Pandas 快速数据可视化

Pandas 是 python 中最常用的数据统计包，而数据可视化一般是使用 matplotlib 或者 seaborn。

其实 Pandas 已经内置了 matplotlib / pylab 用于数据可视化的方法，在分析一维和二维数据时非常方便。

“pandas.DataFrame.plot Make plots of DataFrame using matplotlib / pylab.”

如何调用

DataFrame.boxplot

DataFrame.hist

DataFrame.plot

其中 DataFrame.plot 既是可调用的方法也是一个命名空间。

既可以使用 DataFrame.plot(kind=kind) 也可以使用 DataFrame.plot.kind 来调用。

例：

df.plot(kind='line')

等价于

df.plot.line()

DataFrame.plot 图表类型

‘line’ : 折线图 (default)

‘bar’ : 条形图

‘barh’ : 垂直条形图

‘hist’ : 直方图

‘box’ : 箱线图

‘kde’ : 核密度估计

‘density’ : same as ‘kde’

‘area’ : 面积图

‘pie’ : 饼状图

‘scatter’ : 散点图

‘hexbin’ : 六边形图

实例

引入需要使用的包：

import pandas as pd
import numpy as np
import seaborn as sns
%matplotlib inline

构建一个用于演示的简单数据集 students：

students = pd.DataFrame({
    'Name': ['Hou Yi', 'Jiang Ziya', 'Tai Yi', 'Zhao Yun', 'Liu Bei'],
    'Id': range(5),
    'Math': np.random.randint(55, 100, size=5),
    'Physics': np.random.randint(55, 100, size=5),
    'Biology': np.random.randint(55, 100, size=5),
    'Group': ['A', 'B', 'A', 'A', 'B'],
    'Age': np.random.randint(18, 20, size=5)
})

students

字段说明：

Id：编号

Age: 年龄

Name：姓名

Group：分组

Math：数学成绩

Biology：生物成绩

Physics：物理成绩

对于成绩这样的变量，箱线图是非常合适的可视化方案

students['Math'].plot.box()

<matplotlib.axes._subplots.AxesSubplot at 0x1201a2c50>

可以一次性把所科目的成绩都可视化出来

students[['Math', 'Biology', 'Physics']].plot.box()

<matplotlib.axes._subplots.AxesSubplot at 0x11e5d6690>

也可以通过平均值对比下各科成绩的情况

students[['Math', 'Biology', 'Physics']].mean().plot.line()

<matplotlib.axes._subplots.AxesSubplot at 0x11d774fd0>

可以直接通过 by 参数查看 groupby 分组信息后的成绩分布

students[['Math', 'Biology', 'Physics', 'Group']].boxplot(by='Group', figsize=(12,6))

array([[<matplotlib.axes._subplots.AxesSubplot object at 0x1203b6f50>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x1207edb10>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x120875990>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x1208e72d0>]], dtype=object)

或者是 groupby 年龄的成绩分布

students[['Math', 'Biology', 'Physics', 'Age']].boxplot(by='Age', figsize=(12,6))

array([[<matplotlib.axes._subplots.AxesSubplot object at 0x1203b6fd0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x120cba5d0>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x120d40450>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x120da5d50>]], dtype=object)

如果想按两个条件来查看分布，可以给 by 参数传递一个数组(实例数据较少，可能不会展示出全部纬度的图)

students[['Math', 'Biology', 'Physics', 'Age', 'Group']].boxplot(by=['Age', 'Group'], figsize=(12,6))

array([[<matplotlib.axes._subplots.AxesSubplot object at 0x1217750d0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x123681d50>],
       [<matplotlib.axes._subplots.AxesSubplot object at 0x1238b7bd0>,
        <matplotlib.axes._subplots.AxesSubplot object at 0x123929510>]], dtype=object)

也可以通过数据的处理来查看样本中的数量分布，比如按分组查看样本数量分布

students.groupby('Group')['Id'].count().plot.pie(figsize=(6,6))

<matplotlib.axes._subplots.AxesSubplot at 0x120b0ee10>

或者同时按分组和年龄查看样本数量分布

students.groupby(['Group', 'Age'])['Id'].count().plot.pie(figsize=(6,6))

<matplotlib.axes._subplots.AxesSubplot at 0x11ec2ca90>

其它类型的图表使用方法基本也都类似，选择自己需要的表现形式即可。

如果对于可视化的需求比较简单，直接使用 pandas 比使用 matplotlib 要简洁畅快不少。