pandas绘图指南

最新推荐文章于 2025-03-01 04:43:36 发布

数据科学家修炼之道

最新推荐文章于 2025-03-01 04:43:36 发布

阅读量530

点赞数

分类专栏： # Pandas笔记文章标签： pandas 可视化

本文为博主原创文章，欢迎转载，转载请注明出处。

本文链接：https://blog.youkuaiyun.com/xiligey1/article/details/104052027

版权

Pandas笔记专栏收录该内容

1 篇文章

订阅专栏

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

pandas绘图

基本绘图方法plot

Series.plot和DataFrame.plot是plt.plot的一个简单包装

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是同时绘制每一列到同一个图，并且附带了标签

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>

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-Jw1Faufq-1579503959330)(images/output_7_1.png)]

你可以使用plot中的x和y关键字绘制一列与另一列的关系：

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>

其他绘图

Series.plot或DataFrame.plot默认都是线图，其他类型的图需要修改参数kind，支持以下几种类型的图：

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参数之外，还支持DataFrame.plot.<>，如 DataFrame.plot.bar 等价于 DataFrame.plot(kind=‘bar’)

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

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

除了以上两种方式，有的绘图类型还支持单独的接口：

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)

条形图

Series.plot.bar会绘制一个条形图

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

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

DataFrame.plot.bar会绘制多个条形图

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

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

绘制一个堆条形图，传递参数 stack=True

df2.plot.bar(stacked=True)

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

绘制横向条形图，调用DataFrame.plot.barh

df2.plot.barh()

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

直方图

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>

堆直方图传递参数stacked=True

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

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

你可以通过matplotlib的hist函数传递别的参数，如horizontal、cumulative

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

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

更多关于hist方法的使用点击这里和这里

DataFrame.plot.hist和DataFrame.hist的区别

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>

箱型图

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

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

自定义箱型图的各个部件的颜色

color = {'boxes': 'DarkGreen', 'whiskers': 'DarkOrange', 'medians': 'DarkBlue', 'caps': 'Gray'}
df.plot.box(color=color, sym='r+')  # sym参数表示异常点的形状

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

当然，你也可以传递matplotlib中的boxplot支持的参数，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的区别 (没啥区别，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参数来创建组

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来分组绘制 两列col1 col2的箱型图

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

by参数支持多个列

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)

面积图

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

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

绘制一个没有堆叠的面积图，调用参数stacked=False

df.plot.area(stacked=False)  # 此时透明度默认值=0.5

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

散点图

df = pd.DataFrame(np.random.rand(50,4),columns=['a','b','c','d'])
df.plot.scatter(x='a', y='b')  # 散点图必须指定参数x和y

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

在同一个图中绘制多个列的散点图，调用参数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>

为每个点指定颜色，调用参数c

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

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

为每个点指定大小，调用参数s

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

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

六边形图

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>

网格的size可以通过gridsize参数控制

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

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

饼图

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)

饼图的一些常用参数：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>

如果绘制数据之和小于1 得到的是一个扇形

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

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

绘制缺失数据

绘图类型	缺失值处理方法
线图	在缺失处留空白
堆线图	填充0
条形图	填充0
散点图	舍弃缺失值
直方图	按列舍弃缺失值
箱型图	按列舍弃缺失值
面积图	填充0
KDE	按列舍弃缺失值
六边形图	舍弃缺失值
饼图	填充0

几个特殊的绘图函数

散点图矩阵

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)

密度图

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

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

安德鲁斯曲线

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>

平行坐标

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

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

滞后图

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>

自相关图

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>

自举图

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>

绘图格式

略

详见此处