【Python】如何使用Pandas进行数据可视化？

数据可视化对于理解数据具有重要的意义。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。本文举出一些示例，供大家参考。这里我们使用Google的Colab notebook。

首先，导入依赖库和数据集：

import pandas as pd
import matplotlib.pyplot as plt
df = pd.read_csv("https://raw.githubusercontent.com/mwaskom/seaborn-data/master/titanic.csv")

我们使用泰坦尼克的示例数据集，包含有乘客的信息，包括他们的船舱等、年龄、票价和生存状态等信息。查看数据：

在本文中，我们介绍使用Pandas进行数据可视化的基础知识，包括创建简单图、自定义图以及使用多个DF进行绘图。

1. 如何创建简单图？

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。举个例子：

1.1 创建线型图

线型图用于表示连续间隔或时间段内的数据趋势。要创建线型图，调用plot方法时需要将kind参数指定为line。

# 线型图
df.plot(kind='line', x='age', y='fare')

1.2 绘制直方图

可以在字段后直接使用hist方法来生成数据的直方图:

# 直方图
df.age.hist(figsize=(7.3,4),grid=False)

1.3 绘制条形图

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，可以在pandas的DataFrame上使用plot方法并将kind参数指定为bar。

# 条形图
df['class'].value_counts().plot(kind='bar')

1.4 绘制饼图

饼图与条形图类似，但是它主要来查看数据的占比：

# 饼图
df['embark_town'].value_counts().plot(kind='pie', rot=0)

1.5 绘制散点图

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。

# 散点图
df.plot(kind='scatter', x='age',y='fare')

2. Plot方法有哪些？

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：

1. “area”面积图
2. “bar”垂直条形图
3. “barh”水平条形图
4. “box”箱线图
5. “hexbin” hexbin 图
6. “hist”直方图。
7. “kde”内核密度估计图表
8. “density”是“kde”的别名
9. “line”折线图
10. “pie”饼图
11. “scatter”散点图

如果不指定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，但并不适用于大型数据集。

还有一种方法就是：将数据列名作为字符串传递画板函数，是上面给.plot()的kind传递参数的一种替代方法，DataFrame 对象有以下几种方法可用于创建上述各种类型的图：

.area()
.bar()
.barh()
.box()
.hexbin()
.hist()
.kde()
.density()
.line()
.pie()
.scatter()

在上面的直方图，我们就是使用的.hist方法。而不是kind=‘hist’。

3. 如何定制图表的样式和颜色？

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。

# 定制图表样式颜色
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()

Pandas绘图的底层是使用Matplotlib，所以这些参数都是与Matplotlib一致的，可以根据需要进行调整。

4. 如何同时对多个DataFrame绘图？

Pandas还没有提供多个DataFrame的方法，所以只能使用Matplotlib，就像下面这样：

# 多个DataFrame绘图
df_survived = df[df["survived"] == 1] # datafrane 1
df_not_survived = df[df["survived"] == 0] # dataframe 2

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()

5. 总结

作为最常用的数据分析库，Pandas提供了一种创建图表的简单方法，这种方法可以帮我们快速对数据集进行简单的分析，快速的了解数据集的情况。但是如果需要对数据进行更高级的可视化，可以使用Seaborn、Plotly等更高级的库。

参考资料

Pandas可视化手册：https://pandas.pydata.org/docs/user_guide/visualization.html