數據分析 ——— pandas可視化（六）

這篇文章咱們進行pandas可視化化的操做, 在這裏我只是簡單畫幾個圖，表面pandas也是能夠用來畫圖的，後期會在更新matlab等數據可視化的python庫的。

1、折線圖

# pandas 可視化import pandas as pdimport numpy as np
df = pd.DataFrame(np.random.randn(10,4),index=pd.date_range('1/1/2000', periods=10), columns=list('ABCD'))print(df)df.plot()"""輸出：
 A B C D2000-01-01 -1.281895 -0.998074 0.294228 1.0692632000-01-02 0.345332 -1.964545 -1.255876 -2.0487632000-01-03 0.575943 -0.308171 1.610226 0.3630302000-01-04 1.347944 0.966780 -0.952731 -0.7354392000-01-05 0.760232 1.309290 0.465559 -0.5273512000-01-06 -1.281965 -0.203642 -0.676652 0.5753422000-01-07 -0.135509 -0.557890 0.910456 0.6922392000-01-08 0.627769 1.182899 0.076140 1.5373562000-01-09 -0.842049 -0.290053 0.043574 -0.9920362000-01-10 0.242678 0.289572 0.858469 -0.756504<matplotlib.axes._subplots.AxesSubplot at 0x7fd8bcf65208"""

2、條形圖

    利用plot.bar()

# 條形圖df.plot.bar()

堆疊的條形圖：

設置stacked=True就OK啦

# 堆疊條形圖df.plot.bar(stacked=True)

水平條形圖：

# 水平條形圖df = pd.DataFrame(np.random.rand(10, 4), columns=['a','b','c','d'])df.plot.barh(stacked=True)

3、直方圖

# 直方圖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)

每列繪製不一樣的直方圖：

import pandas as pdimport 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.diff.hist(bins=20)

4、盒圖

df.plot.box()

5、區域圖

# 區域圖df = pd.DataFrame(np.random.rand(10, 4), columns=['a', 'b', 'c', 'd'])df.plot.area()

6、散點圖

df = pd.DataFrame(np.random.rand(50, 4), columns=['a', 'b', 'c', 'd'])df.plot.scatter(x='a', y='b')

7、扇形圖

df = pd.DataFrame(3 * np.random.rand(4), index=['a', 'b', 'c', 'd'], columns=['x'])df.plot.pie(subplots=True)

以上就是利用pandas來進行可視化的一些函數，感受圖很醜， 不是很推薦使用的哈~_~

精 彩 推 薦

機器學習&深度學習&人工智能資料

python基礎資料

數據分析資料

全部爬蟲文章的歸類

數據分析 ——— pandas基礎（三）

數據分析 ——— pandas基礎（四）

使用 python 發送郵件

本文分享自微信公衆號 - Python爬蟲scrapy（python_scrapy）。
若有侵權，請聯繫 support@oschina.cn 刪除。
本文參與「OSC源創計劃」，歡迎正在閱讀的你也加入，一塊兒分享。