pandas數據分析之繪圖方法詳解

之前介紹過matplotlib plot方法的詳細用法，今天來介紹一下pandas中繪圖方法，pandas中封裝的繪圖方法本質上還是調用了matplotlib的繪圖方法。

• 基礎繪圖方法plot，pandas中Series和DataFrame的plot方法是包裝自matplotlib的plot方法

# Series繪圖
ts = pd.Series(
    np.random.randn(1000),
    index=pd.date_range('1/1/2000', periods=1000)
)
# cumsum累加求和，並保留累加的中間結果
ts = ts.cumsum(axis=0)
ts.plot()

• 對DataFrame調用plot函數，會將各個屬性的名稱設置爲labels

df = pd.DataFrame(
    np.random.randn(1000, 4),
    index=ts.index,
    columns=["A", "B", "C", "D"]
)
df = df.cumsum(axis=0)
df.plot()

 

• DataFrame調用plot函數時，可以通過指定x和y參數來繪製兩個屬性之間的關係

df3 = pd.DataFrame(
    np.random.randn(100, 2),
    columns=["B", "C"]
)
df3["A"] = pd.Series(list(range(len(df3))))
"""
    參數解釋：詳見matplotlib plot函數參數解釋
    x：橫軸數據
    y：縱軸數據
    color繪圖顏色
    linestyle:線條樣式
    linewidth:線條寬度
    figsize:繪圖大小
    legend:是否顯示圖例
    logy:是否對y軸數據進行log變化，控制數值範圍
"""
df3.plot(x="A", y="B", color="b", linestyle="-", linewidth=2, figsize=(10,10), legend=True, logy=True)

繪製線形圖以外的其他圖像時，可以通過plot函數的kind參數控制圖像樣式：

• ‘bar’ or ‘barh’ for bar plots -> 條形圖（豎直或水平）
• ‘hist’ for histogram -> 柱狀圖
• ‘box’ for boxplot -> 箱型圖
• ‘kde’ or ‘density’ for density plots -> 密度圖
• ‘area’ for area plots -> 面積圖
• ‘scatter’ for scatter plots -> 散點圖
• ‘hexbin’ for hexagonal bin plots -> 六角本圖
• ‘pie’ for pie plots -> 餅圖

1）、kind="bar"條形圖(豎直)

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

2）、kind="barh"條形圖（水平）

df.iloc[5].plot(kind="barh")
print(df.iloc[5])

3）、除了使用plot的kind參數指定繪圖樣式，也可以直接使用plot.的形式指定繪圖樣式

# 繪製條形圖
df.iloc[5].plot.bar()

• 繪製條形圖DataFrame.plot.bar()

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

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

# 將條形圖進行堆疊
df2.plot.bar(stacked=True)

# 繪製水平條形圖
df2.plot.barh(stacked=True)

• 繪製柱狀圖DataFrame.plot.hist()

df = pd.DataFrame(
    {
        "a": np.random.randn(1000) + 1,
        "b": np.random.randn(1000),
        "c": np.random.randn(1000) - 1
    },
    columns=["a", "b", "c"]
)
# alpha參數控制圖像的透明度
df.plot.hist(alpha=0.5)

# 柱狀圖堆疊，並指定柱狀圖的分箱數
#  bins參數控制統計區間的大小
df.plot.hist(stacked=True, bins=20)

# 也可以使用matplotlib庫hist方法提供的關鍵字參數
df.plot.hist(orientation="horizontal", cumulative=True)

# 除了通過df.plot.hist方式進行調用，DataFrame也有hist方法
# DataFrame的hist方法使用多個子圖分別繪製DataFrame的column
df.hist(bins=20)

s = pd.Series([1,3,4,6,7,9])
# diff函數用來判斷屬性的每個值與指定數值的差距，默認的指定數值爲前一行的數值內容
s.diff().hist()

# DataFrame的hist方法可以使用by參數來定義分組
data = pd.Series(np.random.randn(1000))
# np.random.randint(0, 4, 1000)隨機生成1000個0-3之間的數字，然後將這些數字進行分組，並將與之對應的data數據繪製直方圖
data.hist(by=np.random.randint(0, 4, 1000), figsize=(6, 4))
pd.Series(np.random.randint(0, 4, 1000)).value_counts()

• 繪製箱型圖DataFrame.plot.box() 

箱型圖簡介： 
（1）計算上四分位數（Q3），中位數，下四分位數（Q1） 
（2）計算上四分位數和下四分位數之間的差值，即四分位數差（IQR，interquartile range）Q3-Q1 
（3）繪製箱線圖的上下範圍，上限爲上四分位數，下限爲下四分位數。在箱子內部中位數的位置繪製橫線。 
（4）大於 上四分位數 1.5倍四分位數差 的值，或者小於下四分位數1.5倍四分位數差的值，劃爲異常值（outliers）。 
（5）異常值之外，最靠近上邊緣和下邊緣的兩個值處，畫橫線，作爲箱線圖的觸鬚。 
（6）極端異常值，即超出四分位數差3倍距離的異常值，用實心點表示；較爲溫和的異常值，即處於1.5倍-3倍四分位數差之間的異常值，用空心點表示。 
（7）爲箱線圖添加名稱，數軸等

df = pd.DataFrame(np.random.randn(10, 5), columns=["A", "B", "C", "D", "E"])
# 繪製所有數值屬性的箱線圖
df.plot.box()

# 繪製單獨一個屬性的箱線圖
df["A"].plot.box()

df.boxplot()

# 設置箱線圖的顏色
color = {'boxes': 'DarkGreen', 'whiskers': 'DarkOrange', 'medians': 'DarkBlue', 'caps': 'Gray'}
# sym指定異常值的樣式
df.plot.box(color=color, sym='r+')

• 繪製面積圖DataFrame.plot.area() 

面積圖的意義：堆積面積圖是一種特殊的面積圖，可以用來比較在一個區間內的多個變量。堆疊面積圖和麪積圖的區別在於，堆疊面積圖每個數據系列的起點都是基於前一個數據系列繪製的（堆疊面積圖要求一列數據要麼全爲正，要麼全爲負），也就是每度量一行就要填滿行與行之間的區域。如果有多個數據系列，並想分析每個類別的部分到整體的關係，並展現部分量對於總量的貢獻時，使用堆積面積圖是非常合適的選擇。

df = pd.DataFrame(np.random.rand(10, 4), columns=["A", "B", "C", "D"])
df["B"] = df["B"] * -1.0
# 繪製的面積圖默認是堆疊的形式，堆疊面積圖要求同一個特徵的數值要麼全爲正，要麼全爲負
df.plot.area()
df.loc[0].sum() - df.loc[0, "B"], df.loc[0, "B"], df.loc[9].sum() - df.loc[9, "B"], df.loc[9, "B"]

(1.2377821011551786, -0.3169154766752843, 1.9799948518694093, -0.7935035073522937)

df.loc[0:5, "B"] = df.loc[0:5, "B"] * -1.0
df.plot.area(stacked=False)

• 繪製散點圖DataFrame.plot.scatter() 

散點圖要求屬性是數值型的。

df = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd'])
df.plot.scatter(x="a", y="b")

# 在一個axes中繪製多個散點圖
# 獲取畫布的句柄，指定繪製的顏色，標記樣式
ax = df.plot.scatter(x="a", y="b", color="r", marker=".", figsize=(10, 8), s=50)
# 指定畫布，顏色，標記樣式，用來區分不同的數據
df.plot.scatter(x="c", y="d", ax=ax, color="b", marker="^")
df.plot.scatter(x="a", y="c", ax=ax, color="k", marker="<")

# 使用關鍵字c來爲每個數據點設置不同的顏色，通常用來顯示兩個變量（x,y）的共同作用對第三個變量c的影響
df.plot.scatter(x='a', y='b', c='c', s=50)

• 不同繪圖方法的缺失值處理方法

• 繪製散點圖矩陣pandas.plotting.scatter_matrix

from pandas.plotting import scatter_matrix

# 使用scatter_matrix繪製所有特徵組合之間的散點圖，並指定對角線上的顯示樣式密度kde或柱狀圖hist
df = pd.DataFrame(np.random.randn(1000, 4), columns=['a', 'b', 'c', 'd'])
scatter_matrix(df, alpha=0.2, figsize=(8, 8), diagonal="hist")

• 繪製密度圖DataFrame.plot.kde()

df.plot.kde(legend=True)

 

參考：pandas官網 pandas CookBook

道阻且長，加油吧，少年！