手把手教你使用Pandas绘制最常用的几类统计图形
共 3633字,需浏览 8分钟
·
2020-11-11 20:01
柱状图箱线图密度图条形图散点图折线图保存绘图总结
可视化是用来探索性数据分析最强大的工具之一。Pandas库包含基本的绘图功能,可以让你创建各种绘图。Pandas中的绘图是在matplotlib之上构建的,如果你很熟悉matplotlib你会惊奇地发现他们的绘图风格是一样的。
本案例用到的数据集是关于钻石的。
import numpy as np
import pandas as pd
import matplotlib
%matplotlib inline
diamonds = pd.read_csv("diamonds.csv")
diamonds = diamonds.drop("Unnamed: 0", axis=1)
print(diamonds.shape)
diamonds.head(5)
(53940, 10)
输出结果显示,数据集包含53940个不同钻石的10个特征,其中有数值变量也有分类变量。
柱状图
柱状图是一个单变量图(注意区分柱状图和条形图),它将一个数值变量分组到各个数值单元中,并显示每个单元中的观察值数量。直方图是了解数值变量分布的一种有用工具。所用到的方法是df.hist()
diamonds.hist(column="carat", # 具体列
figsize=(8,8), # 图片大小
color="blue"); # 绘画颜色
从图上我们可以看到钻石重量的分布是十分倾斜的:大多数钻石大约1克拉及以下,但也有极少量极端值。
为了获得更多细节的数据,我们可以增加分箱的数量来查看更小范围内的钻石重量,通过限制x轴的宽度使整个图形在画布上显得不那么拥挤。
diamonds.hist(column="carat",
figsize=(8,8),
color="blue",
bins=50,
range= (0,3.5));
这个直方图让我们更好地了解了分布中的一些细微差别,但我们不能确定它是否包含所有数据。将X轴限制在3.5可能会剔除一些异常值,以至于它们在原始图表中没有显示。接下来看看有没有钻石大于3.5克拉:
diamonds[diamonds["carat"] > 3.5]
哦豁,真的有9颗钻石比3.5克拉大,这些'怪种'钻石我们应该关心吗?出于数据探索的目的,我们完全可以舍弃这些点,但如果是把数据的全貌展示给别人看,我觉得有必要详细说明:范围之外还存在9个离群点。
箱线图
箱线图是另一种单变量图, 方法pd.boxplot()
diamonds.boxplot(column="carat");
箱线图的中心框代表中间50%的观察值,中心线代表中位数。
boxplot最有用的特性之一是能够生成并排的boxplots。每个分类变量都在一个不同的boxside上绘制一个分类变量。接下来将钻石价格按钻石净度分成两部分来做一个并排的方框图:
diamonds.boxplot(column="price",
by= "clarity",
figsize= (8,8));
上面的箱线图很奇怪:按理说清晰度更好的钻石能卖到更高的价格,然而清晰度最高的钻石(IF)的中间价却比低净度钻石低!这是为什么呢?也许下面这个图可以给我们一些启示:
diamonds.boxplot(column="carat",
by= "clarity",
figsize= (8,8));
上面的图表显示,透明度较低的钻石往往更大,透明度高的钻石更加小巧。由于尺寸重量是决定钻石价值的另一个重要因素,因此低透明度钻石的中间价较高也就不足为奇了。
密度图
密度图以连续曲线显示数值变量的分布。它类似于柱状图,但密度图能更好地显示分布的基本形状。series.plot(kind="density")
diamonds["carat"].plot(kind="density",
figsize=(8,8),
xlim= (0,5));
条形图
条形图是直观显示分类变量计数的图形,df.plot(kind="bar"):
carat_table = pd.crosstab(index=diamonds["clarity"], columns="count")
carat_table
carat_table.plot(kind="bar",
figsize=(8,8));
可以使用二维表格创建堆积条形图。堆积条形图显示每个条形图中另一个变量的分布:
carat_table = pd.crosstab(index=diamonds["clarity"],
columns=diamonds["color"])
carat_table
carat_table.plot(kind="bar",
figsize=(8,8),
stacked=True);
分组条形图是堆叠条形图的另一种选择,设置stacked=False即可:
carat_table.plot(kind="bar",
figsize=(8,8),
stacked=False);
散点图
散点图是双变量图,采用两个数值变量,并在x/y平面上绘制数据点。创建单个散点图使用方法df.plot(kind="scatter"):
diamonds.plot(kind="scatter", # Create a scatterplot
x="carat", # Put carat on the x axis
y="price", # Put price on the y axis
figsize=(10,10),
ylim=(0,20000));
尽管上面的散点图有许多重叠点,但它仍然让我们对钻石克拉重量和价格之间的关系有了一些了解:大钻石通常更贵。
折线图
折线图通常用于绘制时间序列数据:
years = [y for y in range(1950,2016)]
readings = [(y+np.random.uniform(0,20)-1900) for y in years]
time_df = pd.DataFrame({"year":years,
"readings":readings})
time_df.plot(x="year",
y="readings",
figsize=(9,9));
保存绘图
如果要保存图片供以后使用,两步就可以轻松解决:首先用plot.get_figure(),然后用figure.savefig("filename")。图片可以保存为多种常见的文件格式,例如png、jpeg和pdf。
my_plot = time_df.plot(x="year",
y="readings",
figsize=(9,9))
my_fig = my_plot.get_figure()
my_fig.savefig("line_plot_example.png")
总结
Python绘图生态系统有许多不同的库,大部分人可能会很难从中抉择,不知道该如何人下手。Pandas绘图函数使你能够快速地可视化和浏览数据。Pandas绘图函数并没有提供尽善尽美的所有功能,但它们通常足以完成任务。