探索数据可视化：Pandas中的强大绘图函数

plot()

plot()是 Pandas 中最常用的绘图函数之一，它可以绘制多种类型的图表，如折线图、柱状图、散点图等。常用参数：

• kind：指定要绘制的图表类型，可选值包括 ‘line’（折线图，默认）、‘bar’（柱状图）、‘barh’（水平柱状图）、‘hist’（直方图）、‘scatter’（散点图）等。

• x 和 y：指定要在图表中使用的数据列，其中 x 是横轴数据列，y 是纵轴数据列。

• title：设置图表的标题。

• xlabel 和 ylabel：设置横轴和纵轴的标签。

• color：设置图表的颜色。

• legend：控制是否显示图例。

• figsize：设置图表的尺寸。

• grid：控制是否显示网格线。

折线图

import numpy as np
import pandas as pd
from pandas import DataFrame, Series

s = Series(data=np.random.randint(0, 10, size=10))
s
"""
0    8
1    6
2    9
3    2
4    1
5    4
6    3
7    0
8    6
9    9
dtype: int32
"""

# series画图, 默认以series的index作为x轴数据, values作为y轴数据. 
# 默认画折线图, 折线图反映趋势. 
s.plot(title='Sales Trend')

<AxesSubplot:title={'center':'Sales Trend'}>

index = ['悟空', '悟饭', '悟天', '武神']
columns = ['语文', '数学', '英语']
data = np.random.randint(0, 150, size=(4, 3))
df = DataFrame(index=index, columns=columns, data=data)
df

	语文	数学	英语
悟空	90	112	138
悟饭	113	24	5
悟天	57	139	5
武神	62	47	6

import matplotlib.pyplot as plt
# matplotlib默认不能正常显示中文的. 
# 如果要显示中文, 要更改字体
plt.rcParams['font.sans-serif'] = 'SimHei'
# 在中文字体下, 默认的负号, 会显示不正常
plt.rcParams['axes.unicode_minus'] = False

# dataframe是按照每一列去画一个折线图. 
# ylim=(-100, 150)  y轴范围
df.plot(xlabel='name', ylabel='score',ylim=(-100, 150))

<AxesSubplot:xlabel='name', ylabel='score'>

柱状图

柱状图用来比大小. 也叫做条形图

# kind = 'bar'/'barh' 柱状图
df.plot(kind='bar')

<AxesSubplot:>

# kind='barh' 水平直方图
df.plot(kind='barh') 

<AxesSubplot:>

散点图

# 绘制散点图
df.plot(kind='scatter', x='语文', y='数学', title='成绩散点图')

<AxesSubplot:title={'center':'成绩散点图'}, xlabel='语文', ylabel='数学'>

bar()

是 Pandas 中用于绘制柱状图的函数，它可以接受一系列参数来自定义柱状图的样式和属性
区别plot()的特殊参数：

• rot: 旋转 x 轴标签的角度。

# 创建示例数据
data = {'城市': ['北京', '上海', '广州', '深圳'],
        '人口': [2154, 2423, 1404, 1303]}

df = pd.DataFrame(data)

# 绘制柱状图
pt = df.plot(kind='bar', x='城市', y='人口', xlabel='city', ylabel='人口', color='skyblue', title='中国主要城市人口')
# 设置 x 轴标签旋转角度为45度
pt.set_xticklabels(df['城市'], rotation=45)

# 显示图例
pt.legend(['人口'])

# 显示图表
plt.show()

hist() 绘制直方图的函数

区别plot()的特殊参数：

• bins: 指定直方图的柱子数量或柱子的边界值。可以是一个整数，表示柱子的数量，也可以是一个数组，表示柱子的边界值。
• range: 指定直方图的取值范围。
• density: 是否将直方图的频数转换为频率。

data = [10, 15, 20, 30, 30, 35, 40, 45, 50, 55, 60, 65, 70]

# 绘制直方图，density=True将频数转换为频率
plt.hist(data, bins=5, range=(0, 100), color='skyblue', edgecolor='black', density=True)

# 设置标题和标签
plt.title('分数分布直方图（频率）')
plt.xlabel('分数')
plt.ylabel('频率')

# 显示图表
plt.show()

scatter()

scatter() 绘制散点图的函数，它可以接受一系列参数来自定义散点图的样式和属性。
区别plot()的特殊参数：

• s: 指定散点的大小。
• c: 指定散点的颜色。
• marker: 指定散点的标记样式。
• alpha: 指定散点的透明度。

data = {
    'x': [1, 2, 3, 4, 5],
    'y': [10, 15, 7, 12, 8],
    'label': ['A', 'B', 'C', 'D', 'E']
}

df = pd.DataFrame(data)
# 绘制散点图
# c='red' 指定了散点的颜色为红色
# marker='o' 指定了散点的标记样式为圆形，
# alpha=0.5 指定了散点的透明度为 0.5
plt.scatter(df['x'], df['y'], s=100, c='red', marker='o', alpha=0.5)

# 设置标题和标签
plt.title('散点图示例')
plt.xlabel('X')
plt.ylabel('Y')

# 显示图表
plt.show()

boxplot() 绘制箱线图

boxplot()它可以用于可视化数据的分布情况和离群值。
区别plot()的特殊参数：

• by: 指定一个列名，用于按照该列的值进行分组，并绘制多个箱线图。
• column: 指定一个列名，用于选择要绘制箱线图的列。
• ax: 指定一个 Matplotlib 的 Axes 对象，用于绘制箱线图的子图。
• notch: 是否绘制凹口箱线图。
• sym: 指定离群值的显示样式。
• vert: 是否将箱线图垂直显示。
• patch_artist: 是否使用填充颜色绘制箱线图。
• meanline: 是否绘制均值线。
• showfliers: 是否显示离群值。
• showmeans: 是否显示均值。
• showbox: 是否显示箱体。
• showcaps: 是否显示箱线的边界线。
• showwhiskers: 是否显示须线。
• whis: 指定须线的长度。

np.random.seed(1)
data = {
    'Category': np.random.choice(['A', 'B', 'C'], size=100),
    'Value': np.random.normal(loc=0, scale=1, size=100)
}

# 创建 DataFrame
df = pd.DataFrame(data)
#  根据Category列的值进行分组，并绘制每个分组的 "Value" 列的箱线图。
df.boxplot(column='Value', by='Category')

<AxesSubplot:title={'center':'Value'}, xlabel='Category'>

# 绘制凹口箱线图，凹口箱线图可以用于比较两个或多个分组之间的差异
df.boxplot(column='Value', by='Category', notch=True)

<AxesSubplot:title={'center':'Value'}, xlabel='Category'>

# 将离群值显示为红色的叉号
# vert=False 将箱线图水平显示
# patch_artist=True 使用填充颜色绘制箱线图
df.boxplot(column='Value', by='Category', sym='rx', vert=False, patch_artist=True)

<AxesSubplot:title={'center':'Value'}, xlabel='Category'>

bp = df.boxplot(column='Value', by='Category')

# 设置 x 轴标签
bp.set_xticklabels(['Group 1', 'Group 2', 'Group 3'])
# 显示图形
plt.show()