相見恨晚，一招搞定數據可視化

數據可視化前面已經寫了3篇(小白開始學Python最著名的繪圖庫,最適合小白學的花色玩Python折線圖|畫個天氣預報,7招用Python畫出酷酷的|散點直方圖)，今天咱們來說懶人專用的可視化圖，大部分時候咱們分析數據的最後都是pandas類型的數據結構，其實pandas直接能夠生成matplotlib圖，很是方便一招搞定.

導言：

• matplotlib雖然很是強大，可是太偏低層和原生態，比如作飯，你須要砍柴，生火，架竈具，最後纔是淘米燒飯
• 可否有一個相似電飯鍋這樣的庫，直接封裝了matplotlib裏面的庫
• 而後咱們只須要把數據放進去，設定幾個參數，一副圖就出來了，有的就是神器Pandas自帶的做圖功能

固然後面有空會介紹更高級的神器Tableau,d3

1.Pandas一招做圖

---

咱們用一組表格數據，有行有列好比一組學生的數據：

• 這是一個很是很是典型的二維數據，咱們在處理數據的時候常常會用到，聰明的同窗會發現，這不是Pandas的最喜歡的DataFrame類型嗎，對的就是這樣的數據格式
• 如何可視化呢，若是用之前的方法，須要手動構造x軸和y軸，很是麻煩，有沒有簡單的方法呢
• 有的，Pandas對象自帶了做圖功能，一招搞定，真的是讓人相見恨晚

1. 導入三大神庫:pandas,numpy,matplotlib
2. 構造一個pandas數據對象df,其實表格數據咱們常常從CSV裏面讀進來，因此pandas的對象很是常見
3. 最精華的來了,直接用df調用plot()函數，一幅漂亮的圖就生成了

• 哇！x軸和y軸刻度，標籤所有自動搞定，居然還有自動加圖例
• 數據部分Height,Age,Score通通搞定，並且還自帶顏色
• 細心的同窗的發現，橫座標其實就是index裏面的列表裏面的值

上面的圖雖然很爽，可是有幾個小問題：

• 文字是豎體，看的不舒服
• X軸，Y軸沒有說明，如有說明註釋的話能夠更爽一點
• 圖例能不能放到左上角,y的刻度可否更細一點
• 數據部分是安裝Age,Height,Score排列的，能不能按照數字大小排序呢
  這些問題通通都更搞定，咱們接着看

2.進一步精雕細琢

---

上面的4問題，雖然是細節，可是一幅好的數據可視乎圖，細節決定成敗，那麼怎麼搞定呢，其實很容易，咱們看一下

• 在原來的df上面增長一個columns,其實就是增長了對數據的列的排序顯示,讓數據從高到低呈現
• 獲取一個df.plot()的對象，這個對象是啥呢，其實就是返回一個matplotlib的axes對象，有了這個對象咱們就能夠自由的控制子圖上的任何東西
• 用df.legend()設置一下圖例,並用loc=2 關鍵字控制圖例的位置
• 用df.set_yticket()從新設置y的刻度,set_ylable設置y軸的註釋，set_title()設置子圖的標題
  

如今看的是否是很爽了，通過上面2步，相信你們對pandas做圖應該有所瞭解，pandas還有一種數據結構Series是大同小異呢，那麼好學的小夥伴必定會問，是否是pandas只能畫直方圖啊，固然不是啦，咱們接着看

3.其餘類型的圖

---

除了上面的直方圖,pandas能夠簡單就做出折線圖,橫向直方圖,柱狀圖, 密度圖

折線圖:
好比咱們看一組北京的2016/8和2017/8月份的天氣數據

咱們只須要把plot裏面的kind設爲line，就能夠輕鬆畫出折線圖,marker=v表示有箭頭,若是想畫橫向直方圖能夠把kind='barh',畫散佈圖kind='kde'

橫向直方圖：
由於31天的數據橫向展現會很是密集，這裏做爲示例我只取前9天

KDE密度圖：

也是把kind設爲kde便可.密度圖能更好的反應數據內在的集中度，很明顯溫度集中在28-36度之間

結論：

---

好，懶人專用的Pandas做圖，今天就講到這裏啦，其實還有不少神兵利器能夠方便咱們做圖，好比R語言裏面ggplot2能夠對幾十萬，上百萬的數據很是方便的分析而且作出可視化圖,好比tableau是一款很是火爆的可視化工具,後面有時間我會寫一些這方面的內容。

小白學數據分析可視化，我已經寫了4篇這一個小的系列暫時先告一段落後面還有不少精彩的文章，敬請期待