13518219792
小编给大家分享一下Python中如何使用Pandas生成可视化图表，相信大部分人都还不怎么了解，因此分享这篇文章给大家参考一下，希望大家阅读完这篇文章后大有收获，下面让我们一起去了解一下吧！
创新互联建站于2013年创立，先为岱山等服务建站，岱山等地企业，进行企业商务咨询服务。为岱山企业网站制作PC+手机+微官网三网同步一站式服务解决您的所有建站问题。一、线型图
对于pandas的内置数据类型，Series 和 DataFrame 都有一个用于生成各类 图表 的 plot 方法。 默认情况下， 它们所生成的是线型图。其实Series和DataFrame上的这个功能只是使用matplotlib库的plot()方法的简单包装实现。参考以下示例代码 -
import pandas as pd
import numpy as np
df = pd.DataFrame(np.random.randn(10,4),index=pd.date_range('2018/12/18',
periods=10), columns=list('ABCD'))
df.plot()执行上面示例代码，得到以下结果 -
如果索引由日期组成，则调用gct().autofmt_xdate()来格式化x轴，如上图所示。
我们可以使用x和y关键字绘制一列与另一列。
s = Series( np. random. randn( 10). cumsum(), index= np. arange( 0, 100, 10)) s. plot()
pandas 的大部分绘图方法都有 一个 可选的ax参数， 它可以是一个 matplotlib 的 subplot 对象。 这使你能够在网格 布局 中 更为灵活地处理 subplot 的位置。 DataFrame的plot 方法会在 一个 subplot 中为各列绘制 一条 线， 并自动创建图例（ 如图所示）：
df = DataFrame( np. random. randn( 10, 4). cumsum( 0), ...: columns=[' A', 'B', 'C', 'D'], index= np. arange( 0, 100, 10)) df. plot()
二、柱状图
在生成线型图的代码中加上 kind=' bar'（ 垂直柱状图） 或 kind=' barh'（ 水平柱状图） 即可生成柱状图。 这时，Series 和 DataFrame 的索引将会被用 作 X（ bar） 或 （barh）刻度：
In [59]: fig, axes = plt. subplots( 2, 1)
In [60]: data = Series( np. random. rand( 16), index= list(' abcdefghijklmnop'))
In [61]: data. plot( kind=' bar', ax= axes[ 0], color=' k', alpha= 0. 7)
Out[ 61]: < matplotlib. axes. AxesSubplot at 0x4ee7750>
In [62]: data. plot( kind=' barh', ax= axes[ 1], color=' k', alpha= 0.对于 DataFrame， 柱状 图 会 将 每一 行的 值 分为 一组， 如图 8- 16 所示：
In [63]: df = DataFrame( np. random. rand( 6, 4), ...: index=[' one', 'two', 'three', 'four', 'five', 'six'], ...: columns= pd. Index([' A', 'B', 'C', 'D'], name=' Genus')) In [64]: df Out[ 64]: Genus A B C D one 0. 301686 0. 156333 0. 371943 0. 270731 two 0. 750589 0. 525587 0. 689429 0. 358974 three 0. 381504 0. 667707 0. 473772 0. 632528 four 0. 942408 0. 180186 0. 708284 0. 641783 five 0. 840278 0. 909589 0. 010041 0. 653207 six 0. 062854 0. 589813 0. 811318 0. 060217 In [65]: df. plot( kind=' bar')
三、条形图
现在通过创建一个条形图来看看条形图是什么。条形图可以通过以下方式来创建 -
import pandas as pd import numpy as np df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d']) df.plot.bar()
执行上面示例代码，得到以下结果 -
要生成一个堆积条形图，通过指定：pass stacked=True -
import pandas as pd df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d']) df.plot.bar(stacked=True)
执行上面示例代码，得到以下结果 -
要获得水平条形图，使用barh()方法 -
import pandas as pd import numpy as np df = pd.DataFrame(np.random.rand(10,4),columns=['a','b','c','d']) df.plot.barh(stacked=True)
四、直方图
可以使用plot.hist()方法绘制直方图。我们可以指定bins的数量值。
import pandas as pd
import numpy as np
df = pd.DataFrame({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),'c':
np.random.randn(1000) - 1}, columns=['a', 'b', 'c'])
df.plot.hist(bins=20)执行上面示例代码，得到以下结果 -
要为每列绘制不同的直方图，请使用以下代码 -
import pandas as pd
import numpy as np
df=pd.DataFrame({'a':np.random.randn(1000)+1,'b':np.random.randn(1000),'c':
np.random.randn(1000) - 1}, columns=['a', 'b', 'c'])
df.hist(bins=20)执行上面示例代码，得到以下结果 -
五、箱型图
Boxplot可以绘制调用Series.box.plot()和DataFrame.box.plot()或DataFrame.boxplot()来可视化每列中值的分布。
例如，这里是一个箱形图，表示对[0,1)上的统一随机变量的10次观察的五次试验。
import pandas as pd import numpy as np df = pd.DataFrame(np.random.rand(10, 5), columns=['A', 'B', 'C', 'D', 'E']) df.plot.box()
执行上面示例代码，得到以下结果 -
六、块型图
可以使用Series.plot.area()或DataFrame.plot.area()方法创建区域图形。
import pandas as pd import numpy as np df = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd']) df.plot.area()
执行上面示例代码，得到以下结果 -
七、散点图
可以使用DataFrame.plot.scatter()方法创建散点图。
import pandas as pd import numpy as np df = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd']) df.plot.scatter(x='a', y='b')
执行上面示例代码，得到以下结果 -
八、饼状图
饼状图可以使用DataFrame.plot.pie()方法创建。
import pandas as pd import numpy as np df = pd.DataFrame(3 * np.random.rand(4), index=['a', 'b', 'c', 'd'], columns=['x']) df.plot.pie(subplots=True)
执行上面示例代码，得到以下结果 -
以上是“Python中如何使用Pandas生成可视化图表”这篇文章的所有内容，感谢各位的阅读！相信大家都有了一定的了解，希望分享的内容对大家有所帮助，如果还想学习更多知识，欢迎关注创新互联成都网站设计公司行业资讯频道！
另外有需要云服务器可以了解下创新互联scvps.cn，海内外云服务器15元起步，三天无理由+7*72小时售后在线，公司持有idc许可证，提供“云服务器、裸金属服务器、高防服务器、香港服务器、美国服务器、虚拟主机、免备案服务器”等云主机租用服务以及企业上云的综合解决方案，具有“安全稳定、简单易用、服务可用性高、性价比高”等特点与优势，专为企业上云打造定制，能够满足用户丰富、多元化的应用场景需求。
