Python Pandas 数据可视化
1、Pandas 的绘图功能
Pandas 内置的绘图功能进行数据可视化是一种快速且有效的方法，它主要依赖于 Matplotlib 库。Pandas 提供了多种绘图类型，适用于不同的数据分析和可视化需求。
1）折线图
使用plot()绘制拆线图，常用参数如下，
|
参数 |
描述 |
|
x |
一维数组或列表，表示数据点的横坐标。 |
|
y |
一维数组或列表，表示数据点的纵坐标。 |
|
color |
指定线条颜色，可以是字符串颜色名或 RGB 颜色值。 |
|
linewidth |
指定线条宽度。 |
|
linestyle |
指定线条样式，例如 - (实线)、 -- (虚线)、 -. (点划线) 等。 |
|
marker |
指定数据点标记形状，例如 o (圆)、 x (叉)、 * (星) 等。 |
|
markersize |
指定数据点标记大小。 |
|
label |
指定用于图例的标签。 |
2）绘制散点图
使用scatter()绘制散点图，常用参数如下，
|
参数 |
描述 |
|
x |
一维数组或列表，表示数据点的横坐标。 |
|
y |
一维数组或列表，表示数据点的纵坐标。 |
|
c |
指定数据点颜色，可以是字符串颜色名、RGB 颜色值或一维数组。 |
|
s |
指定数据点大小，可以是单个值或一维数组。 |
|
marker |
指定数据点形状，例如 o (圆)、 x (叉)、 * (星) 等。 |
|
alpha |
指定数据点透明度，取值范围为 0.0 (完全透明) 到 1.0 (完全不透明)。 |
|
edgecolors |
指定数据点边缘颜色，可以是字符串颜色名、RGB 颜色值或一维数组。 |
|
linewidths |
指定数据点边缘宽度，可以是单个值或一维数组。 |
3）绘制直方图
使用hist()绘制直方图，常用参数如下，
|
参数 |
描述 |
|
x |
一维数组或列表，表示数据点。 |
|
bins |
指定直方图的柱状图数量，默认为 10。 |
|
range |
指定直方图的绘制范围，例如 (min_value, max_value)。 |
|
histtype |
指定直方图的类型，例如 'bar' (柱状图)、 'step' (阶梯图) 等。 |
|
color |
指定直方图柱状图的颜色，可以是字符串颜色名、RGB 颜色值或一维数组。 |
|
alpha |
指定直方图柱状图的透明度，取值范围为 0.0 (完全透明) 到 1.0 (完全不透明)。 |
|
edgecolor |
指定直方图柱状图边缘的颜色，可以是字符串颜色名、RGB 颜色值或一维数组。 |
|
linewidth |
指定直方图柱状图边缘的宽度。 |
4）绘制条形图
使用hist()绘制条形图，常用参数如下，
|
参数 |
描述 |
|
x |
x轴的标签或位置。 |
|
y |
y轴的标签或位置。 |
|
figsize |
图形大小（英寸），例如 (10, 5)。 |
|
color |
各个条形的颜色。 |
|
title |
图表的标题。 |
|
legend |
布尔值，表示是否显示或隐藏图例。 |
|
stacked |
布尔值，表示是否创建堆叠条形图。 |
|
width |
条形的宽度（浮点数，通常介于0到1之间）。 |
|
align |
条形的对齐方式（'center' 或 'edge'）。 |
|
rot |
刻度的旋转角度（例如，45代表45度）。 |
|
grid |
布尔值，表示是否显示或隐藏网格。 |
|
fontsize |
刻度标签的字体大小。 |
|
edgecolor |
条形边缘的颜色。 |
|
error_kw |
错误条的关键字参数（字典形式）。 |
|
log |
布尔值，表示是否将y轴设置为对数刻度。 |
5）绘制箱图
使用box()绘制箱图，常用参数如下，
|
参数 |
描述 |
|
column |
要绘制的列的名称或名称列表。 |
|
by |
用于分组的列的名称，用于创建分组箱线图。 |
|
ax |
用于绘制图表的 Matplotlib 轴对象。 |
|
fontsize |
轴标签的字体大小。 |
|
rot |
轴标签的旋转度数。 |
|
grid |
布尔值，指定是否显示网格线。 |
|
figsize |
图表的大小（英寸），例如 (10, 5)。 |
|
layout |
箱线图的布局，例如 (2, 3) 表示 2 行 3 列。 |
|
return_type |
返回类型，可以是 'axes' 或 'dict'。 |
|
vert |
布尔值，指定箱线图是垂直还是水平显示。 |
|
patch_artist |
布尔值，指定是否用 Artist 来绘制箱体，可以更改箱体样式。 |
|
meanline |
布尔值，指定是否显示均值线。 |
|
showmeans |
布尔值，指定是否显示均值。 |
|
showcaps |
布尔值，指定是否显示须（whisker）的上下顶帽（caps）。 |
|
whis |
指定须（whisker）的范围，可以是数值或字符串，如 1.5 或 'range'。 |
6）使用示例
使用示例：
参考文档：
2、Pandas 与 Matplotlib 集成
Pandas 的数据可视化功能与 Matplotlib 和 Seaborn 等库紧密集成，提供了丰富的数据可视化选项。
1）Matplotlib
Pandas 绘图实际上是在 Matplotlib 的基础上构建的，因此可以轻松地使用 Matplotlib 的功能来自定义 Pandas 图表。
import pandas as pd
import matplotlib.pyplot as plt
data = {'Year': [2015, 2016, 2017, 2018, 2019],
'Sales': [200, 300, 400, 500, 600]}
df = pd.DataFrame(data)
# 使用 Pandas 绘图
df.plot(x='Year', y='Sales', kind='line')
ax = df.plot()
# 使用 Matplotlib 定制图表
ax.set_title('title cjavapy')
ax.set_xlabel('Year')
ax.set_ylabel('Sales')
plt.show()
3、Pandas 与 Seaborn 集成
Seaborn 是一个基于 Matplotlib 的 Python 数据可视化库，提供了一种更高级别的接口，专门用于绘制统计图形。它与 Pandas 结合得非常好，可以直接使用 Pandas 的 DataFrame 进行绘图。它提供了一系列预定义的样式和主题，可以快速创建美观的图表。Seaborn 的图表风格比较现代，适合用于学术论文或商业报告等场合。
1）安装Seaborn
pip install Seaborn
2）使用示例
参考文档：
