数据分析 ——— pandas可视化（六）
数据分析 ——— pandas可视化（六）
andrew_a
发布于 2019-08-26 15:59:18
发布于 2019-08-26 15:59:18
这篇文章我们进行pandas可视化化的操作, 在这里我只是简单画几个图，表面pandas也是可以用来画图的，后期会在更新matlab等数据可视化的python库的。
一、折线图
# pandas 可视化
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(10,4),index=pd.date_range('1/1/2000',
periods=10), columns=list('ABCD'))
print(df)
df.plot()
"""
输出：
A B C D
2000-01-01 -1.281895 -0.998074 0.294228 1.069263
2000-01-02 0.345332 -1.964545 -1.255876 -2.048763
2000-01-03 0.575943 -0.308171 1.610226 0.363030
2000-01-04 1.347944 0.966780 -0.952731 -0.735439
2000-01-05 0.760232 1.309290 0.465559 -0.527351
2000-01-06 -1.281965 -0.203642 -0.676652 0.575342
2000-01-07 -0.135509 -0.557890 0.910456 0.692239
2000-01-08 0.627769 1.182899 0.076140 1.537356
2000-01-09 -0.842049 -0.290053 0.043574 -0.992036
2000-01-10 0.242678 0.289572 0.858469 -0.756504
<matplotlib.axes._subplots.AxesSubplot at 0x7fd8bcf65208
"""
二、条形图
利用plot.bar()
# 条形图
df.plot.bar()
堆叠的条形图：
设置stacked=True就OK啦
# 堆叠条形图
df.plot.bar(stacked=True)
水平条形图：
# 水平条形图
df = pd.DataFrame(np.random.rand(10, 4), columns=['a','b','c','d'])
df.plot.barh(stacked=True)
三、直方图
# 直方图
df = pd.DataFrame({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),'c':
np.random.randn(1000) - 1}, columns=['a', 'b', 'c'])
df.plot.hist(bins=20)
每列绘制不同的直方图：
import pandas as pd
import numpy as np
df=pd.DataFrame({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),'c':
np.random.randn(1000) - 1}, columns=['a', 'b', 'c'])
df.diff.hist(bins=20)
四、盒图
df.plot.box()
五、区域图
# 区域图
df = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])
df.plot.area()
六、散点图
df = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd'])
df.plot.scatter(x='a', y='b')
七、扇形图
df = pd.DataFrame(3 * np.random.rand(4), index=['a', 'b', 'c', 'd'], columns=['x'])
df.plot.pie(subplots=True)
以上就是利用pandas来进行可视化的一些函数，感觉图很丑， 不是很推荐使用的哈~_~
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2019-08-23，如有侵权请联系 cloudcommunity@tencent.com 删除
本文分享自 Python爬虫scrapy 微信公众号，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体分享计划 ，欢迎热爱写作的你一起参与！
评论
登录后参与评论
推荐阅读