手把手教你使用Pandas繪制最常用的幾類統(tǒng)計圖形

柱狀圖箱線圖密度圖條形圖散點圖折線圖保存繪圖總結(jié)

可視化是用來探索性數(shù)據(jù)分析最強大的工具之一。Pandas庫包含基本的繪圖功能，可以讓你創(chuàng)建各種繪圖。Pandas中的繪圖是在matplotlib之上構(gòu)建的，如果你很熟悉matplotlib你會驚奇地發(fā)現(xiàn)他們的繪圖風格是一樣的。

本案例用到的數(shù)據(jù)集是關(guān)于鉆石的。

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)

輸出結(jié)果顯示，數(shù)據(jù)集包含53940個不同鉆石的10個特征，其中有數(shù)值變量也有分類變量。

柱狀圖

柱狀圖是一個單變量圖（注意區(qū)分柱狀圖和條形圖），它將一個數(shù)值變量分組到各個數(shù)值單元中，并顯示每個單元中的觀察值數(shù)量。直方圖是了解數(shù)值變量分布的一種有用工具。所用到的方法是df.hist()

diamonds.hist(column="carat",????????#?具體列
??????????????figsize=(8,8),?????????#?圖片大小
??????????????color="blue");?????????#?繪畫顏色

從圖上我們可以看到鉆石重量的分布是十分傾斜的：大多數(shù)鉆石大約1克拉及以下，但也有極少量極端值。
為了獲得更多細節(jié)的數(shù)據(jù)，我們可以增加分箱的數(shù)量來查看更小范圍內(nèi)的鉆石重量，通過限制x軸的寬度使整個圖形在畫布上顯得不那么擁擠。

diamonds.hist(column="carat",????????
??????????????figsize=(8,8),?????????
??????????????color="blue",??????????
??????????????bins=50,???????????????
??????????????range=?(0,3.5));???????

這個直方圖讓我們更好地了解了分布中的一些細微差別，但我們不能確定它是否包含所有數(shù)據(jù)。將X軸限制在3.5可能會剔除一些異常值，以至于它們在原始圖表中沒有顯示。接下來看看有沒有鉆石大于3.5克拉：

diamonds[diamonds["carat"]?>?3.5]

哦豁，真的有9顆鉆石比3.5克拉大，這些'怪種'鉆石我們應該關(guān)心嗎？出于數(shù)據(jù)探索的目的，我們完全可以舍棄這些點，但如果是把數(shù)據(jù)的全貌展示給別人看，我覺得有必要詳細說明：范圍之外還存在9個離群點。

箱線圖

箱線圖是另一種單變量圖， 方法pd.boxplot()

diamonds.boxplot(column="carat");

箱線圖的中心框代表中間50%的觀察值，中心線代表中位數(shù)。
boxplot最有用的特性之一是能夠生成并排的boxplots。每個分類變量都在一個不同的boxside上繪制一個分類變量。接下來將鉆石價格按鉆石凈度分成兩部分來做一個并排的方框圖：

diamonds.boxplot(column="price",????????
?????????????????by=?"clarity",?????????
?????????????????figsize=?(8,8));???????

上面的箱線圖很奇怪：按理說清晰度更好的鉆石能賣到更高的價格，然而清晰度最高的鉆石(IF)的中間價卻比低凈度鉆石低！這是為什么呢？也許下面這個圖可以給我們一些啟示：

diamonds.boxplot(column="carat",????????
?????????????????by=?"clarity",?????????
?????????????????figsize=?(8,8));???????

上面的圖表顯示，透明度較低的鉆石往往更大,透明度高的鉆石更加小巧。由于尺寸重量是決定鉆石價值的另一個重要因素，因此低透明度鉆石的中間價較高也就不足為奇了。

密度圖

密度圖以連續(xù)曲線顯示數(shù)值變量的分布。它類似于柱狀圖，但密度圖能更好地顯示分布的基本形狀。series.plot(kind="density")

diamonds["carat"].plot(kind="density",?
??????????????????????figsize=(8,8),????
??????????????????????xlim=?(0,5));?????

條形圖

條形圖是直觀顯示分類變量計數(shù)的圖形，df.plot(kind="bar")：

carat_table?=?pd.crosstab(index=diamonds["clarity"],?columns="count")
carat_table

carat_table.plot(kind="bar",
?????????????????figsize=(8,8));

可以使用二維表格創(chuàng)建堆積條形圖。堆積條形圖顯示每個條形圖中另一個變量的分布：

carat_table?=?pd.crosstab(index=diamonds["clarity"],?
??????????????????????????columns=diamonds["color"])

carat_table

carat_table.plot(kind="bar",?
?????????????????figsize=(8,8),
?????????????????stacked=True);

分組條形圖是堆疊條形圖的另一種選擇，設置stacked=False即可：

carat_table.plot(kind="bar",?
?????????????????figsize=(8,8),
?????????????????stacked=False);

散點圖

散點圖是雙變量圖，采用兩個數(shù)值變量，并在x/y平面上繪制數(shù)據(jù)點。創(chuàng)建單個散點圖使用方法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));

盡管上面的散點圖有許多重疊點，但它仍然讓我們對鉆石克拉重量和價格之間的關(guān)系有了一些了解：大鉆石通常更貴。

折線圖

折線圖通常用于繪制時間序列數(shù)據(jù)：

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));

保存繪圖

如果要保存圖片供以后使用，兩步就可以輕松解決：首先用plot.get_figure()，然后用figure.savefig("filename")。圖片可以保存為多種常見的文件格式，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")??

總結(jié)

Python繪圖生態(tài)系統(tǒng)有許多不同的庫，大部分人可能會很難從中抉擇，不知道該如何人下手。Pandas繪圖函數(shù)使你能夠快速地可視化和瀏覽數(shù)據(jù)。Pandas繪圖函數(shù)并沒有提供盡善盡美的所有功能，但它們通常足以完成任務。