数据可视化 | Pandas vs Plotnine
来源：大邓和他的Python
使用Pandas和plotnine可视化数据
目标：
- 学会使用pandas内置的作图功能
- 使用pands作散点图和直方图？
- 使用plotnine定制一个画布
- 从dataframe数据中构建复杂的定制化图表
- 导出作图结果
之前分享过很多pandas可视化、plotnine可视化，
但是两者对比的还没有，今天我们尝试分别用pandas和plotnine作直方图、散点图。
导入数据
%matplotlib inline
import pandas as pd
import warnings
warnings.filterwarnings('ignore')
ecoli = pd.read_csv('ecoli.csv')
ecoli.head()
直方图
pandas直方图
ecoli['genome_size'].plot.hist()
#带标题
ecoli['genome_size'].plot.hist(title='Histogram with pandas')
plotnine直方图
from plotnine import ggplot, aes, geom_histogram
(ggplot(data=ecoli, #dataframe数据
mapping=aes(x='genome_size')) #需要统计的x轴
+ geom_histogram(bins=15) #直方图分为15个区间
)
from plotnine import ggplot, aes, geom_histogram, labs
(ggplot(data=ecoli,
mapping=aes(x='genome_size'))
+ geom_histogram(bins=15)
+ labs(title='Histogram with Plotnine')
)
散点图
pandas散点图
ecoli.plot.scatter(x='generation',y='genome_size')
#带标题、点的颜色、点的形状marker
ecoli.plot.scatter(x='generation',y='genome_size',
title='Scater plot with pandas', c='green', marker='+')
plotnine散点图
from plotnine import ggplot, aes, geom_point, labs
(ggplot(data=ecoli,
mapping=aes(x = 'sample', y= 'genome_size'))
+ geom_point(alpha=0.5, color='blue') #散点图
+ labs(title='scatter plot with plotnine')
)
from plotnine import ggplot, aes, geom_point, labs, theme, element_text
(ggplot(data=ecoli,
mapping=aes(x = 'sample', y= 'genome_size'))
+ geom_point(alpha=0.5, color='blue') #透明度alpha
+ labs(title='scatter plot with plotnine')
+ theme(axis_text_x=element_text(angle=45, hjust=1)) #设置x轴的文本角度和水平居中程度
)
from plotnine import ggplot, aes, geom_point, labs, theme, element_text
#除x、y轴，增加一个颜色维度
(ggplot(data=ecoli,
mapping=aes(x = 'sample', y= 'genome_size', color='generation'))
+ geom_point(alpha=0.5)
+ labs(title='scatter plot with plotnine')
+ theme(axis_text_x = element_text(angle=45, hjust=1))
)
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2020-09-28，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
目录
腾讯云开发者
