pandas绘图指南

标签：指南 plot df random DataFrame 绘图 pd np pandas

文章目录

pandas绘图

基本绘图方法plot
其他绘图
条形图
直方图
箱型图
面积图
散点图
六边形图
饼图
绘制缺失数据
几个特殊的绘图函数

散点图矩阵
密度图
安德鲁斯曲线
平行坐标
滞后图
自相关图
自举图
RadViz

绘图格式

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

标签：指南,plot,df,random,DataFrame,绘图,pd,np,pandas
From： https://blog.51cto.com/u_15856104/5816019