小編給大家分享一下Python中pandas數(shù)據(jù)分析庫如何實現(xiàn)數(shù)據(jù)可視化，希望大家閱讀完這篇文章之后都有所收獲，下面讓我們一起去探討吧！
成都創(chuàng)新互聯(lián)專注于寧德企業(yè)網(wǎng)站建設(shè),響應(yīng)式網(wǎng)站設(shè)計,成都商城網(wǎng)站開發(fā)。寧德網(wǎng)站建設(shè)公司,為寧德等地區(qū)提供建站服務(wù)。全流程按需策劃，專業(yè)設(shè)計，全程項目跟蹤，成都創(chuàng)新互聯(lián)專業(yè)和態(tài)度為您提供的服務(wù)
數(shù)據(jù)可視化可以讓我們很直觀的發(fā)現(xiàn)數(shù)據(jù)中隱藏的規(guī)律，察覺到變量之間的互動關(guān)系，可以幫助我們更好的給他人解釋現(xiàn)象，做到一圖勝千文的說明效果。
常見的數(shù)據(jù)可視化庫有:
matplotlib 是最常見的2維庫，可以算作可視化的必備技能庫，由于matplotlib是比較底層的庫，api很多，代碼學(xué)起來不太容易。
seaborn 是建構(gòu)于matplotlib基礎(chǔ)上，能滿足絕大多數(shù)可視化需求。更特殊的需求還是需要學(xué)習(xí)matplotlib
pyecharts 上面的兩個庫都是靜態(tài)的可視化庫，而pyecharts有很好的web兼容性，可以做到可視化的動態(tài)效果。
但是在數(shù)據(jù)科學(xué)中，幾乎都離不開pandas數(shù)據(jù)分析庫，而pandas可以做
數(shù)據(jù)采集 如何批量采集網(wǎng)頁表格數(shù)據(jù)？
數(shù)據(jù)讀取 pd.read_csv/pd.read_excel
數(shù)據(jù)清洗(預(yù)處理) 理解pandas中的apply和map的作用和異同
可視化，兼容matplotlib語法(今天重點)
在本文我們可以學(xué)到用pandas做
導(dǎo)入數(shù)據(jù)
繪制最簡單的圖plot()
多個y的繪制圖
折線圖、條形圖、餅形圖和散點圖繪制
統(tǒng)計信息繪圖
箱型圖
軸坐標(biāo)刻度
plot()更多精細(xì)化參數(shù)
可視化結(jié)果輸出保存
如果你之前沒有學(xué)過pandas和matpltolib,我們先安裝好這幾個庫
!pip3 install numpy !pip3 install pandas !pip3 install matplotlib
已經(jīng)安裝好，現(xiàn)在我們導(dǎo)入這幾個要用到的庫。使用的是倫敦天氣數(shù)據(jù)，一開始我們只有12個月的小數(shù)據(jù)作為例子
重慶分公司
重慶分公司
#jupyter notebook中需要加這行代碼
%matplotlib inlineimport matplotlib.pyplot as plt
import numpy as np
import pandas as pd
#讀取天氣數(shù)據(jù)df = pd.read_csv('data/london2018.csv')
df選擇Month作為橫坐標(biāo)，Tmax作為縱坐標(biāo)，繪圖。
大家注意下面兩種寫法
#寫法df.plot(x='Month', y='Tmax')plt.show()
橫坐標(biāo)軸參數(shù)x傳入的是df中的列名Month
縱坐標(biāo)軸參數(shù)y傳入的是df中的列名Tmax
上面的圖就是折線圖，折線圖畫法有三種
df.plot(x='Month', y='Tmax')
df.plot(x='Month', y='Tmax', kind='line')
df.plot.line(x='Month', y='Tmax')
df.plot.line(x='Month', y='Tmax') plt.show()
#grid繪制格線 df.plot(x='Month', y='Tmax', kind='line', grid=True) plt.show()
上面的折線圖中只有一條線， 如何將多個y繪制到一個圖中
比如Tmax， Tmin
df.plot(x='Month', y=['Tmax', 'Tmin']) plt.show()
df.plot(x='Month', y='Rain', kind='bar') #同樣還可以這樣畫#df.plot.bar(x='Month', y='Rain') plt.show()
bar換為barh，就可以將條形圖變?yōu)樗綏l形圖
df.plot(x='Month', y='Rain', kind='barh') #同樣還可以這樣畫#df.plot.bar(x='Month', y='Rain') plt.show()
多個變量的條形圖
df.plot(kind='bar', x = 'Month', y=['Tmax', 'Tmin']) plt.show()
df.plot(kind='scatter', x = 'Month', y = 'Sun') plt.show()
df.plot(kind='pie', y='Sun') plt.show()
上圖繪制有兩個小問題:
legend圖例不應(yīng)該顯示
月份的顯示用數(shù)字不太正規(guī)
df.index = ['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec'] df.plot(kind='pie', y = 'Sun', legend=False) plt.show()
一開頭的數(shù)據(jù)只有12條記錄(12個月)的數(shù)據(jù)，現(xiàn)在我們用更大的倫敦天氣數(shù)據(jù)
import pandas as pd
df2 = pd.read_csv('data/londonweather.csv')
df2.head()
df2.Rain.describe()
count 748.000000 mean 50.408957 std 29.721493 min 0.30000025 % 27.80000050% 46.10000075% 68.800000max 174.800000Name: Rain, dtype: float64
上面一共有748條記錄, 即62年的記錄。
df2.plot.box(y='Rain') #df2.plot(y='Rain', kind='box') plt.show()
df2.plot(y='Rain', kind='hist') #df2.plot.hist(y='Rain') plt.show()
縱坐標(biāo)的刻度可以通過bins設(shè)置
df2.plot(y='Rain', kind='hist', bins=[0,25,50,75,100,125,150,175, 200]) #df2.plot.hist(y='Rain') plt.show()
df.plot(kind='line', y=['Tmax', 'Tmin', 'Rain', 'Sun'], #4個變量可視化 subplots=True, #多子圖并存 layout=(2, 2), #子圖排列2行2列 figsize=(20, 10)) #圖布的尺寸 plt.show()
df.plot(kind='bar', y=['Tmax', 'Tmin', 'Rain', 'Sun'], #4個變量可視化 subplots=True, #多子圖并存 layout=(2, 2), #子圖排列2行2列 figsize=(20, 10)) #圖布的尺寸 plt.show()
給可視化起個標(biāo)題
df.plot(kind='bar', y=['Tmax', 'Tmin'], #2個變量可視化 subplots=True, #多子圖并存 layout=(1, 2), #子圖排列1行2列 figsize=(20, 5),#圖布的尺寸 title='The Weather of London') #標(biāo)題 plt.show()
可視化的結(jié)果可以存儲為圖片文件
df.plot(kind='pie', y='Rain', legend=False, figsize=(10, 5), title='Pie of Weather in London')
plt.savefig('img/pie.png')
plt.show()df.plot(x, y, kind, figsize, title, grid, legend, style)
x 只有dataframe對象時，x可用。橫坐標(biāo)
y 同上，縱坐標(biāo)變量
kind 可視化圖的種類，如line,hist, bar, barh, pie, kde, scatter
figsize 畫布尺寸
title 標(biāo)題
grid 是否顯示格子線條
legend 是否顯示圖例
style 圖的風(fēng)格
查看plot參數(shù)可以使用help
import pandas as pd help(pd.DataFrame.plot)
看完了這篇文章，相信你對“Python中pandas數(shù)據(jù)分析庫如何實現(xiàn)數(shù)據(jù)可視化”有了一定的了解，如果想了解更多相關(guān)知識，歡迎關(guān)注創(chuàng)新互聯(lián)行業(yè)資訊頻道，感謝各位的閱讀！
