146825	0.574324
2000-01-05	5.735268	-3.260842	1.409548	1.479241

df.plot()

<matplotlib.axes._subplots.AxesSubplot at 0x11ea35f50>

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-Jw1Faufq-1579503959330)(images/output_7_1.png)]

你可以使用plot中的x和y關鍵字繪製一列與另一列的關係：

df3 = pd.DataFrame(np.random.randn(1000, 2), columns=['B', 'C']).cumsum()
df3['A'] = pd.Series(list(range(len(df))))
df3.plot(x='A', y='B')

<matplotlib.axes._subplots.AxesSubplot at 0x11eb72b90>

其他繪圖

Series.plot或DataFrame.plot默認都是線圖，其他類型的圖需要修改參數kind，支持以下幾種類型的圖：

bar、barh
hist
box
kde、density
area
scatter
hexbin
pie

df.iloc[5].plot(kind='bar')

<matplotlib.axes._subplots.AxesSubplot at 0x11ec8bc10>

除了修改kind參數之外，還支持DataFrame.plot.<>，如 DataFrame.plot.bar 等價於 DataFrame.plot(kind=‘bar’)

df.iloc[5].plot.bar()

<matplotlib.axes._subplots.AxesSubplot at 0x11ed608d0>

除了以上兩種方式，有的繪圖類型還支持單獨的接口：

DataFrame.hist
DataFrame.boxplot

df.hist()

array([[<matplotlib.axes._subplots.AxesSubplot object at 0x11ed685d0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11ee54610>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x11eedfe10>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x11ef1f650>]],
      dtype=object)

條形圖

Series.plot.bar會繪製一個條形圖

plt.figure()
plt.axhline(0, color='k')
df.iloc[5].plot.bar()

<matplotlib.axes._subplots.AxesSubplot at 0x120bbcf90>

DataFrame.plot.bar會繪製多個條形圖

df2 = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
df2.plot.bar()

<matplotlib.axes._subplots.AxesSubplot at 0x1225a5d50>

繪製一個堆條形圖，傳遞參數 stack=True

df2.plot.bar(stacked=True)

<matplotlib.axes._subplots.AxesSubplot at 0x11dcf4e90>

繪製橫向條形圖，調用DataFrame.plot.barh

df2.plot.barh()

<matplotlib.axes._subplots.AxesSubplot at 0x128092410>

直方圖

df4 = pd.DataFrame({'a': np.random.randn(1000) + 1, 'b': np.random.randn(1000), 'c': np.random.randn(1000) - 1}, columns=['a', 'b', 'c'])
df4.plot.hist(alpha=0.5)  # 透明度

<matplotlib.axes._subplots.AxesSubplot at 0x127f5d6d0>

堆直方圖傳遞參數stacked=True

df4.plot.hist(stacked=True,bins=20) # bins步數

<matplotlib.axes._subplots.AxesSubplot at 0x128cb10d0>

你可以通過matplotlib的hist函數傳遞別的參數，如horizontal、cumulative

df4['a'].plot.hist(orientation='horizontal', cumulative=True)

<matplotlib.axes._subplots.AxesSubplot at 0x12a2d5950>

更多關於hist方法的使用點擊這裏和這裏

DataFrame.plot.hist和DataFrame.hist的區別

df4.hist()

array([[<matplotlib.axes._subplots.AxesSubplot object at 0x12ac34710>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x1299cc4d0>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x129eedd50>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x129895590>]],
      dtype=object)

df4.plot.hist()

<matplotlib.axes._subplots.AxesSubplot at 0x1296508d0>

箱型圖

df = pd.DataFrame(np.random.rand(10, 5), columns=['A', 'B', 'C', 'D', 'E'])
df.plot.box()

<matplotlib.axes._subplots.AxesSubplot at 0x12a11d710>

自定義箱型圖的各個部件的顏色

color = {'boxes': 'DarkGreen', 'whiskers': 'DarkOrange', 'medians': 'DarkBlue', 'caps': 'Gray'}
df.plot.box(color=color, sym='r+')  # sym參數表示異常點的形狀

<matplotlib.axes._subplots.AxesSubplot at 0x129180dd0>

當然，你也可以傳遞matplotlib中的boxplot支持的參數，如vert=False position=[1,4,5,6,8]

df.plot.box(vert=False, positions=[1,4,6,8,15])

<matplotlib.axes._subplots.AxesSubplot at 0x12aef73d0>

DataFrame.boxplot和DataFrame.plot.box的區別 (沒啥區別，不像hist)

df.plot.box()

<matplotlib.axes._subplots.AxesSubplot at 0x12b2acdd0>

df.boxplot()

<matplotlib.axes._subplots.AxesSubplot at 0x12ae9d950>

你可以指定by參數來創建組

df = pd.DataFrame(np.random.rand(10, 2), columns=['Col1', 'Col2'])
df['X'] = pd.Series(['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'])
df.boxplot(by='X')  # 按照列X來分組繪製 兩列col1 col2的箱型圖

array([<matplotlib.axes._subplots.AxesSubplot object at 0x12a229910>,
       <matplotlib.axes._subplots.AxesSubplot object at 0x129e54750>],
      dtype=object)

by參數支持多個列

df = pd.DataFrame(np.random.rand(10, 3), columns=['Col1', 'Col2', 'Col3'])
df['X'] = pd.Series(['A', 'A', 'A', 'A', 'A', 'B', 'B', 'B', 'B', 'B'])
df['Y'] = pd.Series(['A', 'B', 'A', 'B', 'A', 'B', 'A', 'B', 'A', 'B'])
df.boxplot(column=['Col1', 'Col2'], by=['X', 'Y'])

array([<matplotlib.axes._subplots.AxesSubplot object at 0x129f81390>,
       <matplotlib.axes._subplots.AxesSubplot object at 0x129ef2b10>],
      dtype=object)

面積圖

df = pd.DataFrame(np.random.rand(10, 4), columns=['a','b','c','d'])
df.plot.area()

<matplotlib.axes._subplots.AxesSubplot at 0x128efdc10>

繪製一個沒有堆疊的面積圖，調用參數stacked=False

df.plot.area(stacked=False)  # 此時透明度默認值=0.5

<matplotlib.axes._subplots.AxesSubplot at 0x12fd536d0>

散點圖

df = pd.DataFrame(np.random.rand(50,4),columns=['a','b','c','d'])
df.plot.scatter(x='a', y='b')  # 散點圖必須指定參數x和y

<matplotlib.axes._subplots.AxesSubplot at 0x12fc054d0>

在同一個圖中繪製多個列的散點圖，調用參數ax

ax = df.plot.scatter(x='a',y='b',color='DarkBlue',label='Group1')
df.plot.scatter(x='c', y='d', color='DarkGreen', label='Group2', ax=ax)

<matplotlib.axes._subplots.AxesSubplot at 0x130817910>

爲每個點指定顏色，調用參數c

df.plot.scatter(x='a',y='b',c='c', s=50)  # s爲點的size

<matplotlib.axes._subplots.AxesSubplot at 0x130c95ed0>

爲每個點指定大小，調用參數s

df.plot.scatter(x='a',y='b',s=df['c']*200)

<matplotlib.axes._subplots.AxesSubplot at 0x130b2c4d0>

六邊形圖

df = pd.DataFrame(np.random.randn(1000, 2), columns=['a', 'b'])
df['b'] = df['b'] + np.arange(1000)
df.plot.hexbin(x='a', y='b', gridsize=25)

<matplotlib.axes._subplots.AxesSubplot at 0x131214cd0>

網格的size可以通過gridsize參數控制

df.plot.hexbin(x='a', y='b', gridsize=2)

<matplotlib.axes._subplots.AxesSubplot at 0x131433f90>

餅圖

series = pd.Series(3*np.random.rand(4),index=['a','b','c','d'],name='series')
series.plot.pie(figsize=(6,6))

<matplotlib.axes._subplots.AxesSubplot at 0x1358e9e90>

df = pd.DataFrame(3 * np.random.rand(4, 2), index=['a', 'b', 'c', 'd'], columns=['x', 'y'])
df.plot.pie(subplots=True, figsize=(8, 4))

array([<matplotlib.axes._subplots.AxesSubplot object at 0x12b49de10>,
       <matplotlib.axes._subplots.AxesSubplot object at 0x1359fbf50>],
      dtype=object)

餅圖的一些常用參數：labels fontsize colors autopct figsize

series.plot.pie(labels=['AA', 'BB', 'CC', 'DD'], colors=['r', 'g', 'b', 'c'], autopct='%.2f', fontsize=20, figsize=(6,6))

<matplotlib.axes._subplots.AxesSubplot at 0x1328a35d0>

如果繪製數據之和小於1 得到的是一個扇形

pd.Series([0.1]*5).plot.pie()

<matplotlib.axes._subplots.AxesSubplot at 0x131506e50>

繪製缺失數據

繪圖類型	缺失值處理方法
線圖	在缺失處留空白
堆線圖	填充0
條形圖	填充0
散點圖	捨棄缺失值
直方圖	按列捨棄缺失值
箱型圖	按列捨棄缺失值
面積圖	填充0
KDE	按列捨棄缺失值
六邊形圖	捨棄缺失值
餅圖	填充0

幾個特殊的繪圖函數

散點圖矩陣

from pandas.plotting import scatter_matrix
df = pd.DataFrame(np.random.randn(1000, 4), columns=['a', 'b', 'c', 'd'])
scatter_matrix(df, alpha=0.2,figsize=(6,6),diagonal='kde')

array([[<matplotlib.axes._subplots.AxesSubplot object at 0x1329fafd0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x132806ed0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x1328e1790>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x1329041d0>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x132843290>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x132918410>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x1328e6490>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x1328aa090>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x1327aea50>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x132788690>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x13283c9d0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x135ce3fd0>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x135d68cd0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x135c92990>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x135bd2390>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x1359cb090>]],
      dtype=object)

密度圖

ser = pd.Series(np.random.randn(1000))
ser.plot.kde()

<matplotlib.axes._subplots.AxesSubplot at 0x130a4a550>

安德魯斯曲線

from pandas.plotting import andrews_curves
from sklearn import datasets
data= pd.DataFrame(datasets.load_iris().data)
data.head()

	0	1	2	3
0	5.1	3.5	1.4	0.2
1	4.9	3.0	1.4	0.2
2	4.7	3.2	1.3	0.2
3	4.6	3.1	1.5	0.2
4	5.0	3.6	1.4	0.2

andrews_curves(data, 0)

<matplotlib.axes._subplots.AxesSubplot at 0x133a2aad0>

平行座標

from pandas.plotting import parallel_coordinates
parallel_coordinates(data, 1)

<matplotlib.axes._subplots.AxesSubplot at 0x134470ad0>

滯後圖

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))
lag_plot(data)

<matplotlib.axes._subplots.AxesSubplot at 0x1350ca1d0>

自相關圖

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))
autocorrelation_plot(data)

<matplotlib.axes._subplots.AxesSubplot at 0x133944c10>

自舉圖

from pandas.plotting import bootstrap_plot
data = pd.Series(np.random.rand(1000))
bootstrap_plot(data)

RadViz

from pandas.plotting import radviz
data = pd.DataFrame(datasets.load_iris().data)
radviz(data, 1)

<matplotlib.axes._subplots.AxesSubplot at 0x1309befd0>

繪圖格式

略

詳見此處

pandas繪圖指南

文章目錄

pandas繪圖

基本繪圖方法plot

其他繪圖

條形圖

直方圖

箱型圖

面積圖

散點圖

六邊形圖

餅圖

繪製缺失數據

幾個特殊的繪圖函數

散點圖矩陣

密度圖

安德魯斯曲線

平行座標

滯後圖

自相關圖

自舉圖

RadViz

繪圖格式

深度學習系列——6、深度強化學習

深度學習系列——2、多層感知器

深度學習系列——3、自編碼器

深度學習系列——5、循環神經網絡

離羣分析系列——1、離羣分析引言

Mac下配置sublime實現LaTeX

https://yachay.unat.edu.pe/blog/index.php?comment_area=format_blog&comment_component=blog&comment_co

linux以太網驅動總結

	0	1	2	3
0	5.1	3.5	1.4	0.2
1	4.9	3.0	1.4	0.2
2	4.7	3.2	1.3	0.2
3	4.6	3.1	1.5	0.2
4	5.0	3.6	1.4	0.2

	0	1	2	3
0	5.1	3.5	1.4	0.2
1	4.9	3.0	1.4	0.2
2	4.7	3.2	1.3	0.2
3	4.6	3.1	1.5	0.2
4	5.0	3.6	1.4	0.2

	0	1	2	3
0	5.1	3.5	1.4	0.2
1	4.9	3.0	1.4	0.2
2	4.7	3.2	1.3	0.2
3	4.6	3.1	1.5	0.2
4	5.0	3.6	1.4	0.2