可空整数数据类型
注意
IntegerArray 目前处于实验阶段。其 API 或实现可能会在没有警告的情况下发生变化。使用pandas.NA
作为缺失值。
在处理缺失数据中,我们看到 pandas 主要使用NaN
来表示缺失数据。因为NaN
是一个浮点数,这会导致任何带有缺失值的整数数组变为浮点数。在某些情况下,这可能并不重要。但是,如果您的整数列是标识符,转换为浮点数可能会有问题。有些整数甚至无法表示为浮点数。
构造
pandas 可以使用arrays.IntegerArray
来表示可能存在缺失值的整数数据。这是 pandas 内部实现的一种扩展类型。
In [1]: arr = pd.array([1, 2, None], dtype=pd.Int64Dtype())
In [2]: arr
Out[2]:
<IntegerArray>
[1, 2, <NA>]
Length: 3, dtype: Int64
或者字符串别名"Int64"
(注意大写的"I"
)以区别于 NumPy 的'int64'
dtype:
In [3]: pd.array([1, 2, np.nan], dtype="Int64")
Out[3]:
<IntegerArray>
[1, 2, <NA>]
Length: 3, dtype: Int64
所有类似 NA 的值都被替换为pandas.NA
。
In [4]: pd.array([1, 2, np.nan, None, pd.NA], dtype="Int64")
Out[4]:
<IntegerArray>
[1, 2, <NA>, <NA>, <NA>]
Length: 5, dtype: Int64
这个数组可以像任何 NumPy 数组一样存储在DataFrame
或Series
中。
In [5]: pd.Series(arr)
Out[5]:
0 1
1 2
2 <NA>
dtype: Int64
您还可以将类似列表的对象传递给带有 dtype 的Series
构造函数。
警告
目前pandas.array()
和pandas.Series()
在 dtype 推断上使用不同规则。pandas.array()
将推断出一个可空整数 dtype。
In [6]: pd.array([1, None])
Out[6]:
<IntegerArray>
[1, <NA>]
Length: 2, dtype: Int64
In [7]: pd.array([1, 2])
Out[7]:
<IntegerArray>
[1, 2]
Length: 2, dtype: Int64
为了向后兼容,Series
将这些推断为整数或浮点 dtype。
In [8]: pd.Series([1, None])
Out[8]:
0 1.0
1 NaN
dtype: float64
In [9]: pd.Series([1, 2])
Out[9]:
0 1
1 2
dtype: int64
我们建议明确提供 dtype 以避免混淆。
In [10]: pd.array([1, None], dtype="Int64")
Out[10]:
<IntegerArray>
[1, <NA>]
Length: 2, dtype: Int64
In [11]: pd.Series([1, None], dtype="Int64")
Out[11]:
0 1
1 <NA>
dtype: Int64
在将来,我们可能会提供一个选项,使Series
能够推断出一个可空整数 dtype。
操作
涉及整数数组的操作将类似于 NumPy 数组。缺失值将被传播,并且数据将根据需要强制转换为另一个 dtype。
In [12]: s = pd.Series([1, 2, None], dtype="Int64")
# arithmetic
In [13]: s + 1
Out[13]:
0 2
1 3
2 <NA>
dtype: Int64
# comparison
In [14]: s == 1
Out[14]:
0 True
1 False
2 <NA>
dtype: boolean
# slicing operation
In [15]: s.iloc[1:3]
Out[15]:
1 2
2 <NA>
dtype: Int64
# operate with other dtypes
In [16]: s + s.iloc[1:3].astype("Int8")
Out[16]:
0 <NA>
1 4
2 <NA>
dtype: Int64
# coerce when needed
In [17]: s + 0.01
Out[17]:
0 1.01
1 2.01
2 <NA>
dtype: Float64
这些 dtype 可以作为DataFrame
的一部分运行。
In [18]: df = pd.DataFrame({"A": s, "B": [1, 1, 3], "C": list("aab")})
In [19]: df
Out[19]:
A B C
0 1 1 a
1 2 1 a
2 <NA> 3 b
In [20]: df.dtypes
Out[20]:
A Int64
B int64
C object
dtype: object
这些 dtype 可以合并、重塑和转换。
In [21]: pd.concat([df[["A"]], df[["B", "C"]]], axis=1).dtypes
Out[21]:
A Int64
B int64
C object
dtype: object
In [22]: df["A"].astype(float)
Out[22]:
0 1.0
1 2.0
2 NaN
Name: A, dtype: float64
诸如sum()
之类的缩减和分组操作同样有效。
In [23]: df.sum(numeric_only=True)
Out[23]:
A 3
B 5
dtype: Int64
In [24]: df.sum()
Out[24]:
A 3
B 5
C aab
dtype: object
In [25]: df.groupby("B").A.sum()
Out[25]:
B
1 3
3 0
Name: A, dtype: Int64
标量 NA 值
arrays.IntegerArray
使用pandas.NA
作为其标量缺失值。切片一个缺失的单个元素将返回pandas.NA
In [26]: a = pd.array([1, None], dtype="Int64")
In [27]: a[1]
Out[27]: <NA>
构造
pandas 可以使用arrays.IntegerArray
表示可能包含缺失值的整数数据。这是 pandas 内部实现的一种扩展类型。
In [1]: arr = pd.array([1, 2, None], dtype=pd.Int64Dtype())
In [2]: arr
Out[2]:
<IntegerArray>
[1, 2, <NA>]
Length: 3, dtype: Int64
或者字符串别名"Int64"
(注意大写的"I"
)以区别于 NumPy 的'int64'
数据类型:
In [3]: pd.array([1, 2, np.nan], dtype="Int64")
Out[3]:
<IntegerArray>
[1, 2, <NA>]
Length: 3, dtype: Int64
所有类似 NA 的值都将被替换为pandas.NA
。
In [4]: pd.array([1, 2, np.nan, None, pd.NA], dtype="Int64")
Out[4]:
<IntegerArray>
[1, 2, <NA>, <NA>, <NA>]
Length: 5, dtype: Int64
这个数组可以像任何 NumPy 数组一样存储在DataFrame
或Series
中。
In [5]: pd.Series(arr)
Out[5]:
0 1
1 2
2 <NA>
dtype: Int64
您还可以将类似列表的对象传递给带有数据类型的Series
构造函数。
警告
目前pandas.array()
和pandas.Series()
使用不同的规则进行数据类型推断。pandas.array()
将推断为可空整数数据类型
In [6]: pd.array([1, None])
Out[6]:
<IntegerArray>
[1, <NA>]
Length: 2, dtype: Int64
In [7]: pd.array([1, 2])
Out[7]:
<IntegerArray>
[1, 2]
Length: 2, dtype: Int64
为了向后兼容,Series
将这些推断为整数或浮点数数据类型。
In [8]: pd.Series([1, None])
Out[8]:
0 1.0
1 NaN
dtype: float64
In [9]: pd.Series([1, 2])
Out[9]:
0 1
1 2
dtype: int64
我们建议明确提供数据类型以避免混淆。
In [10]: pd.array([1, None], dtype="Int64")
Out[10]:
<IntegerArray>
[1, <NA>]
Length: 2, dtype: Int64
In [11]: pd.Series([1, None], dtype="Int64")
Out[11]:
0 1
1 <NA>
dtype: Int64
将来,我们可能会提供一个选项,使Series
推断为可空整数数据类型。
操作
涉及整数数组的操作将类似于 NumPy 数组。缺失值将被传播,并且数据将根据需要强制转换为另一种数据类型。
In [12]: s = pd.Series([1, 2, None], dtype="Int64")
# arithmetic
In [13]: s + 1
Out[13]:
0 2
1 3
2 <NA>
dtype: Int64
# comparison
In [14]: s == 1
Out[14]:
0 True
1 False
2 <NA>
dtype: boolean
# slicing operation
In [15]: s.iloc[1:3]
Out[15]:
1 2
2 <NA>
dtype: Int64
# operate with other dtypes
In [16]: s + s.iloc[1:3].astype("Int8")
Out[16]:
0 <NA>
1 4
2 <NA>
dtype: Int64
# coerce when needed
In [17]: s + 0.01
Out[17]:
0 1.01
1 2.01
2 <NA>
dtype: Float64
这些数据类型可以作为DataFrame
的一部分操作。
In [18]: df = pd.DataFrame({"A": s, "B": [1, 1, 3], "C": list("aab")})
In [19]: df
Out[19]:
A B C
0 1 1 a
1 2 1 a
2 <NA> 3 b
In [20]: df.dtypes
Out[20]:
A Int64
B int64
C object
dtype: object
这些数据类型可以合并、重塑和转换。
In [21]: pd.concat([df[["A"]], df[["B", "C"]]], axis=1).dtypes
Out[21]:
A Int64
B int64
C object
dtype: object
In [22]: df["A"].astype(float)
Out[22]:
0 1.0
1 2.0
2 NaN
Name: A, dtype: float64
缩减和分组操作,如sum()
同样有效。
In [23]: df.sum(numeric_only=True)
Out[23]:
A 3
B 5
dtype: Int64
In [24]: df.sum()
Out[24]:
A 3
B 5
C aab
dtype: object
In [25]: df.groupby("B").A.sum()
Out[25]:
B
1 3
3 0
Name: A, dtype: Int64
标量 NA 值
arrays.IntegerArray
使用pandas.NA
作为其标量缺失值。切片一个缺失的单个元素将返回pandas.NA
In [26]: a = pd.array([1, None], dtype="Int64")
In [27]: a[1]
Out[27]: <NA>
可空布尔数据类型
注意
BooleanArray 目前处于实验阶段。其 API 或实现可能会在没有警告的情况下更改。
使用 NA 值进行索引
pandas 允许在布尔数组中使用NA
值进行索引,这些值被视为False
。
In [1]: s = pd.Series([1, 2, 3])
In [2]: mask = pd.array([True, False, pd.NA], dtype="boolean")
In [3]: s[mask]
Out[3]:
0 1
dtype: int64
如果您希望保留NA
值,可以手动用fillna(True)
填充它们。
In [4]: s[mask.fillna(True)]
Out[4]:
0 1
2 3
dtype: int64
``` ## Kleene 逻辑操作
`arrays.BooleanArray`实现了[Kleene 逻辑](https://en.wikipedia.org/wiki/Three-valued_logic#Kleene_and_Priest_logics)(有时称为三值逻辑)用于逻辑操作,如`&`(与)、`|`(或)和`^`(异或)。
这个表格展示了每种组合的结果。这些操作是对称的,因此左右两侧的翻转不会影响结果。
| 表达式 | 结果 |
| --- | --- |
| `True & True` | `True` |
| `True & False` | `False` |
| `True & NA` | `NA` |
| `False & False` | `False` |
| `False & NA` | `False` |
| `NA & NA` | `NA` |
| `True | True` | `True` |
| `True | False` | `True` |
| `True | NA` | `True` |
| `False | False` | `False` |
| `False | NA` | `NA` |
| `NA | NA` | `NA` |
| `True ^ True` | `False` |
| `True ^ False` | `True` |
| `True ^ NA` | `NA` |
| `False ^ False` | `False` |
| `False ^ NA` | `NA` |
| `NA ^ NA` | `NA` |
当操作中存在`NA`时,输出值仅在无法仅根据其他输入确定结果时为`NA`。例如,`True | NA`是`True`,因为`True | True`和`True | False`都是`True`。在这种情况下,我们实际上不需要考虑`NA`的值。
另一方面,`True & NA`是`NA`。结果取决于`NA`是真是假,因为`True & True`是`True`,但`True & False`是`False`,所以我们无法确定输出。
这与`np.nan`在逻辑操作中的行为不同。pandas 将`np.nan`视为*输出中始终为假*。
在`or`中
```py
In [5]: pd.Series([True, False, np.nan], dtype="object") | True
Out[5]:
0 True
1 True
2 False
dtype: bool
In [6]: pd.Series([True, False, np.nan], dtype="boolean") | True
Out[6]:
0 True
1 True
2 True
dtype: boolean
在and
中
In [7]: pd.Series([True, False, np.nan], dtype="object") & True
Out[7]:
0 True
1 False
2 False
dtype: bool
In [8]: pd.Series([True, False, np.nan], dtype="boolean") & True
Out[8]:
0 True
1 False
2 <NA>
dtype: boolean
``` ## 使用 NA 值进行索引
pandas 允许在布尔数组中使用`NA`值进行索引,这些值被视为`False`。
```py
In [1]: s = pd.Series([1, 2, 3])
In [2]: mask = pd.array([True, False, pd.NA], dtype="boolean")
In [3]: s[mask]
Out[3]:
0 1
dtype: int64
如果您希望保留NA
值,可以手动用fillna(True)
填充它们。
In [4]: s[mask.fillna(True)]
Out[4]:
0 1
2 3
dtype: int64
Kleene 逻辑操作
arrays.BooleanArray
实现了Kleene 逻辑(有时称为三值逻辑)用于逻辑操作,如&
(与)、|
(或)和^
(异或)。
这个表格展示了每种组合的结果。这些操作是对称的,因此左右两侧的翻转不会影响结果。
表达式 | 结果 |
---|---|
True & True |
True |
True & False |
False |
True & NA |
NA |
False & False |
False |
False & NA |
False |
NA & NA |
NA |
True | True |
True |
True | False |
True |
True | NA |
True |
False | False |
False |
False | NA |
NA |
NA | NA |
NA |
True ^ True |
False |
True ^ False |
True |
True ^ NA |
NA |
False ^ False |
False |
False ^ NA |
NA |
NA ^ NA |
NA |
当操作中存在NA
时,仅当结果无法仅基于其他输入确定时,输出值才为NA
。例如,True | NA
为True
,因为True | True
和True | False
都为True
。在这种情况下,我们实际上不需要考虑NA
的值。
另一方面,True & NA
为NA
。结果取决于NA
是否真的为True
或False
,因为True & True
为True
,但True & False
为False
,所以我们无法确定输出。
这与np.nan
在逻辑操作中的行为不同。pandas 将np.nan
视为输出中始终为假。
在or
中
In [5]: pd.Series([True, False, np.nan], dtype="object") | True
Out[5]:
0 True
1 True
2 False
dtype: bool
In [6]: pd.Series([True, False, np.nan], dtype="boolean") | True
Out[6]:
0 True
1 True
2 True
dtype: boolean
在and
中
In [7]: pd.Series([True, False, np.nan], dtype="object") & True
Out[7]:
0 True
1 False
2 False
dtype: bool
In [8]: pd.Series([True, False, np.nan], dtype="boolean") & True
Out[8]:
0 True
1 False
2 <NA>
dtype: boolean
图表可视化
注意
下面的示例假定您正在使用Jupyter。
本节演示了通过图表进行可视化。 有关表格数据可视化的信息,请参阅表格可视化部分。
我们使用标准约定引用 matplotlib API:
In [1]: import matplotlib.pyplot as plt
In [2]: plt.close("all")
我们在 pandas 中提供了基础知识,以轻松创建看起来不错的图形。 请参阅生态系统页面 以了解超越此处基础文档的可视化库。
注意
所有对 np.random
的调用都使用 123456 作为种子。
基本绘图:plot
我们将演示基础知识,有关一些高级策略,请参阅食谱。
Series 和 DataFrame 上的 plot
方法只是 plt.plot()
的简单包装:
In [3]: np.random.seed(123456)
In [4]: ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))
In [5]: ts = ts.cumsum()
In [6]: ts.plot();
如果索引由日期组成,则调用gcf().autofmt_xdate()
尝试根据上述格式化 x 轴。
在 DataFrame 上,plot()
是一个方便的方法,用于绘制所有带有标签的列:
In [7]: df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list("ABCD"))
In [8]: df = df.cumsum()
In [9]: plt.figure();
In [10]: df.plot();
您可以使用 plot()
中的 x
和 y
关键字绘制一列与另一列的图形:
In [11]: df3 = pd.DataFrame(np.random.randn(1000, 2), columns=["B", "C"]).cumsum()
In [12]: df3["A"] = pd.Series(list(range(len(df))))
In [13]: df3.plot(x="A", y="B");
注意
要了解更多格式和样式选项,请参阅下面的格式化。 ## 其他绘图
绘图方法允许使用除默认线图之外的几种绘图样式。 这些方法可以作为 plot()
的 kind
关键字参数提供,包括:
-
‘bar’ 或 ‘barh’ 用于条形图
-
‘hist’ 用于直方图
-
‘box’ 用于箱线图
-
‘kde’ 或 ‘density’ 用于密度图
-
‘area’ 用于面积图
-
‘scatter’ 用于散点图
-
‘hexbin’ 用于六边形箱图
-
‘pie’ 用于饼图
例如,可以通过以下方式创建条形图:
In [14]: plt.figure();
In [15]: df.iloc[5].plot(kind="bar");
您还可以使用方法DataFrame.plot.<kind>
创建其他图表,而不是提供kind
关键字参数。这样更容易发现绘图方法及其使用的特定参数:
In [16]: df = pd.DataFrame()
In [17]: df.plot.<TAB> # noqa: E225, E999
df.plot.area df.plot.barh df.plot.density df.plot.hist df.plot.line df.plot.scatter
df.plot.bar df.plot.box df.plot.hexbin df.plot.kde df.plot.pie
除了这些kind
,��有 DataFrame.hist()和 DataFrame.boxplot()方法,它们使用单独的接口。
最后,在pandas.plotting
中有几个绘图函数,它们以Series
或DataFrame
作为参数。这些包括:
-
散点矩阵
-
安德鲁斯曲线
-
平行坐标
-
滞后图
-
自相关图
-
自举图
-
RadViz
图表也可以用误差条或表格装饰。
条形图
对于带标签的非时间序列数据,您可能希望生成条形图:
In [18]: plt.figure();
In [19]: df.iloc[5].plot.bar();
In [20]: plt.axhline(0, color="k");
调用 DataFrame 的plot.bar()
方法会生成多条形图:
In [21]: df2 = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"])
In [22]: df2.plot.bar();
要生成堆叠条形图,请传递stacked=True
:
In [23]: df2.plot.bar(stacked=True);
要获得水平条形图,请使用barh
方法:
In [24]: df2.plot.barh(stacked=True);
### 直方图
可以使用DataFrame.plot.hist()
和Series.plot.hist()
方法绘制直方图。
In [25]: df4 = pd.DataFrame(
....: {
....: "a": np.random.randn(1000) + 1,
....: "b": np.random.randn(1000),
....: "c": np.random.randn(1000) - 1,
....: },
....: columns=["a", "b", "c"],
....: )
....:
In [26]: plt.figure();
In [27]: df4.plot.hist(alpha=0.5);
使用stacked=True
可以堆叠直方图。可以使用bins
关键字更改箱子大小。
In [28]: plt.figure();
In [29]: df4.plot.hist(stacked=True, bins=20);
您可以传递 matplotlib 支持的其他关键字hist
。例如,可以通过orientation='horizontal'
和cumulative=True
绘制水平和累积直方图。
In [30]: plt.figure();
In [31]: df4["a"].plot.hist(orientation="horizontal", cumulative=True);
查看hist
方法和matplotlib hist 文档以获取更多信息。
仍然可以使用现有接口DataFrame.hist
绘制直方图。
In [32]: plt.figure();
In [33]: df["A"].diff().hist();
DataFrame.hist()
在多个子图上绘制列的直方图:
In [34]: plt.figure();
In [35]: df.diff().hist(color="k", alpha=0.5, bins=50);
by
关键字可用于绘制分组直方图:
In [36]: data = pd.Series(np.random.randn(1000))
In [37]: data.hist(by=np.random.randint(0, 4, 1000), figsize=(6, 4));
此外,by
关键字也可以在DataFrame.plot.hist()
中指定。
自 1.4.0 版更改。
In [38]: data = pd.DataFrame(
....: {
....: "a": np.random.choice(["x", "y", "z"], 1000),
....: "b": np.random.choice(["e", "f", "g"], 1000),
....: "c": np.random.randn(1000),
....: "d": np.random.randn(1000) - 1,
....: },
....: )
....:
In [39]: data.plot.hist(by=["a", "b"], figsize=(10, 5));
### 箱线图
调用Series.plot.box()
和DataFrame.plot.box()
,或DataFrame.boxplot()
来绘制箱线图以可视化每列中的值的分布。
例如,这是一个表示在 [0,1) 上的均匀随机变量的 10 次观测的五次试验的箱线图。
In [40]: df = pd.DataFrame(np.random.rand(10, 5), columns=["A", "B", "C", "D", "E"])
In [41]: df.plot.box();
通过传递 color
关键字可以给箱线图着色。您可以传递一个 dict
,其键为 boxes
、whiskers
、medians
和 caps
。如果字典中缺少某些键,则对应艺术品将使用默认颜色。此外,箱线图还有 sym
关键字来指定离群值的样式。
当您通过 color
关键字传递其他类型的参数时,它将直接传递给所有 boxes
、whiskers
、medians
和 caps
的着色。
颜色应用于要绘制的每个箱子。如果您需要更复杂的着色,可以通过传递 return_type 获取每个绘制的艺术品。
In [42]: color = {
....: "boxes": "DarkGreen",
....: "whiskers": "DarkOrange",
....: "medians": "DarkBlue",
....: "caps": "Gray",
....: }
....:
In [43]: df.plot.box(color=color, sym="r+");
此外,您还可以传递 matplotlib boxplot
支持的其他关键字。例如,通过 vert=False
和 positions
关键字可以绘制水平和自定义位置的箱线图。
In [44]: df.plot.box(vert=False, positions=[1, 4, 5, 6, 8]);
请查看boxplot
方法和matplotlib 箱线图文档 以获取更多信息。
仍然可以使用现有接口 DataFrame.boxplot
绘制箱线图。
In [45]: df = pd.DataFrame(np.random.rand(10, 5))
In [46]: plt.figure();
In [47]: bp = df.boxplot()
您可以使用 by
关键字参数创建分层箱线图以创建分组。例如,
In [48]: df = pd.DataFrame(np.random.rand(10, 2), columns=["Col1", "Col2"])
In [49]: df["X"] = pd.Series(["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"])
In [50]: plt.figure();
In [51]: bp = df.boxplot(by="X")
你也可以传递一部分列来绘制图表,以及按多列进行分组:
In [52]: df = pd.DataFrame(np.random.rand(10, 3), columns=["Col1", "Col2", "Col3"])
In [53]: df["X"] = pd.Series(["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"])
In [54]: df["Y"] = pd.Series(["A", "B", "A", "B", "A", "B", "A", "B", "A", "B"])
In [55]: plt.figure();
In [56]: bp = df.boxplot(column=["Col1", "Col2"], by=["X", "Y"])
你还可以使用DataFrame.plot.box()
创建分组,例如:
从版本 1.4.0 开始更改。
In [57]: df = pd.DataFrame(np.random.rand(10, 3), columns=["Col1", "Col2", "Col3"])
In [58]: df["X"] = pd.Series(["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"])
In [59]: plt.figure();
In [60]: bp = df.plot.box(column=["Col1", "Col2"], by="X")
在boxplot
中,返回类型可以通过return_type
关键字控制。有效选择为{"axes", "dict", "both", None}
。由DataFrame.boxplot
创建的分面,使用by
关键字,也会影响输出类型:
return_type |
分面 | 输出类型 |
---|---|---|
None |
否 | 轴 |
None |
是 | 2-D 轴数组 |
'axes' |
否 | 轴 |
'axes' |
是 | 轴系列 |
'dict' |
否 | 艺术家字典 |
'dict' |
是 | 艺术家字典系列 |
'both' |
否 | 命名元组 |
'both' |
是 | 命名元组系列 |
Groupby.boxplot
始终返回return_type
的Series
。
In [61]: np.random.seed(1234)
In [62]: df_box = pd.DataFrame(np.random.randn(50, 2))
In [63]: df_box["g"] = np.random.choice(["A", "B"], size=50)
In [64]: df_box.loc[df_box["g"] == "B", 1] += 3
In [65]: bp = df_box.boxplot(by="g")
上面的子图首先按数值列分割,然后按g
列的值分割。下面的子图首先按g
的值分割,然后按数值列分割。
In [66]: bp = df_box.groupby("g").boxplot()
### 面积图
你可以使用Series.plot.area()
和DataFrame.plot.area()
创建面积图。面积图默认堆叠。要生成堆叠的面积图,每列必须是全部正值或全部负值。
当输入数据包含NaN
时,它将自动填充为 0。如果要删除或用不同值填充,请在调用plot
之前使用dataframe.dropna()
或dataframe.fillna()
。
In [67]: df = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"])
In [68]: df.plot.area();
要生成未堆叠的图,请传递stacked=False
。除非另有说明,否则 alpha 值设置为 0.5:
In [69]: df.plot.area(stacked=False);
### 散点图
散点图可以通过使用DataFrame.plot.scatter()
方法绘制。散点图需要 x 轴和 y 轴的数值列。这些可以通过x
和y
关键字指定。
In [70]: df = pd.DataFrame(np.random.rand(50, 4), columns=["a", "b", "c", "d"])
In [71]: df["species"] = pd.Categorical(
....: ["setosa"] * 20 + ["versicolor"] * 20 + ["virginica"] * 10
....: )
....:
In [72]: df.plot.scatter(x="a", y="b");
要在单个轴上绘制多个列组,请重复plot
方法并指定目标ax
。建议指定color
和label
关键字以区分每个组。
In [73]: ax = df.plot.scatter(x="a", y="b", color="DarkBlue", label="Group 1")
In [74]: df.plot.scatter(x="c", y="d", color="DarkGreen", label="Group 2", ax=ax);
关键字 c
可以作为列的名称,为每个点提供颜色:
In [75]: df.plot.scatter(x="a", y="b", c="c", s=50);
如果传递给 c
的是一个分类列,则会生成一个离散的颜色条:
新版本 1.3.0 中添加。
In [76]: df.plot.scatter(x="a", y="b", c="species", cmap="viridis", s=50);
你可以传递 matplotlib
支持的其他关键字给 scatter
。下面的示例展示了使用 DataFrame
列作为气泡大小的气泡图。
In [77]: df.plot.scatter(x="a", y="b", s=df["c"] * 200);
查看 scatter
方法和 matplotlib scatter 文档 了解更多。### 六边形 bin 图
你可以使用 DataFrame.plot.hexbin()
创建六边形 bin 图。如果你的数据过于密集而无法单独绘制每个点,则六边形 bin 图可以作为散点图的有用替代品。
In [78]: df = pd.DataFrame(np.random.randn(1000, 2), columns=["a", "b"])
In [79]: df["b"] = df["b"] + np.arange(1000)
In [80]: df.plot.hexbin(x="a", y="b", gridsize=25);
一个有用的关键字参数是 gridsize
;它控制 x 方向上的六边形数量,默认为 100。更大的 gridsize
意味着更多、更小的 bins。
默认情况下,计算每个 (x, y)
点周围的计数直方图。你可以通过将值传递给 C
和 reduce_C_function
参数来指定替代聚合。C
指定每个 (x, y)
点的值,而 reduce_C_function
是一个函数,接受一个参数,将一个 bin 中的所有值减少到一个单一的数字(例如 mean
、max
、sum
、std
)。在这个示例中,位置由列 a
和 b
给出,而值由列 z
给出。使用 NumPy 的 max
函数对 bins 进行聚合。
In [81]: df = pd.DataFrame(np.random.randn(1000, 2), columns=["a", "b"])
In [82]: df["b"] = df["b"] + np.arange(1000)
In [83]: df["z"] = np.random.uniform(0, 3, 1000)
In [84]: df.plot.hexbin(x="a", y="b", C="z", reduce_C_function=np.max, gridsize=25);
查看 hexbin
方法和 matplotlib hexbin 文档 了解更多。### 饼图
您可以使用DataFrame.plot.pie()
或Series.plot.pie()
创建饼图。如果您的数据包含任何NaN
,它们将自动填充为 0。如果数据中有任何负值,将引发ValueError
。
In [85]: series = pd.Series(3 * np.random.rand(4), index=["a", "b", "c", "d"], name="series")
In [86]: series.plot.pie(figsize=(6, 6));
对于饼图,最好使用正方形图形,即图形纵横比为 1。您可以创建宽度和高度相等的图形,或者在绘图后通过调用ax.set_aspect('equal')
来强制纵横比相等。
请注意,使用DataFrame
创建饼图需要通过y
参数指定目标列或subplots=True
。当指定y
时,将绘制所选列的饼图。如果指定了subplots=True
,将为每列绘制饼图子图。默认情况下,每个饼图中都会绘制图例;指定legend=False
以隐藏图例。
In [87]: df = pd.DataFrame(
....: 3 * np.random.rand(4, 2), index=["a", "b", "c", "d"], columns=["x", "y"]
....: )
....:
In [88]: df.plot.pie(subplots=True, figsize=(8, 4));
您可以使用labels
和colors
关键字来指定每个楔形的标签和颜色。
警告
大多数 pandas 绘图使用label
和color
参数(请注意这两个参数上没有“s”)。为了与matplotlib.pyplot.pie()
保持一致,您必须使用labels
和colors
。
如果要隐藏楔形标签,请指定labels=None
。如果指定了fontsize
,则该值将应用于楔形标签。此外,matplotlib.pyplot.pie()
支持的其他关键字也可以使用。
In [89]: series.plot.pie(
....: labels=["AA", "BB", "CC", "DD"],
....: colors=["r", "g", "b", "c"],
....: autopct="%.2f",
....: fontsize=20,
....: figsize=(6, 6),
....: );
....:
如果传递的值总和小于 1.0,则它们将被重新缩放,使其总和为 1。
In [90]: series = pd.Series([0.1] * 4, index=["a", "b", "c", "d"], name="series2")
In [91]: series.plot.pie(figsize=(6, 6));
查看更多内容,请参阅matplotlib 饼图文档。 ## 使用缺失数据绘图
pandas 在绘制包含缺失数据的DataFrame
或Series
时会尝试实用。根据绘图类型,缺失值将被删除、省略或填充。
绘图类型 | NaN 处理 |
---|---|
折线图 | 在 NaN 处留空 |
折线图(堆叠) | 填充 0 |
条形图 | 填充 0 |
散点图 | 删除 NaN |
直方图 | 删除 NaN(列) |
箱线图 | 删除 NaN(列) |
面积图 | 填充 0 |
KDE | 删除 NaN(列) |
六边形图 | 删除 NaN |
饼图 | 填充 0 |
如果默认设置不符合您的要求,或者您想明确指定如何处理缺失值,请考虑在绘图之前使用fillna()
或dropna()
。## 绘图工具
这些函数可以从pandas.plotting
中导入,并将Series
或DataFrame
作为参数。
散点矩阵图
你可以使用pandas.plotting
中的scatter_matrix
方法创建散点图矩阵:
In [92]: from pandas.plotting import scatter_matrix
In [93]: df = pd.DataFrame(np.random.randn(1000, 4), columns=["a", "b", "c", "d"])
In [94]: scatter_matrix(df, alpha=0.2, figsize=(6, 6), diagonal="kde");
### 密度图
你可以使用Series.plot.kde()
和DataFrame.plot.kde()
方法创建密度图。
In [95]: ser = pd.Series(np.random.randn(1000))
In [96]: ser.plot.kde();
### 安德鲁斯曲线
安德鲁斯曲线允许我们将多变量数据绘制为大量曲线,这些曲线是使用样本属性作为傅立叶级数的系数创建的,详见维基百科条目。通过为每个类别的曲线着不同颜色,可以可视化数据聚类。属于同一类别样本的曲线通常会更接近并形成更大的结构。
注意:可在此处获取“Iris”数据集。
In [97]: from pandas.plotting import andrews_curves
In [98]: data = pd.read_csv("data/iris.data")
In [99]: plt.figure();
In [100]: andrews_curves(data, "Name");
### 平行坐标
平行坐标是一种用于绘制多变量数据的绘图技术,详见维基百科条目。平行坐标允许我们看到数据中的聚类,并通过视觉估计其他统计数据。使用平行坐标,点被表示为连接的线段。每条垂直线代表一个属性。一组连接的线段代表一个数据点。倾向于聚类的点会更接近。
In [101]: from pandas.plotting import parallel_coordinates
In [102]: data = pd.read_csv("data/iris.data")
In [103]: plt.figure();
In [104]: parallel_coordinates(data, "Name");
### 滞后图
滞后图用于检查数据集或时间序列是否是随机的。随机数据不应在滞后图中显示任何结构。非随机结构意味着底层数据不是随机的。可以传递lag
参数,当lag=1
时,图形基本上是data[:-1]
vs. data[1:]
。
In [105]: from pandas.plotting import lag_plot
In [106]: plt.figure();
In [107]: spacing = np.linspace(-99 * np.pi, 99 * np.pi, num=1000)
In [108]: data = pd.Series(0.1 * np.random.rand(1000) + 0.9 * np.sin(spacing))
In [109]: lag_plot(data);
### 自相关图
自相关图通常用于检查时间序列中的随机性。这是通过计算不同时间滞后处的数据值的自相关来实现的。如果时间序列是随机的,这些自相关应该在任何时间滞后分离处接近零。如果时间序列是非随机的,那么一个或多个自相关将显着非零。图中显示的水平线对应于 95%和 99%的置信区间。虚线是 99%的置信区间。有关自相关图的更多信息,请参阅Wikipedia 条目。
In [110]: from pandas.plotting import autocorrelation_plot
In [111]: plt.figure();
In [112]: spacing = np.linspace(-9 * np.pi, 9 * np.pi, num=1000)
In [113]: data = pd.Series(0.7 * np.random.rand(1000) + 0.3 * np.sin(spacing))
In [114]: autocorrelation_plot(data);
### Bootstrap 图
Bootstrap 图用于直观评估统计量(如均值、中位数、中程等)的不确定性。从数据集中选择指定大小的随机子集,计算该子集的统计量,然后重复该过程指定次数。生成的图和直方图构成了 Bootstrap 图。
In [115]: from pandas.plotting import bootstrap_plot
In [116]: data = pd.Series(np.random.rand(1000))
In [117]: bootstrap_plot(data, size=50, samples=500, color="grey");
### RadViz
RadViz 是一种可视化多变量数据的方法。它基于简单的弹簧张力最小化算法。基本上,您在平面上设置一堆点。在我们的情况下,它们在单位圆上等距分布。每个点代表一个单独的属性。然后,您假装数据集中的每个样本都通过弹簧连接到这些点,弹簧的刚度与该属性的数值成比例(它们被归一化为单位间隔)。我们的样本定居到的平面上的点(在我们的样本上作用的力处于平衡状态的地方)是我们的样本将被绘制的点。根据该样本属于哪个类别,它将以不同的颜色着色。有关更多信息,请参阅 R 包Radviz。
注意: “鸢尾花”数据集可在此处获取。
In [118]: from pandas.plotting import radviz
In [119]: data = pd.read_csv("data/iris.data")
In [120]: plt.figure();
In [121]: radviz(data, "Name");
## 绘图格式
设置绘图样式
从 1.5 版本开始,matplotlib 提供了一系列预配置的绘图样式。设置样式可用于轻松地给出所需的绘图外观。在创建绘图之前调用matplotlib.style.use(my_plot_style)
即可设置样式。例如,您可以写matplotlib.style.use('ggplot')
以获得 ggplot 风格的绘图。
您可以在matplotlib.style.available
中看到各种可用的样式名称,并且很容易尝试它们。
一般绘图样式参数
大多数绘图方法都有一组关键字参数,用于控制返回绘图的布局和格式:
In [122]: plt.figure();
In [123]: ts.plot(style="k--", label="Series");
对于每种类型的图(例如 line
、bar
、scatter
),将任何附加的参数关键字传递给相应的 matplotlib 函数(ax.plot()
、ax.bar()
、ax.scatter()
)。 这些可以用来控制额外的样式,超出了 pandas 提供的范围。
控制图例
您可以将 legend
参数设置为 False
以隐藏默认显示的图例。
In [124]: df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list("ABCD"))
In [125]: df = df.cumsum()
In [126]: df.plot(legend=False);
控制标签
您可以设置 xlabel
和 ylabel
参数以为绘图设置自定义标签,用于 x 和 y 轴。 默认情况下,pandas 将采用索引名称作为 xlabel,同时将其留空作为 ylabel。
In [127]: df.plot();
In [128]: df.plot(xlabel="new x", ylabel="new y");
比例
你可以传递logy
以获得对数刻度 Y 轴。
In [129]: ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))
In [130]: ts = np.exp(ts.cumsum())
In [131]: ts.plot(logy=True);
还请参阅 logx
和 loglog
关键字参数。
在次要 y 轴上绘图
要在次要 y 轴上绘制数据,请使用 secondary_y
关键字:
In [132]: df["A"].plot();
In [133]: df["B"].plot(secondary_y=True, style="g");
要在 DataFrame
中绘制某些列,请将列名传递给 secondary_y
关键字:
In [134]: plt.figure();
In [135]: ax = df.plot(secondary_y=["A", "B"])
In [136]: ax.set_ylabel("CD scale");
In [137]: ax.right_ax.set_ylabel("AB scale");
请注意,在图例中,自动标记在次要 y 轴上绘制的列为“(right)” 。 要关闭自动标记,请使用 mark_right=False
关键字:
In [138]: plt.figure();
In [139]: df.plot(secondary_y=["A", "B"], mark_right=False);
### 时间序列图的自定义格式化程序
pandas 为时间序列图提供了自定义格式化程序。 这些更改日期和时间的轴标签的格式。 默认情况下,自定义格式化程序仅应用于由 pandas 使用 DataFrame.plot()
或 Series.plot()
创建的图。 要使它们应用于所有图,包括由 matplotlib 制作的图,请设置选项 pd.options.plotting.matplotlib.register_converters = True
或使用 pandas.plotting.register_matplotlib_converters()
。
抑制刻度分辨率调整
pandas 包括用于常规频率时间序列数据的自动刻度分辨率调整。对于 pandas 无法推断频率信息的有限情况(例如,在外部创建的twinx
中),您可以选择抑制此行为以进行对齐。
这是默认行为,请注意 x 轴刻度标签的执行方式:
In [140]: plt.figure();
In [141]: df["A"].plot();
使用x_compat
参数,您可以抑制此行为:
In [142]: plt.figure();
In [143]: df["A"].plot(x_compat=True);
如果有多个需要抑制的图,可以在with
语句中使用pandas.plotting.plot_params
中的use
方法:
In [144]: plt.figure();
In [145]: with pd.plotting.plot_params.use("x_compat", True):
.....: df["A"].plot(color="r")
.....: df["B"].plot(color="g")
.....: df["C"].plot(color="b")
.....:
自动日期刻度调整
TimedeltaIndex
现在使用本机 matplotlib 刻度定位器方法,对于刻度标签重叠的图形,调用 matplotlib 的自动日期刻度调整非常有用。
有关更多信息,请参阅autofmt_xdate
方法和matplotlib 文档。
子图
DataFrame
中的每个Series
可以使用subplots
关键字在不同的轴上绘制:
In [146]: df.plot(subplots=True, figsize=(6, 6));
使用布局并针对多个轴
子图的布局可以通过layout
关键字指定。它可以接受(行数,列数)
。layout
关键字也可以在hist
和boxplot
中使用。如果输入无效,将引发ValueError
。
由layout
指定的行 x 列包含的轴数必须大于所需子图的数量。如果layout
可以容纳更多轴,那么空白轴将不会被绘制。类似于 NumPy 数组的reshape
方法,您可以在一个维度上使用-1
来自动计算所需的行数或列数,给定另一个维度。
In [147]: df.plot(subplots=True, layout=(2, 3), figsize=(6, 6), sharex=False);
上面的示例与使用以下内容相同:
In [148]: df.plot(subplots=True, layout=(2, -1), figsize=(6, 6), sharex=False);
所需的列数(3)是从要绘制的系列数和给定的行数(2)推断出来的。
您可以通过ax
关键字以类似列表的方式传递预先创建的多个轴。这允许更复杂的布局。传递的轴必须与正在绘制的子图数量相同。
当通过ax
关键字传递多个轴时,layout
、sharex
和sharey
关键字不会影响输出。您应该明确传递sharex=False
和sharey=False
,否则将会看到警告。
In [149]: fig, axes = plt.subplots(4, 4, figsize=(9, 9))
In [150]: plt.subplots_adjust(wspace=0.5, hspace=0.5)
In [151]: target1 = [axes[0][0], axes[1][1], axes[2][2], axes[3][3]]
In [152]: target2 = [axes[3][0], axes[2][1], axes[1][2], axes[0][3]]
In [153]: df.plot(subplots=True, ax=target1, legend=False, sharex=False, sharey=False);
In [154]: (-df).plot(subplots=True, ax=target2, legend=False, sharex=False, sharey=False);
另一个选项是通过在Series.plot()
中传递一个ax
参数来在特定轴上绘制:
In [155]: np.random.seed(123456)
In [156]: ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))
In [157]: ts = ts.cumsum()
In [158]: df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list("ABCD"))
In [159]: df = df.cumsum()
In [160]: fig, axes = plt.subplots(nrows=2, ncols=2)
In [161]: plt.subplots_adjust(wspace=0.2, hspace=0.5)
In [162]: df["A"].plot(ax=axes[0, 0]);
In [163]: axes[0, 0].set_title("A");
In [164]: df["B"].plot(ax=axes[0, 1]);
In [165]: axes[0, 1].set_title("B");
In [166]: df["C"].plot(ax=axes[1, 0]);
In [167]: axes[1, 0].set_title("C");
In [168]: df["D"].plot(ax=axes[1, 1]);
In [169]: axes[1, 1].set_title("D");
### 带有误差条的绘图
在DataFrame.plot()
和 Series.plot()
中支持使用误差条绘图。
水平和垂直误差条可以分别通过 xerr
和 yerr
关键字参数传递给 plot()
。误差值可以使用多种格式指定:
-
作为与绘图的
DataFrame
的列名匹配的误差的DataFrame
或字典,或与Series
的name
属性匹配的误差。 -
作为一个字符串,指示绘图的
DataFrame
中哪些列包含误差值。 -
作为原始值(
list
、tuple
或np.ndarray
)。必须与绘图的DataFrame
/Series
的长度相同。
下面是从原始数据轻松绘制组均值和标准差的一个示例。
# Generate the data
In [170]: ix3 = pd.MultiIndex.from_arrays(
.....: [
.....: ["a", "a", "a", "a", "a", "b", "b", "b", "b", "b"],
.....: ["foo", "foo", "foo", "bar", "bar", "foo", "foo", "bar", "bar", "bar"],
.....: ],
.....: names=["letter", "word"],
.....: )
.....:
In [171]: df3 = pd.DataFrame(
.....: {
.....: "data1": [9, 3, 2, 4, 3, 2, 4, 6, 3, 2],
.....: "data2": [9, 6, 5, 7, 5, 4, 5, 6, 5, 1],
.....: },
.....: index=ix3,
.....: )
.....:
# Group by index labels and take the means and standard deviations
# for each group
In [172]: gp3 = df3.groupby(level=("letter", "word"))
In [173]: means = gp3.mean()
In [174]: errors = gp3.std()
In [175]: means
Out[175]:
data1 data2
letter word
a bar 3.500000 6.000000
foo 4.666667 6.666667
b bar 3.666667 4.000000
foo 3.000000 4.500000
In [176]: errors
Out[176]:
data1 data2
letter word
a bar 0.707107 1.414214
foo 3.785939 2.081666
b bar 2.081666 2.645751
foo 1.414214 0.707107
# Plot
In [177]: fig, ax = plt.subplots()
In [178]: means.plot.bar(yerr=errors, ax=ax, capsize=4, rot=0);
在这种情况下,也支持不对称误差条,但必须提供原始误差值。对于长度为N
的 Series
,应提供一个 2xN
的数组,表示下限和上限(或左右)误差。对于 MxN
的DataFrame
,不对称误差应该是一个 Mx2xN
的数组。
下面是使用不对称误差条绘制最小/最大范围的一个示例。
In [179]: mins = gp3.min()
In [180]: maxs = gp3.max()
# errors should be positive, and defined in the order of lower, upper
In [181]: errors = [[means[c] - mins[c], maxs[c] - means[c]] for c in df3.columns]
# Plot
In [182]: fig, ax = plt.subplots()
In [183]: means.plot.bar(yerr=errors, ax=ax, capsize=4, rot=0);
### 绘制表格
使用 matplotlib 表格绘图现在支持在DataFrame.plot()
和 Series.plot()
中使用 table
关键字。table
关键字可以接受 bool
、DataFrame
或 Series
。绘制表格的简单方法是指定 table=True
。数据将被转置以符合 matplotlib 的默认布局。
In [184]: np.random.seed(123456)
In [185]: fig, ax = plt.subplots(1, 1, figsize=(7, 6.5))
In [186]: df = pd.DataFrame(np.random.rand(5, 3), columns=["a", "b", "c"])
In [187]: ax.xaxis.tick_top() # Display x-axis ticks on top.
In [188]: df.plot(table=True, ax=ax);
此外,您可以传递不同的 DataFrame
或 Series
给 table
关键字。数据将按照 print 方法中显示的方式绘制(不会自动转置)。如果需要,应手动转置,如下面的示例所示。
In [189]: fig, ax = plt.subplots(1, 1, figsize=(7, 6.75))
In [190]: ax.xaxis.tick_top() # Display x-axis ticks on top.
In [191]: df.plot(table=np.round(df.T, 2), ax=ax);
还存在一个辅助函数 pandas.plotting.table
,它从 DataFrame
或 Series
创建一个表,并将其添加到 matplotlib.Axes
实例中。此函数可以接受 matplotlib table 具有的关键字。
In [192]: from pandas.plotting import table
In [193]: fig, ax = plt.subplots(1, 1)
In [194]: table(ax, np.round(df.describe(), 2), loc="upper right", colWidths=[0.2, 0.2, 0.2]);
In [195]: df.plot(ax=ax, ylim=(0, 2), legend=None);
注意:您可以使用 axes.tables
属性在轴上获取表实例,以进行进一步的装饰。有关更多信息,请参阅 matplotlib 表格文档。 ### 色图
绘制大量列时可能出现的一个潜在问题是,由于默认颜色中的重复,一些系列很难区分。为了解决这个问题,DataFrame
绘图支持使用 colormap
参数,该参数接受 Matplotlib colormap 或一个字符串,该字符串是注册到 Matplotlib 的 colormap 的名称。默认 matplotlib 色图的可视化参考 此处。
由于 matplotlib 不直接支持基于线的图的色图,所以颜色是根据 DataFrame
中的列数确定的均匀间距选择的。没有考虑背景颜色,因此一些色图会产生不易看到的线。
要使用 cubehelix 色图,我们可以传递 colormap='cubehelix'
。
In [196]: np.random.seed(123456)
In [197]: df = pd.DataFrame(np.random.randn(1000, 10), index=ts.index)
In [198]: df = df.cumsum()
In [199]: plt.figure();
In [200]: df.plot(colormap="cubehelix");
或者,我们可以传递色图本身:
In [201]: from matplotlib import cm
In [202]: plt.figure();
In [203]: df.plot(colormap=cm.cubehelix);
色图也可以用于其他绘图类型,如条形图:
In [204]: np.random.seed(123456)
In [205]: dd = pd.DataFrame(np.random.randn(10, 10)).map(abs)
In [206]: dd = dd.cumsum()
In [207]: plt.figure();
In [208]: dd.plot.bar(colormap="Greens");
平行坐标图:
In [209]: plt.figure();
In [210]: parallel_coordinates(data, "Name", colormap="gist_rainbow");
Andrews 曲线图:
In [211]: plt.figure();
In [212]: andrews_curves(data, "Name", colormap="winter");
直接使用 Matplotlib 绘图
在某些情况下,直接使用 matplotlib 准备图形可能仍然更可取或必要,例如当 pandas 尚不支持某种类型的图形或自定义时。Series
和DataFrame
对象的行为类似于数组,因此可以直接将它们传递给 matplotlib 函数,而无需显式转换。
pandas 还自动注册了识别日期索引的格式化程序和定位器,从而将日期和时间支持扩展到几乎所有 matplotlib 中可用的绘图类型。尽管这种格式化不提供通过 pandas 绘图时获得的相同精细度水平,但在绘制大量点时可能更快。
In [213]: np.random.seed(123456)
In [214]: price = pd.Series(
.....: np.random.randn(150).cumsum(),
.....: index=pd.date_range("2000-1-1", periods=150, freq="B"),
.....: )
.....:
In [215]: ma = price.rolling(20).mean()
In [216]: mstd = price.rolling(20).std()
In [217]: plt.figure();
In [218]: plt.plot(price.index, price, "k");
In [219]: plt.plot(ma.index, ma, "b");
In [220]: plt.fill_between(mstd.index, ma - 2 * mstd, ma + 2 * mstd, color="b", alpha=0.2);
绘图后端
pandas 可以通过第三方绘图后端进行扩展。主要思想是让用户选择一个基于 Matplotlib 提供的绘图后端不同的绘图后端。
这可以通过在plot
函数中将‘backend.module’作为参数backend
传递来实现。例如:
>>> Series([1, 2, 3]).plot(backend="backend.module")
或者,您也���以全局设置此选项,这样您就不需要在每个plot
调用中指定关键字。例如:
>>> pd.set_option("plotting.backend", "backend.module")
>>> pd.Series([1, 2, 3]).plot()
或者:
>>> pd.options.plotting.backend = "backend.module"
>>> pd.Series([1, 2, 3]).plot()
这基本上等同于:
>>> import backend.module
>>> backend.module.plot(pd.Series([1, 2, 3]))
然后,后端模块可以使用其他可视化工具(Bokeh、Altair、hvplot 等)生成图形。一些为 pandas 实现后端的库列在生态系统页面上。
开发人员指南可以在pandas.pydata.org/docs/dev/development/extending.html#plotting-backends
找到
基本绘图:plot
我们将演示基础知识,有关一些高级策略,请参见食谱。
Series 和 DataFrame 上的plot
方法只是对plt.plot()
的简单包装:
In [3]: np.random.seed(123456)
In [4]: ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))
In [5]: ts = ts.cumsum()
In [6]: ts.plot();
如果索引由日期组成,则调用gcf().autofmt_xdate()
尝试根据上述格式化 x 轴。
在 DataFrame 上,plot()
是一个方便的方法,用于绘制所有带有标签的列:
In [7]: df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list("ABCD"))
In [8]: df = df.cumsum()
In [9]: plt.figure();
In [10]: df.plot();
您可以使用plot()
中的x
和y
关键字绘制一列与另一列的图形:
In [11]: df3 = pd.DataFrame(np.random.randn(1000, 2), columns=["B", "C"]).cumsum()
In [12]: df3["A"] = pd.Series(list(range(len(df))))
In [13]: df3.plot(x="A", y="B");
注意
要了解更多格式和样式选项,请参见下面的格式化。
其他图形
绘图方法除了默认的线图之外,还允许使用一些其他样式的绘图。这些方法可以作为 plot()
的 kind
关键字参数提供,包括:
-
‘bar’ 或 ‘barh’ 用于条形图
-
‘hist’ 用于直方图
-
‘box’ 用于箱线图
-
‘kde’ 或 ‘density’ 用于密度图
-
‘area’ 用于面积图
-
‘scatter’ 用于散点图
-
‘hexbin’ 用于六边形二进制图
-
‘pie’ 用于饼图
例如,可以通过以下方式创建条形图:
In [14]: plt.figure();
In [15]: df.iloc[5].plot(kind="bar");
您还可以使用方法 DataFrame.plot.<kind>
来创建这些其他图,而不是提供 kind
关键字参数。这样可以更容易地发现绘图方法和它们使用的具体参数:
In [16]: df = pd.DataFrame()
In [17]: df.plot.<TAB> # noqa: E225, E999
df.plot.area df.plot.barh df.plot.density df.plot.hist df.plot.line df.plot.scatter
df.plot.bar df.plot.box df.plot.hexbin df.plot.kde df.plot.pie
除了这些 kind
,还有 DataFrame.hist() 和 DataFrame.boxplot() 方法,它们使用单独的界面。
最后,pandas.plotting
中有几个 绘图函数,它们将 Series
或 DataFrame
作为参数。这些包括:
-
散点矩阵
-
安德鲁曲线
-
平行坐标
-
滞后图
-
自相关图
-
自举图
-
RadViz
图表也可以装饰有 误差条 或 表格。
条形图
对于带标签的非时间序列数据,您可能希望生成条形图:
In [18]: plt.figure();
In [19]: df.iloc[5].plot.bar();
In [20]: plt.axhline(0, color="k");
调用 DataFrame 的 plot.bar()
方法会生成多条条形图:
In [21]: df2 = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"])
In [22]: df2.plot.bar();
要生成堆叠条形图,请传递 stacked=True
:
In [23]: df2.plot.bar(stacked=True);
要获得水平条形图,请使用 barh
方法:
In [24]: df2.plot.barh(stacked=True);
### 直方图
直方图可以通过使用DataFrame.plot.hist()
和 Series.plot.hist()
方法绘制。
In [25]: df4 = pd.DataFrame(
....: {
....: "a": np.random.randn(1000) + 1,
....: "b": np.random.randn(1000),
....: "c": np.random.randn(1000) - 1,
....: },
....: columns=["a", "b", "c"],
....: )
....:
In [26]: plt.figure();
In [27]: df4.plot.hist(alpha=0.5);
可以使用stacked=True
堆叠直方图。可以使用bins
关键字更改箱子大小。
In [28]: plt.figure();
In [29]: df4.plot.hist(stacked=True, bins=20);
您可以传递 matplotlib 支持的其他关键字。例如,可以通过orientation='horizontal'
和cumulative=True
绘制水平和累积直方图。
In [30]: plt.figure();
In [31]: df4["a"].plot.hist(orientation="horizontal", cumulative=True);
查看 hist
方法和 matplotlib 直方图文档 以获取更多信息。
现有的接口DataFrame.hist
用于绘制直方图仍然可以使用。
In [32]: plt.figure();
In [33]: df["A"].diff().hist();
DataFrame.hist()
在多个子图上绘制列的直方图:
In [34]: plt.figure();
In [35]: df.diff().hist(color="k", alpha=0.5, bins=50);
可以指定by
关键字以绘制分组直方图:
In [36]: data = pd.Series(np.random.randn(1000))
In [37]: data.hist(by=np.random.randint(0, 4, 1000), figsize=(6, 4));
另外,在 DataFrame.plot.hist()
中也可以指定by
关键字。
从版本 1.4.0 开始更改。
In [38]: data = pd.DataFrame(
....: {
....: "a": np.random.choice(["x", "y", "z"], 1000),
....: "b": np.random.choice(["e", "f", "g"], 1000),
....: "c": np.random.randn(1000),
....: "d": np.random.randn(1000) - 1,
....: },
....: )
....:
In [39]: data.plot.hist(by=["a", "b"], figsize=(10, 5));
### 箱线图
绘制箱线图可以调用Series.plot.box()
和 DataFrame.plot.box()
,或者 DataFrame.boxplot()
来可视化每一列中值的分布。
例如,这里是表示五次对 [0,1) 上的均匀随机变量进行的 10 次观察的箱线图。
In [40]: df = pd.DataFrame(np.random.rand(10, 5), columns=["A", "B", "C", "D", "E"])
In [41]: df.plot.box();
通过传递color
关键字可以给箱线图上色。您可以传递一个dict
,其键为boxes
、whiskers
、medians
和caps
。如果字典中缺少某些键,则对应艺术家使用默认颜色。此外,箱线图具有sym
关键字,用于指定异常值的样式。
当您通过color
关键字传递其他类型的参数时,它将直接传递给 matplotlib 所有boxes
、whiskers
、medians
和caps
的着色。
颜色应用于要绘制的每个箱子。如果您需要更复杂的着色,可以通过传递 return_type 来获取每个绘制的艺术家。
In [42]: color = {
....: "boxes": "DarkGreen",
....: "whiskers": "DarkOrange",
....: "medians": "DarkBlue",
....: "caps": "Gray",
....: }
....:
In [43]: df.plot.box(color=color, sym="r+");
此外,您还可以传递 matplotlib boxplot
支持的其他关键字。例如,通过vert=False
和positions
关键字可以绘制水平和自定义位置的箱线图。
In [44]: df.plot.box(vert=False, positions=[1, 4, 5, 6, 8]);
更多信息请参见boxplot
方法和matplotlib 箱线图文档。
仍然可以使用现有接口DataFrame.boxplot
来绘制箱线图。
In [45]: df = pd.DataFrame(np.random.rand(10, 5))
In [46]: plt.figure();
In [47]: bp = df.boxplot()
你可以使用by
关键字参数创建分组来创建分层箱线图。例如,
In [48]: df = pd.DataFrame(np.random.rand(10, 2), columns=["Col1", "Col2"])
In [49]: df["X"] = pd.Series(["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"])
In [50]: plt.figure();
In [51]: bp = df.boxplot(by="X")
您还可以传递要绘制的列的子集,以及按多个列分组:
In [52]: df = pd.DataFrame(np.random.rand(10, 3), columns=["Col1", "Col2", "Col3"])
In [53]: df["X"] = pd.Series(["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"])
In [54]: df["Y"] = pd.Series(["A", "B", "A", "B", "A", "B", "A", "B", "A", "B"])
In [55]: plt.figure();
In [56]: bp = df.boxplot(column=["Col1", "Col2"], by=["X", "Y"])
你也可以使用DataFrame.plot.box()
创建分组,例如:
从版本 1.4.0 开始更改。
In [57]: df = pd.DataFrame(np.random.rand(10, 3), columns=["Col1", "Col2", "Col3"])
In [58]: df["X"] = pd.Series(["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"])
In [59]: plt.figure();
In [60]: bp = df.plot.box(column=["Col1", "Col2"], by="X")
在boxplot
中,返回类型可以通过return_type
关键字控制。有效选择为{"axes", "dict", "both", None}
。由带有by
关键字的DataFrame.boxplot
创建的分面图也会影响输出类型:
return_type |
分面 | 输出类型 |
---|---|---|
None |
否 | axes |
None |
是 | 2-D ndarray of axes |
'axes' |
否 | axes |
'axes' |
是 | axes 的 Series |
'dict' |
否 | 艺术家的字典 |
'dict' |
是 | 艺术家字典的 Series |
'both' |
否 | 命名元组 |
'both' |
是 | 命名元组的 Series |
Groupby.boxplot
总是返回一个return_type
的Series
。
In [61]: np.random.seed(1234)
In [62]: df_box = pd.DataFrame(np.random.randn(50, 2))
In [63]: df_box["g"] = np.random.choice(["A", "B"], size=50)
In [64]: df_box.loc[df_box["g"] == "B", 1] += 3
In [65]: bp = df_box.boxplot(by="g")
上面的子图首先按数字列分割,然后按g
列的值分割。下面的子图首先按g
的值分割,然后按数字列分割。
In [66]: bp = df_box.groupby("g").boxplot()
### 区域图
您可以使用Series.plot.area()
和DataFrame.plot.area()
创建区域图。默认情况下,区域图是堆叠的。要产生堆叠的区域图,每列必须是所有正值或所有负值。
当输入数据包含NaN
时,它将自动填充为 0。如果要删除或用不同值填充,请在调用plot
之前使用dataframe.dropna()
或dataframe.fillna()
。
In [67]: df = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"])
In [68]: df.plot.area();
要生成一个未堆叠的图,请传递stacked=False
。除非另有说明,否则 alpha 值设置为 0.5:
In [69]: df.plot.area(stacked=False);
### 散点图
可以使用DataFrame.plot.scatter()
方法绘制散点图。散点图需要 x 轴和 y 轴的数值列。这些可以通过x
和y
关键字指定。
In [70]: df = pd.DataFrame(np.random.rand(50, 4), columns=["a", "b", "c", "d"])
In [71]: df["species"] = pd.Categorical(
....: ["setosa"] * 20 + ["versicolor"] * 20 + ["virginica"] * 10
....: )
....:
In [72]: df.plot.scatter(x="a", y="b");
要在单个轴上绘制多个列组,请重复plot
方法并指定目标ax
。建议指定color
和label
关键字以区分每个组。
In [73]: ax = df.plot.scatter(x="a", y="b", color="DarkBlue", label="Group 1")
In [74]: df.plot.scatter(x="c", y="d", color="DarkGreen", label="Group 2", ax=ax);
关键字c
可以作为列名给出,为每个点提供颜色:
In [75]: df.plot.scatter(x="a", y="b", c="c", s=50);
如果将分类列传递给c
,则将生成离散的颜色条:
新版本 1.3.0 中。
In [76]: df.plot.scatter(x="a", y="b", c="species", cmap="viridis", s=50);
你可以传递其他由 matplotlib 支持的关键字scatter
。下面的示例显示了使用DataFrame
列作为气泡大小的气泡图。
In [77]: df.plot.scatter(x="a", y="b", s=df["c"] * 200);
有关更多信息,请参阅scatter
方法和matplotlib scatter 文档。### 六边形箱图
您可以使用DataFrame.plot.hexbin()
创建六边形箱图。如果您的数据过于密集而无法单独绘制每个点,则六边形箱图可以是散点图的有用替代品。
In [78]: df = pd.DataFrame(np.random.randn(1000, 2), columns=["a", "b"])
In [79]: df["b"] = df["b"] + np.arange(1000)
In [80]: df.plot.hexbin(x="a", y="b", gridsize=25);
一个有用的关键字参数是gridsize
;它控制 x 方向上的六边形数量,默认为 100。较大的gridsize
意味着更多、更小的箱子。
默认情况下,计算每个(x, y)
点周围计数的直方图。你可以通过将值传递给C
和reduce_C_function
参数来指定替代聚合。C
指定每个(x, y)
点的值,reduce_C_function
是一个带有一个参数的函数,将一个 bin 中的所有值减少为一个单一数字(例如mean
、max
、sum
、std
)。在这个例子中,位置由列a
和b
给出,而值由列z
给出。使用 NumPy 的max
函数对 bin 进行聚合。
In [81]: df = pd.DataFrame(np.random.randn(1000, 2), columns=["a", "b"])
In [82]: df["b"] = df["b"] + np.arange(1000)
In [83]: df["z"] = np.random.uniform(0, 3, 1000)
In [84]: df.plot.hexbin(x="a", y="b", C="z", reduce_C_function=np.max, gridsize=25);
查看hexbin
方法和matplotlib hexbin 文档以了解更多信息。### 饼图
使用DataFrame.plot.pie()
或Series.plot.pie()
可以创建饼图。如果你的数据中包含任何NaN
,它们将自动填充为 0。如果数据中有任何负值,将会引发ValueError
。
In [85]: series = pd.Series(3 * np.random.rand(4), index=["a", "b", "c", "d"], name="series")
In [86]: series.plot.pie(figsize=(6, 6));
对于饼图,最好使用正方形图形,即图形纵横比为 1。你可以创建宽度和高度相等的图形,或者在绘图后通过调用ax.set_aspect('equal')
在返回的axes
对象上强制纵横比相等。
请注意,使用DataFrame
创建的饼图要求你通过y
参数或subplots=True
来指定目标列。当指定了y
时,将绘制所选列的饼图。如果指定了subplots=True
,将为每列绘制子图的饼图。默认情况下,每个饼图中都会绘制图例;指定legend=False
以隐藏它。
In [87]: df = pd.DataFrame(
....: 3 * np.random.rand(4, 2), index=["a", "b", "c", "d"], columns=["x", "y"]
....: )
....:
In [88]: df.plot.pie(subplots=True, figsize=(8, 4));
你可以使用labels
和colors
关键字指定每个楔形图的标签和颜色。
警告
大多数 pandas 绘图使用label
和color
参数(请注意这两个参数的缺少“s”)。为了与matplotlib.pyplot.pie()
保持一致,你必须使用labels
和colors
。
如果想要隐藏楔形图标签,请指定labels=None
。如果指定了fontsize
,该值将应用于楔形图标签。此外,还可以使用其他由matplotlib.pyplot.pie()
支持的关键字。
In [89]: series.plot.pie(
....: labels=["AA", "BB", "CC", "DD"],
....: colors=["r", "g", "b", "c"],
....: autopct="%.2f",
....: fontsize=20,
....: figsize=(6, 6),
....: );
....:
如果传递的值的总和小于 1.0,则它们将被重新缩放,使它们的总和为 1。
In [90]: series = pd.Series([0.1] * 4, index=["a", "b", "c", "d"], name="series2")
In [91]: series.plot.pie(figsize=(6, 6));
更多内容请参阅matplotlib 饼图文档。### 条形图
对于带有标签的非时间序列数据,您可能希望生成一个条形图:
In [18]: plt.figure();
In [19]: df.iloc[5].plot.bar();
In [20]: plt.axhline(0, color="k");
调用 DataFrame 的plot.bar()
方法会生成多个条形图:
In [21]: df2 = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"])
In [22]: df2.plot.bar();
要生成堆叠条形图,请传递stacked=True
:
In [23]: df2.plot.bar(stacked=True);
要获得水平条形图,请使用barh
方法:
In [24]: df2.plot.barh(stacked=True);
### 直方图
可以使用DataFrame.plot.hist()
和Series.plot.hist()
方法绘制直方图。
In [25]: df4 = pd.DataFrame(
....: {
....: "a": np.random.randn(1000) + 1,
....: "b": np.random.randn(1000),
....: "c": np.random.randn(1000) - 1,
....: },
....: columns=["a", "b", "c"],
....: )
....:
In [26]: plt.figure();
In [27]: df4.plot.hist(alpha=0.5);
可以使用stacked=True
堆叠直方图。可以使用bins
关键字更改 bin 大小。
In [28]: plt.figure();
In [29]: df4.plot.hist(stacked=True, bins=20);
您可以传递 matplotlib hist
支持的其他关键字。例如,可以通过orientation='horizontal'
和cumulative=True
绘制水平和累积直方图。
In [30]: plt.figure();
In [31]: df4["a"].plot.hist(orientation="horizontal", cumulative=True);
更多内容请参阅hist
方法和matplotlib hist 文档。
仍然可以使用现有的接口DataFrame.hist
来绘制直方图。
In [32]: plt.figure();
In [33]: df["A"].diff().hist();
DataFrame.hist()
在多个子图上绘制列的直方图:
In [34]: plt.figure();
In [35]: df.diff().hist(color="k", alpha=0.5, bins=50);
可以指定by
关键字以绘制分组直方图:
In [36]: data = pd.Series(np.random.randn(1000))
In [37]: data.hist(by=np.random.randint(0, 4, 1000), figsize=(6, 4));
此外,还可以在DataFrame.plot.hist()
中指定by
关键字。
从版本 1.4.0 开始更改。
In [38]: data = pd.DataFrame(
....: {
....: "a": np.random.choice(["x", "y", "z"], 1000),
....: "b": np.random.choice(["e", "f", "g"], 1000),
....: "c": np.random.randn(1000),
....: "d": np.random.randn(1000) - 1,
....: },
....: )
....:
In [39]: data.plot.hist(by=["a", "b"], figsize=(10, 5));
### 箱线图
可以调用Series.plot.box()
和DataFrame.plot.box()
,或者DataFrame.boxplot()
来绘制箱线图,以可视化每列中的值的分布。
例如,这里是一个代表在[0,1)上的均匀随机变量的 10 次观测的五次试验的箱线图。
In [40]: df = pd.DataFrame(np.random.rand(10, 5), columns=["A", "B", "C", "D", "E"])
In [41]: df.plot.box();
通过传递color
关键字可以为箱线图着色。您可以传递一个dict
,其键为boxes
、whiskers
、medians
和caps
。如果dict
中缺少某些键,则对应的艺术家将使用默认颜色。此外,箱线图具有sym
关键字来指定离群值的样式。
当您通过color
关键字传递其他类型的参数时,它将直接传递给所有boxes
、whiskers
、medians
和caps
的着色。
颜色应用于要绘制的每个箱子。如果您想要更复杂的着色,可以通过传递 return_type 来获取每个绘制的图形。
In [42]: color = {
....: "boxes": "DarkGreen",
....: "whiskers": "DarkOrange",
....: "medians": "DarkBlue",
....: "caps": "Gray",
....: }
....:
In [43]: df.plot.box(color=color, sym="r+");
此外,您可以通过传递 matplotlib 支持的其他关键字来传递其他关键字。例如,通过vert=False
和positions
关键字可以绘制水平和自定义位置的箱线图。
In [44]: df.plot.box(vert=False, positions=[1, 4, 5, 6, 8]);
查看boxplot
方法和matplotlib boxplot 文档以获取更多信息。
仍然可以使用现有接口DataFrame.boxplot
来绘制箱线图。
In [45]: df = pd.DataFrame(np.random.rand(10, 5))
In [46]: plt.figure();
In [47]: bp = df.boxplot()
您可以使用by
关键字参数创建分组来创建分层箱线图。例如,
In [48]: df = pd.DataFrame(np.random.rand(10, 2), columns=["Col1", "Col2"])
In [49]: df["X"] = pd.Series(["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"])
In [50]: plt.figure();
In [51]: bp = df.boxplot(by="X")
您还可以传递要绘制的列的子集,以及按多个列分组:
In [52]: df = pd.DataFrame(np.random.rand(10, 3), columns=["Col1", "Col2", "Col3"])
In [53]: df["X"] = pd.Series(["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"])
In [54]: df["Y"] = pd.Series(["A", "B", "A", "B", "A", "B", "A", "B", "A", "B"])
In [55]: plt.figure();
In [56]: bp = df.boxplot(column=["Col1", "Col2"], by=["X", "Y"])
您还可以使用DataFrame.plot.box()
创建分组,例如:
在 1.4.0 版本中更改。
In [57]: df = pd.DataFrame(np.random.rand(10, 3), columns=["Col1", "Col2", "Col3"])
In [58]: df["X"] = pd.Series(["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"])
In [59]: plt.figure();
In [60]: bp = df.plot.box(column=["Col1", "Col2"], by="X")
��boxplot
中,返回类型可以通过return_type
关键字进行控制。有效选择为{"axes", "dict", "both", None}
。通过by
关键字创建的分面,将影响输出类型:
return_type |
分面 | 输出类型 |
---|---|---|
None |
否 | 坐标轴 |
None |
是 | 2-D 数组的坐标轴 |
'axes' |
否 | 坐标轴 |
'axes' |
是 | 坐标轴系列 |
'dict' |
否 | 艺术家的字典 |
'dict' |
是 | 艺术家的字典系列 |
'both' |
否 | 命名元组 |
'both' |
是 | 命名元组系列 |
Groupby.boxplot
总是返回一个return_type
的Series
。
In [61]: np.random.seed(1234)
In [62]: df_box = pd.DataFrame(np.random.randn(50, 2))
In [63]: df_box["g"] = np.random.choice(["A", "B"], size=50)
In [64]: df_box.loc[df_box["g"] == "B", 1] += 3
In [65]: bp = df_box.boxplot(by="g")
上面的子图首先按数值列分割,然后按g
列的值分割。下面的子图首先按g
的值分割,然后按数值列分割。
In [66]: bp = df_box.groupby("g").boxplot()
### 区域图
你可以使用Series.plot.area()
和DataFrame.plot.area()
创建区域图。默认情况下,区域图是堆叠的。要生成堆叠的区域图,每一列都必须是全部为正值或全部为负值。
当输入数据包含NaN
时,它将自动填充为 0。如果你想要删除或用不同的值填充,请在调用plot
之前使用dataframe.dropna()
或dataframe.fillna()
。
In [67]: df = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"])
In [68]: df.plot.area();
要生成未堆叠的图,请传递stacked=False
。除非另有说明,否则α值设为 0.5:
In [69]: df.plot.area(stacked=False);
### 散点图
散点图可通过使用DataFrame.plot.scatter()
方法绘制。散点图需要在 x 和 y 轴上具有数值列。这可以通过x
和y
关键字指定。
In [70]: df = pd.DataFrame(np.random.rand(50, 4), columns=["a", "b", "c", "d"])
In [71]: df["species"] = pd.Categorical(
....: ["setosa"] * 20 + ["versicolor"] * 20 + ["virginica"] * 10
....: )
....:
In [72]: df.plot.scatter(x="a", y="b");
要在单个坐标轴上绘制多个列组,请重复使用plot
方法指定目标ax
。建议指定color
和label
关键字以区分每个组。
In [73]: ax = df.plot.scatter(x="a", y="b", color="DarkBlue", label="Group 1")
In [74]: df.plot.scatter(x="c", y="d", color="DarkGreen", label="Group 2", ax=ax);
关键字c
可以作为一个列名给出,以为每个点提供颜色:
In [75]: df.plot.scatter(x="a", y="b", c="c", s=50);
如果向c
传递了一个分类列,则会产生一个离散的色彩条:
1.3.0 版本中的新功能。
In [76]: df.plot.scatter(x="a", y="b", c="species", cmap="viridis", s=50);
你可以传递由 matplotlib 支持的其他关键字scatter
。下面的示例显示了使用DataFrame
列作为气泡大小的气泡图。
In [77]: df.plot.scatter(x="a", y="b", s=df["c"] * 200);
请参阅scatter
方法和matplotlib scatter 文档了解更多信息。
六边形箱图
您可以使用 DataFrame.plot.hexbin()
创建六边形箱图。如果您的数据过于密集,无法单独绘制每个点,则六边形箱图可以作为散点图的有用替代。
In [78]: df = pd.DataFrame(np.random.randn(1000, 2), columns=["a", "b"])
In [79]: df["b"] = df["b"] + np.arange(1000)
In [80]: df.plot.hexbin(x="a", y="b", gridsize=25);
一个有用的关键字参数是gridsize
;它控制 x 方向上的六边形数量,默认为 100。更大的gridsize
意味着更多、更小的箱子。
默认情况下,计算每个 (x, y)
点周围的计数直方图。您可以通过将值传递给 C
和 reduce_C_function
参数来指定替代聚合。C
指定每个 (x, y)
点的值,reduce_C_function
是一个带有一个参数的函数,它将箱中的所有值缩减为一个单一的数字(例如 mean
、max
、sum
、std
)。在此示例中,位置由列 a
和 b
给出,而值由列 z
给出。箱子使用 NumPy 的 max
函数进行聚合。
In [81]: df = pd.DataFrame(np.random.randn(1000, 2), columns=["a", "b"])
In [82]: df["b"] = df["b"] + np.arange(1000)
In [83]: df["z"] = np.random.uniform(0, 3, 1000)
In [84]: df.plot.hexbin(x="a", y="b", C="z", reduce_C_function=np.max, gridsize=25);
请参阅hexbin
方法和matplotlib hexbin 文档了解更多信息。
饼图
您可以使用 DataFrame.plot.pie()
或 Series.plot.pie()
创建饼图。如果您的数据包含任何 NaN
,它们将自动填充为 0。如果数据中有任何负值,将引发 ValueError
。
In [85]: series = pd.Series(3 * np.random.rand(4), index=["a", "b", "c", "d"], name="series")
In [86]: series.plot.pie(figsize=(6, 6));
对于饼图,最好使用方形图形,即图形纵横比为 1。您可以创建等宽和等高的图形,或者在绘图后通过调用 ax.set_aspect('equal')
设置纵横比相等。
请注意,使用 DataFrame
创建的饼图需要通过 y
参数或 subplots=True
指定目标列。当指定了 y
,将绘制所选列的饼图。如果指定了 subplots=True
,将绘制每列的饼图子图。默认情况下,每个饼图中都会绘制图例;指定 legend=False
来隐藏它。
In [87]: df = pd.DataFrame(
....: 3 * np.random.rand(4, 2), index=["a", "b", "c", "d"], columns=["x", "y"]
....: )
....:
In [88]: df.plot.pie(subplots=True, figsize=(8, 4));
您可以使用 labels
和 colors
关键字指定每个楔形图的标签和颜色。
警告
大多数 pandas 绘图使用 label
和 color
参数(请注意这两个参数上没有“s”)。为了与 matplotlib.pyplot.pie()
保持一致,您必须使用 labels
和 colors
。
如果要隐藏楔形图标签,请指定 labels=None
。如果指定了 fontsize
,该值将应用于楔形图标签。还可以使用 matplotlib.pyplot.pie()
支持的其他关键字。
In [89]: series.plot.pie(
....: labels=["AA", "BB", "CC", "DD"],
....: colors=["r", "g", "b", "c"],
....: autopct="%.2f",
....: fontsize=20,
....: figsize=(6, 6),
....: );
....:
如果传入的值总和小于 1.0,则会重新缩放这些值,使其总和为 1。
In [90]: series = pd.Series([0.1] * 4, index=["a", "b", "c", "d"], name="series2")
In [91]: series.plot.pie(figsize=(6, 6));
更多内容请参阅 matplotlib 饼图文档。
绘制带缺失数据的图表
pandas 在绘制包含缺失数据的 DataFrame
或 Series
时会尝试保持实用性。根据绘图类型,缺失值会被删除、省略或填充。
绘图类型 | NaN 处理 |
---|---|
折线图 | 在 NaN 处留空隙 |
线条(堆叠) | 填充 0 值 |
条形图 | 填充 0 值 |
散点图 | 删除 NaN |
直方图 | 删除 NaN(列向) |
箱线图 | 删除 NaN(列向) |
区域 | 填充 0 值 |
KDE | 删除 NaN(列向) |
六边形图 | 删除 NaN |
饼图 | 填充 0 值 |
如果这些默认值不符合您的要求,或者如果您想明确指定如何处理缺失值,请考虑在绘图之前使用 fillna()
或 dropna()
。
绘图工具
这些函数可以从 pandas.plotting
中导入,并以 Series
或 DataFrame
作为参数。
散点矩阵图
您可以使用 pandas.plotting
中的 scatter_matrix
方法创建散点图矩阵:
In [92]: from pandas.plotting import scatter_matrix
In [93]: df = pd.DataFrame(np.random.randn(1000, 4), columns=["a", "b", "c", "d"])
In [94]: scatter_matrix(df, alpha=0.2, figsize=(6, 6), diagonal="kde");
### 密度图
您可以使用 Series.plot.kde()
和 DataFrame.plot.kde()
方法创建密度图。
In [95]: ser = pd.Series(np.random.randn(1000))
In [96]: ser.plot.kde();
### 安德鲁斯曲线
Andrews 曲线允许将多变量数据绘制为大量曲线,这些曲线是使用样本属性作为傅立叶级数系数创建的,有关更多信息,请参阅Wikipedia 条目。通过为每个类别的曲线着不同颜色,可以可视化数据聚类。同一类别样本的曲线通常会更接近并形成更大的结构。
注意: “鸢尾花”数据集可在此处获取。
In [97]: from pandas.plotting import andrews_curves
In [98]: data = pd.read_csv("data/iris.data")
In [99]: plt.figure();
In [100]: andrews_curves(data, "Name");
### 平行坐标
平行坐标是一种用于绘制多变量数据的绘图技术,有关简介,请参阅Wikipedia 条目。平行坐标允许查看数据中的聚类并通过视觉估计其他统计量。使用平行坐标,点被表示为连接的线段。每条垂直线代表一个属性。一组连接的线段代表一个数据点。倾向于聚类的点将更接近。
In [101]: from pandas.plotting import parallel_coordinates
In [102]: data = pd.read_csv("data/iris.data")
In [103]: plt.figure();
In [104]: parallel_coordinates(data, "Name");
### 滞后图
滞后图用于检查数据集或时间序列是否随机。随机数据在滞后图中不应展现任何结构。非随机结构意味着底层数据不是随机的。可以传递lag
参数,当lag=1
时,图基本上是data[:-1]
vs. data[1:]
。
In [105]: from pandas.plotting import lag_plot
In [106]: plt.figure();
In [107]: spacing = np.linspace(-99 * np.pi, 99 * np.pi, num=1000)
In [108]: data = pd.Series(0.1 * np.random.rand(1000) + 0.9 * np.sin(spacing))
In [109]: lag_plot(data);
### 自相关图
自相关图通常用于检查时间序列中的随机性。这是通过计算不同时间滞后的数据值的自相关来实现的。如果时间序列是随机的,这些自相关应该在任何时间滞后分离上接近零。如果时间序列是非随机的,那么一个或多个自相关将显着非零。图中显示的水平线对应于 95%和 99%的置信区间。虚线是 99%的置信区间。有关自相关图的更多信息,请参阅Wikipedia 条目。
In [110]: from pandas.plotting import autocorrelation_plot
In [111]: plt.figure();
In [112]: spacing = np.linspace(-9 * np.pi, 9 * np.pi, num=1000)
In [113]: data = pd.Series(0.7 * np.random.rand(1000) + 0.3 * np.sin(spacing))
In [114]: autocorrelation_plot(data);
### 自举图
自举图用于直观评估统计量(如均值、中位数、中程等)的不确定性。从数据集中选择指定大小的随机子集,为该子集计算所需的统计量,并重复指定次数。生成的图和直方图构成了自举图。
In [115]: from pandas.plotting import bootstrap_plot
In [116]: data = pd.Series(np.random.rand(1000))
In [117]: bootstrap_plot(data, size=50, samples=500, color="grey");
### RadViz
RadViz 是一种可视化多变量数据的方式。 它基于一种简单的弹簧张力最小化算法。 基本上,您在平面上设置一堆点。 在我们的案例中,它们在一个单位圆上等间距。 每个点表示一个单一属性。 然后,您假装数据集中的每个样本都通过弹簧连接到这些点,其中弹簧的刚度与该属性的数值成比例(它们被归一化为单位间隔)。 平面上我们的样本沉降到的点(作用于我们的样本的力处于平衡状态的地方)是我们的样本将被绘制的点。 根据该样本属于哪个类别,它将以不同的颜色着色。 有关更多信息,请参见 R 包Radviz。
注意: “鸢尾花”数据集可在此处找到。
In [118]: from pandas.plotting import radviz
In [119]: data = pd.read_csv("data/iris.data")
In [120]: plt.figure();
In [121]: radviz(data, "Name");
### 散点矩阵图
您可以使用pandas.plotting
中的scatter_matrix
方法创建散点图矩阵:
In [92]: from pandas.plotting import scatter_matrix
In [93]: df = pd.DataFrame(np.random.randn(1000, 4), columns=["a", "b", "c", "d"])
In [94]: scatter_matrix(df, alpha=0.2, figsize=(6, 6), diagonal="kde");
### 密度图
您可以使用Series.plot.kde()
和DataFrame.plot.kde()
方法创建密度图。
In [95]: ser = pd.Series(np.random.randn(1000))
In [96]: ser.plot.kde();
### 安德鲁曲线
安德鲁曲线允许将多变量数据绘制为大量曲线,这些曲线是使用样本属性作为傅里叶级数的系数创建的,请参阅Wikipedia 词条获取更多信息。 通过为每个类别的曲线着色,可以可视化数据聚类。 属于相同类别样本的曲线通常会更接近并形成较大的结构。
注意: “鸢尾花”数据集可在此处找到。
In [97]: from pandas.plotting import andrews_curves
In [98]: data = pd.read_csv("data/iris.data")
In [99]: plt.figure();
In [100]: andrews_curves(data, "Name");
### 平行坐标
平行坐标是一种绘制多变量数据的绘图技术,请参阅Wikipedia 词条进行介绍。 平行坐标允许人们看到数据中的聚类并通过视觉估计其他统计数据。 使用平行坐标,点被表示为连接的线段。 每条垂直线代表一个属性。 一组连接的线段代表一个数据点。 倾向于聚类的点将出现在更接近的位置。
In [101]: from pandas.plotting import parallel_coordinates
In [102]: data = pd.read_csv("data/iris.data")
In [103]: plt.figure();
In [104]: parallel_coordinates(data, "Name");
### 滞后图
Lag plots 用于检查数据集或时间序列是否是随机的。随机数据不应在滞后图中展现任何结构。非随机结构意味着底层数据不是随机的。可以传递 lag
参数,当 lag=1
时,图基本上是 data[:-1]
对 data[1:]
。
In [105]: from pandas.plotting import lag_plot
In [106]: plt.figure();
In [107]: spacing = np.linspace(-99 * np.pi, 99 * np.pi, num=1000)
In [108]: data = pd.Series(0.1 * np.random.rand(1000) + 0.9 * np.sin(spacing))
In [109]: lag_plot(data);
### Autocorrelation plot
Autocorrelation plots 经常用于检查时间序列的随机性。这是通过计算不同时间滞后的数据值的自相关来完成的。如果时间序列是随机的,这样的自相关应该在任何时间滞后分隔上都接近零。如果时间序列是非随机的,则一个或多个自相关将显着非零。图中显示的水平线对应于 95% 和 99% 的置信区间。虚线是 99% 置信区间。参见 Wikipedia 条目 获取有关自相关图的更多信息。
In [110]: from pandas.plotting import autocorrelation_plot
In [111]: plt.figure();
In [112]: spacing = np.linspace(-9 * np.pi, 9 * np.pi, num=1000)
In [113]: data = pd.Series(0.7 * np.random.rand(1000) + 0.3 * np.sin(spacing))
In [114]: autocorrelation_plot(data);
### Bootstrap plot
Bootstrap plots 用于直观评估统计量(如均值、中位数、中间范围等)的不确定性。从数据集中选择指定大小的随机子集,计算这个子集的统计量,然后重复这个过程指定次数。生成的图和直方图构成了 Bootstrap plot。
In [115]: from pandas.plotting import bootstrap_plot
In [116]: data = pd.Series(np.random.rand(1000))
In [117]: bootstrap_plot(data, size=50, samples=500, color="grey");
### RadViz
RadViz 是一种可视化多变量数据的方式。它基于简单的弹簧张力最小化算法。基本上,你在平面上设置了一堆点。在我们的案例中,它们在单位圆上等距分布。每个点代表一个单一的属性。然后,你假装数据集中的每个样本都通过弹簧与这些点之一相连,弹簧的刚度与该属性的数值成比例(它们被归一化为单位间隔)。平面上我们的样本停留的点(作用于我们的样本的力处于平衡状态的点)就是我们的样本将被绘制的点。取决于该样本属于哪个类,它将以不同的颜色着色。查看 R 包 Radviz 以获取更多信息。
注意: “鸢尾花”数据集可在此处获取。
In [118]: from pandas.plotting import radviz
In [119]: data = pd.read_csv("data/iris.data")
In [120]: plt.figure();
In [121]: radviz(data, "Name");
## Plot formatting
设置图样式
从 1.5 版本开始,matplotlib 提供了一系列预配置的绘图样式。设置样式可用于轻松地给出所需的一般外观。设置样式就像在创建绘图之前调用matplotlib.style.use(my_plot_style)
一样简单。例如,您可以写matplotlib.style.use('ggplot')
以获得 ggplot 风格的绘图。
你可以在matplotlib.style.available
中看到各种可用的样式名称,很容易尝试它们。
一般绘图样式参数
大多数绘图方法都有一组关键字参数,用于控制返回图的布局和格式:
In [122]: plt.figure();
In [123]: ts.plot(style="k--", label="Series");
对于每种类型的绘图(例如line
,bar
,scatter
),任何额外的参数关键字都会传递给相应的 matplotlib 函数(ax.plot()
, ax.bar()
, ax.scatter()
). 这些可以用于控制额外的样式,超出 pandas 提供的范围。
控制图例
您可以将legend
参数设置为False
以隐藏默认显示的图例。
In [124]: df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list("ABCD"))
In [125]: df = df.cumsum()
In [126]: df.plot(legend=False);
控制标签
您可以设置xlabel
和ylabel
参数,为 x 和 y 轴提供自定义标签。默认情况下,pandas 将选择索引名称作为 xlabel,同时将其留空作为 ylabel。
In [127]: df.plot();
In [128]: df.plot(xlabel="new x", ylabel="new y");
刻度
您可以传递logy
以获得对数刻度 Y 轴。
In [129]: ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))
In [130]: ts = np.exp(ts.cumsum())
In [131]: ts.plot(logy=True);
另请参阅logx
和loglog
关键字参数。
在第二个 y 轴上绘图
要在第二个 y 轴上绘制数据,请使用secondary_y
关键字:
In [132]: df["A"].plot();
In [133]: df["B"].plot(secondary_y=True, style="g");
要在DataFrame
中绘制一些列,请将列名提供给secondary_y
关键字:
In [134]: plt.figure();
In [135]: ax = df.plot(secondary_y=["A", "B"])
In [136]: ax.set_ylabel("CD scale");
In [137]: ax.right_ax.set_ylabel("AB scale");
请注意,在第二个 y 轴上绘制的列会自动在图例中标记为“(right)”。要关闭自动标记,请使用mark_right=False
关键字:
In [138]: plt.figure();
In [139]: df.plot(secondary_y=["A", "B"], mark_right=False);
### 时间序列绘图的自定义格式化程序
pandas 为时间序列图提供自定义格式化程序。这些更改日期和时间的轴标签格式。默认情况下,自定义格式化程序仅应用于由 pandas 使用DataFrame.plot()
或Series.plot()
创建的图。要使它们应用于所有图,包括由 matplotlib 创建的图,请设置选项pd.options.plotting.matplotlib.register_converters = True
或使用pandas.plotting.register_matplotlib_converters()
。
抑制刻度分辨率调整
pandas 包括对常规频率时间序列数据的自动刻度分辨率调整。对于 pandas 无法推断频率信息的有限情况(例如,在外部创建的twinx
中),您可以选择抑制此行为以进行对齐。
这是默认行为,请注意 x 轴刻度标签的处理方式:
In [140]: plt.figure();
In [141]: df["A"].plot();
使用x_compat
参数,可以抑制这种行为:
In [142]: plt.figure();
In [143]: df["A"].plot(x_compat=True);
如果有多个需要抑制的图,可以在pandas.plotting.plot_params
中使用use
方法,并在with
语句中使用:
In [144]: plt.figure();
In [145]: with pd.plotting.plot_params.use("x_compat", True):
.....: df["A"].plot(color="r")
.....: df["B"].plot(color="g")
.....: df["C"].plot(color="b")
.....:
自动日期刻度调整
TimedeltaIndex
现在使用本机 matplotlib 刻度定位器方法,对于刻度标签重叠的图形,调用 matplotlib 的自动日期刻度调整非常有用。
查看autofmt_xdate
方法和matplotlib 文档以获取更多信息。
子图
DataFrame
中的每个Series
可以使用subplots
关键字在不同的轴上绘制:
In [146]: df.plot(subplots=True, figsize=(6, 6));
使用布局和定位多个轴
子图的布局可以由layout
关键字指定。它可以接受(行数, 列数)
。layout
关键字也可以在hist
和boxplot
中使用。如果输入无效,将引发ValueError
。
由layout
指定的行 x 列中可以包含的轴的数量必须大于所需子图的数量。如果layout
可以包含比所需更多的轴,那么空白轴将不会被绘制。类似于 NumPy 数组的reshape
方法,您可以在一个维度上使用-1
来自动计算所需的行数或列数,给定另一个维度。
In [147]: df.plot(subplots=True, layout=(2, 3), figsize=(6, 6), sharex=False);
上面的示例与使用以下内容相同:
In [148]: df.plot(subplots=True, layout=(2, -1), figsize=(6, 6), sharex=False);
所需的列数(3)是从要绘制的系列数和给定的行数(2)推断出来的。
您可以通过ax
关键字以类似列表的方式传递预先创建的多个轴。这允许更复杂的布局。传递的轴数量必须与正在绘制的子图数量相同。
当通过ax
关键字传递多个轴时,layout
、sharex
和sharey
关键字不会影响输出。您应该明确传递sharex=False
和sharey=False
,否则会看到警告。
In [149]: fig, axes = plt.subplots(4, 4, figsize=(9, 9))
In [150]: plt.subplots_adjust(wspace=0.5, hspace=0.5)
In [151]: target1 = [axes[0][0], axes[1][1], axes[2][2], axes[3][3]]
In [152]: target2 = [axes[3][0], axes[2][1], axes[1][2], axes[0][3]]
In [153]: df.plot(subplots=True, ax=target1, legend=False, sharex=False, sharey=False);
In [154]: (-df).plot(subplots=True, ax=target2, legend=False, sharex=False, sharey=False);
另一个选项是将ax
参数传递给Series.plot()
以在特定轴上绘制:
In [155]: np.random.seed(123456)
In [156]: ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))
In [157]: ts = ts.cumsum()
In [158]: df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list("ABCD"))
In [159]: df = df.cumsum()
In [160]: fig, axes = plt.subplots(nrows=2, ncols=2)
In [161]: plt.subplots_adjust(wspace=0.2, hspace=0.5)
In [162]: df["A"].plot(ax=axes[0, 0]);
In [163]: axes[0, 0].set_title("A");
In [164]: df["B"].plot(ax=axes[0, 1]);
In [165]: axes[0, 1].set_title("B");
In [166]: df["C"].plot(ax=axes[1, 0]);
In [167]: axes[1, 0].set_title("C");
In [168]: df["D"].plot(ax=axes[1, 1]);
In [169]: axes[1, 1].set_title("D");
### 带有误差条的绘图
支持在DataFrame.plot()
和Series.plot()
中绘制带有误差条的图。
水平和垂直误差条可以通过xerr
和yerr
关键字参数提供给plot()
。误差值可以使用各种格式指定:
-
作为一个
DataFrame
或与绘图DataFrame
的columns
属性匹配或与Series
的name
属性匹配的错误dict
。 -
作为一个
str
,指示绘图DataFrame
的哪些列包含错误值。 -
作为原始值(
list
、tuple
或np.ndarray
)。必须与绘图DataFrame
/Series
的长度相同。
这是一个从原始数据轻松绘制组均值和标准差的示例。
# Generate the data
In [170]: ix3 = pd.MultiIndex.from_arrays(
.....: [
.....: ["a", "a", "a", "a", "a", "b", "b", "b", "b", "b"],
.....: ["foo", "foo", "foo", "bar", "bar", "foo", "foo", "bar", "bar", "bar"],
.....: ],
.....: names=["letter", "word"],
.....: )
.....:
In [171]: df3 = pd.DataFrame(
.....: {
.....: "data1": [9, 3, 2, 4, 3, 2, 4, 6, 3, 2],
.....: "data2": [9, 6, 5, 7, 5, 4, 5, 6, 5, 1],
.....: },
.....: index=ix3,
.....: )
.....:
# Group by index labels and take the means and standard deviations
# for each group
In [172]: gp3 = df3.groupby(level=("letter", "word"))
In [173]: means = gp3.mean()
In [174]: errors = gp3.std()
In [175]: means
Out[175]:
data1 data2
letter word
a bar 3.500000 6.000000
foo 4.666667 6.666667
b bar 3.666667 4.000000
foo 3.000000 4.500000
In [176]: errors
Out[176]:
data1 data2
letter word
a bar 0.707107 1.414214
foo 3.785939 2.081666
b bar 2.081666 2.645751
foo 1.414214 0.707107
# Plot
In [177]: fig, ax = plt.subplots()
In [178]: means.plot.bar(yerr=errors, ax=ax, capsize=4, rot=0);
也支持不对称误差条,但在这种情况下必须提供原始误差值。对于长度为N
的Series
,应提供一个2xN
数组,指示较低和较高(或左侧和右侧)的错误。对于MxN``DataFrame
,不对称误差应该在一个Mx2xN
数组中。
这是一个使用不对称误差条绘制最小/最大范围的示例。
In [179]: mins = gp3.min()
In [180]: maxs = gp3.max()
# errors should be positive, and defined in the order of lower, upper
In [181]: errors = [[means[c] - mins[c], maxs[c] - means[c]] for c in df3.columns]
# Plot
In [182]: fig, ax = plt.subplots()
In [183]: means.plot.bar(yerr=errors, ax=ax, capsize=4, rot=0);
### 绘制表格
现在在DataFrame.plot()
和Series.plot()
中支持使用table
关键字绘制 matplotlib 表格。table
关键字可以接受bool
、DataFrame
或Series
。绘制表格的简单方法是指定table=True
。数据将被转置以符合 matplotlib 的默认布局。
In [184]: np.random.seed(123456)
In [185]: fig, ax = plt.subplots(1, 1, figsize=(7, 6.5))
In [186]: df = pd.DataFrame(np.random.rand(5, 3), columns=["a", "b", "c"])
In [187]: ax.xaxis.tick_top() # Display x-axis ticks on top.
In [188]: df.plot(table=True, ax=ax);
此外,您可以将不同的DataFrame
或Series
传递给table
关键字。数据将按照打印方法中显示的方式绘制(不会自动转置)。如果需要,可以像下面的示例中所示手动转置。
In [189]: fig, ax = plt.subplots(1, 1, figsize=(7, 6.75))
In [190]: ax.xaxis.tick_top() # Display x-axis ticks on top.
In [191]: df.plot(table=np.round(df.T, 2), ax=ax);
还存在一个辅助函数pandas.plotting.table
,它可以从DataFrame
或Series
创建表格,并将其添加到matplotlib.Axes
实例中。此函数可以接受 matplotlib table的关键字。
In [192]: from pandas.plotting import table
In [193]: fig, ax = plt.subplots(1, 1)
In [194]: table(ax, np.round(df.describe(), 2), loc="upper right", colWidths=[0.2, 0.2, 0.2]);
In [195]: df.plot(ax=ax, ylim=(0, 2), legend=None);
注意:您可以使用axes.tables
属性在坐标轴上获取表实例以进行进一步装饰。更多信息请参阅matplotlib 表格文档。### 颜色映射
在绘制大量列时可能会遇到一个潜在问题,即由于默认颜色中的重复,有些系列很难区分。为了解决这个问题,DataFrame
绘图支持使用colormap
参数,该参数接受 Matplotlib 的颜色映射或 Matplotlib 注册的颜色映射名称的字符串。可以在这里查看默认 matplotlib 颜色映射的可视化。
由于 matplotlib 不直接支持基于线条的绘图的颜色映射,颜色是根据DataFrame
中的列数确定的均匀间距选择的。不考虑背景颜色,因此某些颜色映射会产生不易看清的线条。
要使用 cubehelix 颜色映射,我们可以传递colormap='cubehelix'
。
In [196]: np.random.seed(123456)
In [197]: df = pd.DataFrame(np.random.randn(1000, 10), index=ts.index)
In [198]: df = df.cumsum()
In [199]: plt.figure();
In [200]: df.plot(colormap="cubehelix");
或者,我们可以直接传递颜色映射本身:
In [201]: from matplotlib import cm
In [202]: plt.figure();
In [203]: df.plot(colormap=cm.cubehelix);
颜色映射也可以用于其他绘图类型,比如条形图:
In [204]: np.random.seed(123456)
In [205]: dd = pd.DataFrame(np.random.randn(10, 10)).map(abs)
In [206]: dd = dd.cumsum()
In [207]: plt.figure();
In [208]: dd.plot.bar(colormap="Greens");
平行坐标图:
In [209]: plt.figure();
In [210]: parallel_coordinates(data, "Name", colormap="gist_rainbow");
Andrews 曲线图:
In [211]: plt.figure();
In [212]: andrews_curves(data, "Name", colormap="winter");
设置绘图样式
从版本 1.5 开始,matplotlib 提供了一系列预配置的绘图样式。设置样式可以轻松地使绘图具有您想要的一般外观。在创建绘图之前调用matplotlib.style.use(my_plot_style)
就可以设置样式。例如,您可以写matplotlib.style.use('ggplot')
来获得 ggplot 风格的绘图。
您可以查看matplotlib.style.available
中提供的各种样式名称,并且非常容易尝试它们。
一般绘图样式参数
大多数绘图方法都有一组关键字参数��用于控制返回绘图的布局和格式:
In [122]: plt.figure();
In [123]: ts.plot(style="k--", label="Series");
对于每种类型的绘图(例如line
,bar
,scatter
),任何额外的参数关键字都会传递给相应的 matplotlib 函数(ax.plot()
, ax.bar()
, ax.scatter()
). 这些参数可以用于控制额外的样式,超出 pandas 提供的范围。
控制图例
您可以将legend
参数设置为False
以隐藏图例,默认情况下会显示图例。
In [124]: df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list("ABCD"))
In [125]: df = df.cumsum()
In [126]: df.plot(legend=False);
控制标签
您可以设置xlabel
和ylabel
参数,为 x 轴和 y 轴提供自定义标签。默认情况下,pandas 会选择索引名称作为 xlabel,而将其留空作为 ylabel。
In [127]: df.plot();
In [128]: df.plot(xlabel="new x", ylabel="new y");
刻度
您可以传递logy
以获得对数刻度 Y 轴。
In [129]: ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))
In [130]: ts = np.exp(ts.cumsum())
In [131]: ts.plot(logy=True);
还可以查看logx
和loglog
关键字参数。
在次要 y 轴上绘图
要在次要 y 轴上绘制数据,请使用secondary_y
关键字:
In [132]: df["A"].plot();
In [133]: df["B"].plot(secondary_y=True, style="g");
要在DataFrame
中绘制一些列,请将列名传递给secondary_y
关键字:
In [134]: plt.figure();
In [135]: ax = df.plot(secondary_y=["A", "B"])
In [136]: ax.set_ylabel("CD scale");
In [137]: ax.right_ax.set_ylabel("AB scale");
请注意,在次要 y 轴上绘制的列会在图例中自动标记为“(right)”。要关闭自动标记,使用mark_right=False
关键字:
In [138]: plt.figure();
In [139]: df.plot(secondary_y=["A", "B"], mark_right=False);
### 时间序列图的自定义格式化程序
pandas 为时间序列图提供了自定义格式化程序。这些更改日期和时间的轴标签格式。默认情况下,自定义格式化程序仅应用于由 pandas 使用DataFrame.plot()
或Series.plot()
创建的图。要使其应用于所有图,包括由 matplotlib 创建的图,请设置选项pd.options.plotting.matplotlib.register_converters = True
或使用pandas.plotting.register_matplotlib_converters()
。
抑制刻度分辨率调整
pandas 为常规频率时间序列数据提供自动刻度分辨率调整。对于 pandas 无法推断频率信息的有限情况(例如,在外部创建的twinx
中),您可以选择抑制此行为以进行对齐。
这是默认行为,请注意 x 轴刻度标签的处理方式:
In [140]: plt.figure();
In [141]: df["A"].plot();
使用x_compat
参数,您可以抑制此行为:
In [142]: plt.figure();
In [143]: df["A"].plot(x_compat=True);
如果有多个需要抑制的图,可以在pandas.plotting.plot_params
中使用use
方法,并在with
语句中使用:
In [144]: plt.figure();
In [145]: with pd.plotting.plot_params.use("x_compat", True):
.....: df["A"].plot(color="r")
.....: df["B"].plot(color="g")
.....: df["C"].plot(color="b")
.....:
自动日期刻度调整
TimedeltaIndex
现在使用本机 matplotlib 刻度定位器方法,对于刻度标签重叠的图形,调用 matplotlib 的自动日期刻度调整非常有用。
有关更多信息,请参阅autofmt_xdate
方法和matplotlib 文档。
子图
DataFrame
中的每个Series
都可以使用subplots
关键字绘制在不同的轴上:
In [146]: df.plot(subplots=True, figsize=(6, 6));
使用布局和定位多个轴
子图的布局可以通过layout
关键字指定。它可以接受(行数, 列数)
。layout
关键字也可以在hist
和boxplot
中使用。如果输入无效,将引发ValueError
。
通过layout
指定的行 x 列所包含的轴的数量必须大于所需子图的数量。如果布局可以包含比所需更多的轴,则不会绘制空白轴。类似于 NumPy 数组的reshape
方法,您可以在一个维度上使用-1
来自动计算所需的行数或列数,给定另一个维度。
In [147]: df.plot(subplots=True, layout=(2, 3), figsize=(6, 6), sharex=False);
上述示例与使用以下内容相同:
In [148]: df.plot(subplots=True, layout=(2, -1), figsize=(6, 6), sharex=False);
所需的列数(3)是从要绘制的系列数和给定的行数(2)推断出来的。
您可以通过ax
关键字以类似列表的方式传递预先创建的多个轴。这允许更复杂的布局。传递的轴数量必须与正在绘制的子图数量相同。
通过ax
关键字传递多个轴时,layout
、sharex
和sharey
关键字不会影响输出。您应该明确传递sharex=False
和sharey=False
,否则会看到警告。
In [149]: fig, axes = plt.subplots(4, 4, figsize=(9, 9))
In [150]: plt.subplots_adjust(wspace=0.5, hspace=0.5)
In [151]: target1 = [axes[0][0], axes[1][1], axes[2][2], axes[3][3]]
In [152]: target2 = [axes[3][0], axes[2][1], axes[1][2], axes[0][3]]
In [153]: df.plot(subplots=True, ax=target1, legend=False, sharex=False, sharey=False);
In [154]: (-df).plot(subplots=True, ax=target2, legend=False, sharex=False, sharey=False);
另一个选项是通过在Series.plot()
中传递一个ax
参数来在特定轴上绘图:
In [155]: np.random.seed(123456)
In [156]: ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))
In [157]: ts = ts.cumsum()
In [158]: df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list("ABCD"))
In [159]: df = df.cumsum()
In [160]: fig, axes = plt.subplots(nrows=2, ncols=2)
In [161]: plt.subplots_adjust(wspace=0.2, hspace=0.5)
In [162]: df["A"].plot(ax=axes[0, 0]);
In [163]: axes[0, 0].set_title("A");
In [164]: df["B"].plot(ax=axes[0, 1]);
In [165]: axes[0, 1].set_title("B");
In [166]: df["C"].plot(ax=axes[1, 0]);
In [167]: axes[1, 0].set_title("C");
In [168]: df["D"].plot(ax=axes[1, 1]);
In [169]: axes[1, 1].set_title("D");
### 带有误差条的绘图
在DataFrame.plot()
和Series.plot()
中支持带有误差条的绘图。
水平和垂直误差条可以通过xerr
和yerr
关键字参数传递给plot()
。误差值可以使用各种格式指定:
-
作为
DataFrame
或与绘图DataFrame
的columns
属性匹配或与Series
的name
属性匹配的错误的dict
。 -
作为一个
str
,指示绘图DataFrame
中包含误差值的列。 -
作为原始值(
list
、tuple
或np.ndarray
)。必须与绘图DataFrame
/Series
的长度相同。
这是一个从原始数据轻松绘制组均值和标准差的示例方法。
# Generate the data
In [170]: ix3 = pd.MultiIndex.from_arrays(
.....: [
.....: ["a", "a", "a", "a", "a", "b", "b", "b", "b", "b"],
.....: ["foo", "foo", "foo", "bar", "bar", "foo", "foo", "bar", "bar", "bar"],
.....: ],
.....: names=["letter", "word"],
.....: )
.....:
In [171]: df3 = pd.DataFrame(
.....: {
.....: "data1": [9, 3, 2, 4, 3, 2, 4, 6, 3, 2],
.....: "data2": [9, 6, 5, 7, 5, 4, 5, 6, 5, 1],
.....: },
.....: index=ix3,
.....: )
.....:
# Group by index labels and take the means and standard deviations
# for each group
In [172]: gp3 = df3.groupby(level=("letter", "word"))
In [173]: means = gp3.mean()
In [174]: errors = gp3.std()
In [175]: means
Out[175]:
data1 data2
letter word
a bar 3.500000 6.000000
foo 4.666667 6.666667
b bar 3.666667 4.000000
foo 3.000000 4.500000
In [176]: errors
Out[176]:
data1 data2
letter word
a bar 0.707107 1.414214
foo 3.785939 2.081666
b bar 2.081666 2.645751
foo 1.414214 0.707107
# Plot
In [177]: fig, ax = plt.subplots()
In [178]: means.plot.bar(yerr=errors, ax=ax, capsize=4, rot=0);
不对称误差条也受支持,但在这种情况下必须提供原始误差值。对于长度为N
的Series
,应提供一个2xN
数组,指示下限和上限(或左侧和右侧)误差。对于MxN
的DataFrame
,不对称误差应该是一个Mx2xN
数组。
这是使用不对称误差线绘制最小/最大范围的一种方法示例。
In [179]: mins = gp3.min()
In [180]: maxs = gp3.max()
# errors should be positive, and defined in the order of lower, upper
In [181]: errors = [[means[c] - mins[c], maxs[c] - means[c]] for c in df3.columns]
# Plot
In [182]: fig, ax = plt.subplots()
In [183]: means.plot.bar(yerr=errors, ax=ax, capsize=4, rot=0);
### 绘制表格
使用 matplotlib 表格绘图现在在DataFrame.plot()
和Series.plot()
中支持table
关键字。table
关键字可以接受bool
、DataFrame
或Series
。绘制表格的简单方法是指定table=True
。数据将被转置以符合 matplotlib 的默认布局。
In [184]: np.random.seed(123456)
In [185]: fig, ax = plt.subplots(1, 1, figsize=(7, 6.5))
In [186]: df = pd.DataFrame(np.random.rand(5, 3), columns=["a", "b", "c"])
In [187]: ax.xaxis.tick_top() # Display x-axis ticks on top.
In [188]: df.plot(table=True, ax=ax);
此外,您可以将不同的DataFrame
或Series
传递给table
关键字。数据将按照打印方法中显示的方式绘制(不会自动转置)。如果需要,可以像下面的示例中所示手动转置。
In [189]: fig, ax = plt.subplots(1, 1, figsize=(7, 6.75))
In [190]: ax.xaxis.tick_top() # Display x-axis ticks on top.
In [191]: df.plot(table=np.round(df.T, 2), ax=ax);
还有一个辅助函数pandas.plotting.table
,它可以从DataFrame
或Series
创建表格,并将其添加到matplotlib.Axes
实例中。此函数可以接受 matplotlib table具有的关键字。
In [192]: from pandas.plotting import table
In [193]: fig, ax = plt.subplots(1, 1)
In [194]: table(ax, np.round(df.describe(), 2), loc="upper right", colWidths=[0.2, 0.2, 0.2]);
In [195]: df.plot(ax=ax, ylim=(0, 2), legend=None);
注意:您可以使用axes.tables
属性在轴上获取表格实例以进行进一步装饰。更多信息请参阅matplotlib 表格文档。
色图
在绘制大量列时可能存在的一个问题是,由于默认颜色的重复,有些系列很难区分。为了解决这个问题,DataFrame
绘图支持使用colormap
参数,该参数接受 Matplotlib colormap或注册到 Matplotlib 的调色板名称的字符串。默认 matplotlib 调色板的可视化在这里。
由于 matplotlib 不直接支持基于线条的图形的调色板,颜色是根据DataFrame
中的列数确定的均匀间距选择的。没有考虑背景颜色,因此某些调色板会产生不易看清的线条。
要使用 cubehelix 调色板,我们可以传递colormap='cubehelix'
。
In [196]: np.random.seed(123456)
In [197]: df = pd.DataFrame(np.random.randn(1000, 10), index=ts.index)
In [198]: df = df.cumsum()
In [199]: plt.figure();
In [200]: df.plot(colormap="cubehelix");
或者,我们可以直接传递调色板本身:
In [201]: from matplotlib import cm
In [202]: plt.figure();
In [203]: df.plot(colormap=cm.cubehelix);
调色板也可以用于其他绘图类型,比如条形图:
In [204]: np.random.seed(123456)
In [205]: dd = pd.DataFrame(np.random.randn(10, 10)).map(abs)
In [206]: dd = dd.cumsum()
In [207]: plt.figure();
In [208]: dd.plot.bar(colormap="Greens");
平行坐标图表:
In [209]: plt.figure();
In [210]: parallel_coordinates(data, "Name", colormap="gist_rainbow");
安德鲁斯曲线图表:
In [211]: plt.figure();
In [212]: andrews_curves(data, "Name", colormap="winter");
直接使用 Matplotlib 绘图
在某些情况下,直接使用 matplotlib 准备图形可能仍然更可取或必要,例如当某种类型的图形或自定义尚未得到 pandas 的支持时。Series
和 DataFrame
对象的行为类似于数组,因此可以直接传递给 matplotlib 函数,无需显式转换。
pandas 还会自动注册识别日期索引的格式化程序和定位器,从而将日期和时间支持扩展到 matplotlib 中几乎所有可用的绘图类型。虽然这种格式化不提供通过 pandas 绘图时所获得的相同精细程度,但在绘制大量点时可能更快。
In [213]: np.random.seed(123456)
In [214]: price = pd.Series(
.....: np.random.randn(150).cumsum(),
.....: index=pd.date_range("2000-1-1", periods=150, freq="B"),
.....: )
.....:
In [215]: ma = price.rolling(20).mean()
In [216]: mstd = price.rolling(20).std()
In [217]: plt.figure();
In [218]: plt.plot(price.index, price, "k");
In [219]: plt.plot(ma.index, ma, "b");
In [220]: plt.fill_between(mstd.index, ma - 2 * mstd, ma + 2 * mstd, color="b", alpha=0.2);
绘图后端
pandas 可以通过第三方绘图后端进行扩展。主要思想是让用户选择一个不同于基于 Matplotlib 提供的后端的绘图后端。
这可以通过在plot
函数中将‘backend.module’作为参数backend
传递来实现。例如:
>>> Series([1, 2, 3]).plot(backend="backend.module")
或者,您也可以全局设置此选项,这样您就不需要在每个plot
调用中指定关键字。例如:
>>> pd.set_option("plotting.backend", "backend.module")
>>> pd.Series([1, 2, 3]).plot()
或者:
>>> pd.options.plotting.backend = "backend.module"
>>> pd.Series([1, 2, 3]).plot()
这将更或多少等同于:
>>> import backend.module
>>> backend.module.plot(pd.Series([1, 2, 3]))
然后,后端模块可以使用其他可视化工具(Bokeh、Altair、hvplot 等)生成图形。一些为 pandas 实现后端的库列在生态系统页面上。
开发者指南可在 pandas.pydata.org/docs/dev/development/extending.html#plotting-backends
找到。