小编给大家分享一下Python中pandas数据分析库如何实现数据可视化，希望大家阅读完这篇文章之后都有所收获，下面让我们一起去探讨吧！
数据可视化可以让我们很直观的发现数据中隐藏的规律，察觉到变量之间的互动关系，可以帮助我们更好的给他人解释现象，做到一图胜千文的说明效果。
常见的数据可视化库有:
matplotlib 是最常见的2维库，可以算作可视化的必备技能库，由于matplotlib是比较底层的库，api很多，代码学起来不太容易。
seaborn 是建构于matplotlib基础上，能满足绝大多数可视化需求。更特殊的需求还是需要学习matplotlib
pyecharts 上面的两个库都是静态的可视化库，而pyecharts有很好的web兼容性，可以做到可视化的动态效果。
但是在数据科学中，几乎都离不开pandas数据分析库，而pandas可以做
数据采集 如何批量采集网页表格数据？
数据读取 pd.read_csv/pd.read_excel
数据清洗(预处理) 理解pandas中的apply和map的作用和异同
可视化，兼容matplotlib语法(今天重点)
在本文我们可以学到用pandas做
导入数据
绘制最简单的图plot()
多个y的绘制图
折线图、条形图、饼形图和散点图绘制
统计信息绘图
箱型图
轴坐标刻度
plot()更多精细化参数
可视化结果输出保存
如果你之前没有学过pandas和matpltolib,我们先安装好这几个库
!pip3 install numpy !pip3 install pandas !pip3 install matplotlib
已经安装好，现在我们导入这几个要用到的库。使用的是伦敦天气数据，一开始我们只有12个月的小数据作为例子
#jupyter notebook中需要加这行代码
%matplotlib inlineimport matplotlib.pyplot as plt
import numpy as np
import pandas as pd
#读取天气数据df = pd.read_csv('data/london2018.csv')
df选择Month作为横坐标，Tmax作为纵坐标，绘图。
大家注意下面两种写法
#写法df.plot(x='Month', y='Tmax')plt.show()
横坐标轴参数x传入的是df中的列名Month
纵坐标轴参数y传入的是df中的列名Tmax
上面的图就是折线图，折线图画法有三种
df.plot(x='Month', y='Tmax')
df.plot(x='Month', y='Tmax', kind='line')
df.plot.line(x='Month', y='Tmax')
df.plot.line(x='Month', y='Tmax') plt.show()
#grid绘制格线 df.plot(x='Month', y='Tmax', kind='line', grid=True) plt.show()
上面的折线图中只有一条线， 如何将多个y绘制到一个图中
比如Tmax， Tmin
df.plot(x='Month', y=['Tmax', 'Tmin']) plt.show()
df.plot(x='Month', y='Rain', kind='bar') #同样还可以这样画#df.plot.bar(x='Month', y='Rain') plt.show()
bar换为barh，就可以将条形图变为水平条形图
df.plot(x='Month', y='Rain', kind='barh') #同样还可以这样画#df.plot.bar(x='Month', y='Rain') plt.show()
多个变量的条形图
df.plot(kind='bar', x = 'Month', y=['Tmax', 'Tmin']) plt.show()
df.plot(kind='scatter', x = 'Month', y = 'Sun') plt.show()
df.plot(kind='pie', y='Sun') plt.show()
上图绘制有两个小问题:
legend图例不应该显示
月份的显示用数字不太正规
df.index = ['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','Dec'] df.plot(kind='pie', y = 'Sun', legend=False) plt.show()
一开头的数据只有12条记录(12个月)的数据，现在我们用更大的伦敦天气数据
import pandas as pd
df2 = pd.read_csv('data/londonweather.csv')
df2.head()
df2.Rain.describe()
count 748.000000 mean 50.408957 std 29.721493 min 0.30000025 % 27.80000050% 46.10000075% 68.800000max 174.800000Name: Rain, dtype: float64
上面一共有748条记录, 即62年的记录。
df2.plot.box(y='Rain') #df2.plot(y='Rain', kind='box') plt.show()
df2.plot(y='Rain', kind='hist') #df2.plot.hist(y='Rain') plt.show()
纵坐标的刻度可以通过bins设置
df2.plot(y='Rain', kind='hist', bins=[0,25,50,75,100,125,150,175, 200]) #df2.plot.hist(y='Rain') plt.show()
df.plot(kind='line', y=['Tmax', 'Tmin', 'Rain', 'Sun'], #4个变量可视化 subplots=True, #多子图并存 layout=(2, 2), #子图排列2行2列 figsize=(20, 10)) #图布的尺寸 plt.show()
df.plot(kind='bar', y=['Tmax', 'Tmin', 'Rain', 'Sun'], #4个变量可视化 subplots=True, #多子图并存 layout=(2, 2), #子图排列2行2列 figsize=(20, 10)) #图布的尺寸 plt.show()
给可视化起个标题
df.plot(kind='bar', y=['Tmax', 'Tmin'], #2个变量可视化 subplots=True, #多子图并存 layout=(1, 2), #子图排列1行2列 figsize=(20, 5),#图布的尺寸 title='The Weather of London') #标题 plt.show()
可视化的结果可以存储为图片文件
df.plot(kind='pie', y='Rain', legend=False, figsize=(10, 5), title='Pie of Weather in London')
plt.savefig('img/pie.png')
plt.show()df.plot(x, y, kind, figsize, title, grid, legend, style)
x 只有dataframe对象时，x可用。横坐标
y 同上，纵坐标变量
kind 可视化图的种类，如line,hist, bar, barh, pie, kde, scatter
figsize 画布尺寸
title 标题
grid 是否显示格子线条
legend 是否显示图例
style 图的风格
查看plot参数可以使用help
import pandas as pd help(pd.DataFrame.plot)
看完了这篇文章，相信你对“Python中pandas数据分析库如何实现数据可视化”有了一定的了解，如果想了解更多相关知识，欢迎关注亿速云行业资讯频道，感谢各位的阅读！
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
