Pandas高階教程之:plot畫圖詳解

flydean發表於2021-07-07

目錄

簡介

python中matplotlib是非常重要並且方便的圖形化工具，使用matplotlib可以視覺化的進行資料分析，今天本文將會詳細講解Pandas中的matplotlib應用。

基礎畫圖

要想使用matplotlib，我們需要引用它：

In [1]: import matplotlib.pyplot as plt

假如我們要從2020年1月1日開始，隨機生成365天的資料，然後作圖表示應該這樣寫：

ts = pd.Series(np.random.randn(365), index=pd.date_range("1/1/2020", periods=365))

ts.plot()

使用DF可以同時畫多個Series的影像：

df3 =  pd.DataFrame(np.random.randn(365, 4), index=ts.index, columns=list("ABCD"))

 df3= df3.cumsum()

df3.plot()

可以指定行和列使用的資料：

df3 = pd.DataFrame(np.random.randn(365, 2), columns=["B", "C"]).cumsum()

df3["A"] = pd.Series(list(range(len(df))))

df3.plot(x="A", y="B");

其他影像

plot() 支援很多影像型別，包括bar, hist, box, density, area, scatter, hexbin, pie等，下面我們分別舉例子來看下怎麼使用。

bar

 df.iloc[5].plot(kind="bar");

多個列的bar：

df2 = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"])

df2.plot.bar();

stacked bar

df2.plot.bar(stacked=True);

barh

barh 表示橫向的bar圖：

df2.plot.barh(stacked=True);

Histograms

df2.plot.hist(alpha=0.5);

box

df.plot.box();

box可以自定義顏色：

color = {
   ....:     "boxes": "DarkGreen",
   ....:     "whiskers": "DarkOrange",
   ....:     "medians": "DarkBlue",
   ....:     "caps": "Gray",
   ....: }

df.plot.box(color=color, sym="r+");

可以轉成橫向的：

df.plot.box(vert=False);

除了box，還可以使用DataFrame.boxplot來畫box圖：

In [42]: df = pd.DataFrame(np.random.rand(10, 5))

In [44]: bp = df.boxplot()

boxplot可以使用by來進行分組：

df = pd.DataFrame(np.random.rand(10, 2), columns=["Col1", "Col2"])

df
Out[90]: 
       Col1      Col2
0  0.047633  0.150047
1  0.296385  0.212826
2  0.562141  0.136243
3  0.997786  0.224560
4  0.585457  0.178914
5  0.551201  0.867102
6  0.740142  0.003872
7  0.959130  0.581506
8  0.114489  0.534242
9  0.042882  0.314845

df.boxplot()

現在給df加一列：

 df["X"] = pd.Series(["A", "A", "A", "A", "A", "B", "B", "B", "B", "B"])

df
Out[92]: 
       Col1      Col2  X
0  0.047633  0.150047  A
1  0.296385  0.212826  A
2  0.562141  0.136243  A
3  0.997786  0.224560  A
4  0.585457  0.178914  A
5  0.551201  0.867102  B
6  0.740142  0.003872  B
7  0.959130  0.581506  B
8  0.114489  0.534242  B
9  0.042882  0.314845  B

bp = df.boxplot(by="X")

Area

使用 Series.plot.area() 或者 DataFrame.plot.area() 可以畫出area圖。

In [60]: df = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"])

In [61]: df.plot.area();

如果不想疊加，可以指定stacked=False

In [62]: df.plot.area(stacked=False);

Scatter

DataFrame.plot.scatter() 可以建立點圖。

In [63]: df = pd.DataFrame(np.random.rand(50, 4), columns=["a", "b", "c", "d"])

In [64]: df.plot.scatter(x="a", y="b");

scatter圖還可以帶第三個軸：

 df.plot.scatter(x="a", y="b", c="c", s=50);

可以將第三個引數變為散點的大小：

df.plot.scatter(x="a", y="b", s=df["c"] * 200);

Hexagonal bin

使用 DataFrame.plot.hexbin() 可以建立蜂窩圖：

In [69]: df = pd.DataFrame(np.random.randn(1000, 2), columns=["a", "b"])

In [70]: df["b"] = df["b"] + np.arange(1000)

In [71]: df.plot.hexbin(x="a", y="b", gridsize=25);

預設情況下顏色深度表示的是（x，y）中元素的個數，可以通過reduce_C_function來指定不同的聚合方法：比如 mean, max, sum, std.

In [72]: df = pd.DataFrame(np.random.randn(1000, 2), columns=["a", "b"])

In [73]: df["b"] = df["b"] = df["b"] + np.arange(1000)

In [74]: df["z"] = np.random.uniform(0, 3, 1000)

In [75]: df.plot.hexbin(x="a", y="b", C="z", reduce_C_function=np.max, gridsize=25);

Pie

使用 DataFrame.plot.pie() 或者 Series.plot.pie()來構建餅圖：

In [76]: series = pd.Series(3 * np.random.rand(4), index=["a", "b", "c", "d"], name="series")

In [77]: series.plot.pie(figsize=(6, 6));

可以按照列的個數分別作圖：

In [78]: df = pd.DataFrame(
   ....:     3 * np.random.rand(4, 2), index=["a", "b", "c", "d"], columns=["x", "y"]
   ....: )
   ....: 

In [79]: df.plot.pie(subplots=True, figsize=(8, 4));

更多定製化的內容：

In [80]: series.plot.pie(
   ....:     labels=["AA", "BB", "CC", "DD"],
   ....:     colors=["r", "g", "b", "c"],
   ....:     autopct="%.2f",
   ....:     fontsize=20,
   ....:     figsize=(6, 6),
   ....: );

如果傳入的value值加起來不是1，那麼會畫出一個傘形：

In [81]: series = pd.Series([0.1] * 4, index=["a", "b", "c", "d"], name="series2")

In [82]: series.plot.pie(figsize=(6, 6));

在畫圖中處理NaN資料

下面是預設畫圖方式中處理NaN資料的方式：

畫圖方式 處理NaN的方式
Line Leave gaps at NaNs
Line (stacked) Fill 0’s
Bar Fill 0’s
Scatter Drop NaNs
Histogram Drop NaNs (column-wise)
Box Drop NaNs (column-wise)
Area Fill 0’s
KDE Drop NaNs (column-wise)
Hexbin Drop NaNs
Pie Fill 0’s

其他作圖工具

散點矩陣圖Scatter matrix

可以使用pandas.plotting中的scatter_matrix來畫散點矩陣圖：

In [83]: from pandas.plotting import scatter_matrix

In [84]: df = pd.DataFrame(np.random.randn(1000, 4), columns=["a", "b", "c", "d"])

In [85]: scatter_matrix(df, alpha=0.2, figsize=(6, 6), diagonal="kde");

密度圖Density plot

使用 Series.plot.kde() 和 DataFrame.plot.kde() 可以畫出密度圖：

In [86]: ser = pd.Series(np.random.randn(1000))

In [87]: ser.plot.kde();

安德魯斯曲線Andrews curves

安德魯斯曲線允許將多後設資料繪製為大量曲線，這些曲線是使用樣本的屬性作為傅立葉級數的係數建立的. 通過為每個類對這些曲線進行不同的著色，可以視覺化資料聚類。 屬於同一類別的樣本的曲線通常會更靠近在一起並形成較大的結構。

In [88]: from pandas.plotting import andrews_curves

In [89]: data = pd.read_csv("data/iris.data")

In [90]: plt.figure();

In [91]: andrews_curves(data, "Name");

平行座標Parallel coordinates

平行座標是一種用於繪製多後設資料的繪製技術。 平行座標允許人們檢視資料中的聚類，並直觀地估計其他統計資訊。 使用平行座標點表示為連線的線段。 每條垂直線代表一個屬性。 一組連線的線段代表一個資料點。 趨於聚集的點將顯得更靠近。

In [92]: from pandas.plotting import parallel_coordinates

In [93]: data = pd.read_csv("data/iris.data")

In [94]: plt.figure();

In [95]: parallel_coordinates(data, "Name");

滯後圖lag plot

滯後圖是用時間序列和相應的滯後階數序列做出的散點圖。可以用於觀測自相關性。

In [96]: from pandas.plotting import lag_plot

In [97]: plt.figure();

In [98]: spacing = np.linspace(-99 * np.pi, 99 * np.pi, num=1000)

In [99]: data = pd.Series(0.1 * np.random.rand(1000) + 0.9 * np.sin(spacing))

In [100]: lag_plot(data);

自相關圖Autocorrelation plot

自相關圖通常用於檢查時間序列中的隨機性。 自相關圖是一個平面二維座標懸垂線圖。橫座標表示延遲階數，縱座標表示自相關係數。

In [101]: from pandas.plotting import autocorrelation_plot

In [102]: plt.figure();

In [103]: spacing = np.linspace(-9 * np.pi, 9 * np.pi, num=1000)

In [104]: data = pd.Series(0.7 * np.random.rand(1000) + 0.3 * np.sin(spacing))

In [105]: autocorrelation_plot(data);

Bootstrap plot

bootstrap plot用於直觀地評估統計資料的不確定性，例如均值，中位數，中間範圍等。從資料集中選擇指定大小的隨機子集，為該子集計算出相關統計資訊， 重複指定的次數。 生成的圖和直方圖構成了引導圖。

In [106]: from pandas.plotting import bootstrap_plot

In [107]: data = pd.Series(np.random.rand(1000))

In [108]: bootstrap_plot(data, size=50, samples=500, color="grey");

RadViz

他是基於彈簧張力最小化演算法。它把資料集的特徵對映成二維目標空間單位圓中的一個點，點的位置由系在點上的特徵決定。把例項投入圓的中心，特徵會朝圓中此例項位置（例項對應的歸一化數值）“拉”例項。

In [109]: from pandas.plotting import radviz

In [110]: data = pd.read_csv("data/iris.data")

In [111]: plt.figure();

In [112]: radviz(data, "Name");

影像的格式

matplotlib 1.5版本之後，提供了很多預設的畫圖設定，可以通過matplotlib.style.use(my_plot_style)來進行設定。

可以通過使用matplotlib.style.available來列出所有可用的style型別：

import matplotlib as plt;

plt.style.available
Out[128]: 
['seaborn-dark',
 'seaborn-darkgrid',
 'seaborn-ticks',
 'fivethirtyeight',
 'seaborn-whitegrid',
 'classic',
 '_classic_test',
 'fast',
 'seaborn-talk',
 'seaborn-dark-palette',
 'seaborn-bright',
 'seaborn-pastel',
 'grayscale',
 'seaborn-notebook',
 'ggplot',
 'seaborn-colorblind',
 'seaborn-muted',
 'seaborn',
 'Solarize_Light2',
 'seaborn-paper',
 'bmh',
 'seaborn-white',
 'dark_background',
 'seaborn-poster',
 'seaborn-deep']

去掉小圖示

預設情況下畫出來的圖會有一個表示列型別的圖示，可以使用legend=False禁用：

In [115]: df = pd.DataFrame(np.random.randn(1000, 4), index=ts.index, columns=list("ABCD"))

In [116]: df = df.cumsum()

In [117]: df.plot(legend=False);

設定label的名字

In [118]: df.plot();

In [119]: df.plot(xlabel="new x", ylabel="new y");

縮放

畫圖中如果X軸或者Y軸的資料差異過大，可能會導致影像展示不友好，數值小的部分基本上無法展示，可以傳入logy=True進行Y軸的縮放：

In [120]: ts = pd.Series(np.random.randn(1000), index=pd.date_range("1/1/2000", periods=1000))

In [121]: ts = np.exp(ts.cumsum())

In [122]: ts.plot(logy=True);

多個Y軸

使用secondary_y=True 可以繪製多個Y軸資料：

In [125]: plt.figure();

In [126]: ax = df.plot(secondary_y=["A", "B"])

In [127]: ax.set_ylabel("CD scale");

In [128]: ax.right_ax.set_ylabel("AB scale");

小圖示上面預設會新增right字樣，想要去掉的話可以設定mark_right=False：

In [129]: plt.figure();

In [130]: df.plot(secondary_y=["A", "B"], mark_right=False);

座標文字調整

使用時間做座標的時候，因為時間太長，導致x軸的座標值顯示不完整，可以使用x_compat=True 來進行調整：

In [133]: plt.figure();

In [134]: df["A"].plot(x_compat=True);

如果有多個影像需要調整，可以使用with：

In [135]: plt.figure();

In [136]: with pd.plotting.plot_params.use("x_compat", True):
   .....:     df["A"].plot(color="r")
   .....:     df["B"].plot(color="g")
   .....:     df["C"].plot(color="b")
   .....:

子圖

繪製DF的時候，可以將多個Series分開作為子圖顯示：

In [137]: df.plot(subplots=True, figsize=(6, 6));

可以修改子圖的layout：

df.plot(subplots=True, layout=(2, 3), figsize=(6, 6), sharex=False);

上面等價於：

In [139]: df.plot(subplots=True, layout=(2, -1), figsize=(6, 6), sharex=False);

一個更復雜的例子：

In [140]: fig, axes = plt.subplots(4, 4, figsize=(9, 9))

In [141]: plt.subplots_adjust(wspace=0.5, hspace=0.5)

In [142]: target1 = [axes[0][0], axes[1][1], axes[2][2], axes[3][3]]

In [143]: target2 = [axes[3][0], axes[2][1], axes[1][2], axes[0][3]]

In [144]: df.plot(subplots=True, ax=target1, legend=False, sharex=False, sharey=False);

In [145]: (-df).plot(subplots=True, ax=target2, legend=False, sharex=False, sharey=False);

畫表格

如果設定table=True ， 可以直接將表格資料一併顯示在圖中：

In [165]: fig, ax = plt.subplots(1, 1, figsize=(7, 6.5))

In [166]: df = pd.DataFrame(np.random.rand(5, 3), columns=["a", "b", "c"])

In [167]: ax.xaxis.tick_top()  # Display x-axis ticks on top.

In [168]: df.plot(table=True, ax=ax)

fig

table還可以顯示在圖片上面：

In [172]: from pandas.plotting import table

In [173]: fig, ax = plt.subplots(1, 1)

In [174]: table(ax, np.round(df.describe(), 2), loc="upper right", colWidths=[0.2, 0.2, 0.2]);

In [175]: df.plot(ax=ax, ylim=(0, 2), legend=None);

使用Colormaps

如果Y軸的資料太多的話，使用預設的線的顏色可能不好分辨。這種情況下可以傳入colormap 。

In [176]: df = pd.DataFrame(np.random.randn(1000, 10), index=ts.index)

In [177]: df = df.cumsum()

In [178]: plt.figure();

In [179]: df.plot(colormap="cubehelix");

本文已收錄於 http://www.flydean.com/09-python-pandas-plot/

最通俗的解讀，最深刻的乾貨，最簡潔的教程，眾多你不知道的小技巧等你來發現！

相關文章