数据分析 ——— pandas可视化（六）

这篇文章咱们进行pandas可视化化的操做, 在这里我只是简单画几个图，表面pandas也是能够用来画图的，后期会在更新matlab等数据可视化的python库的。

1、折线图

# pandas 可视化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()"""输出：
 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、条形图

    利用plot.bar()

# 条形图df.plot.bar()

堆叠的条形图：

设置stacked=True就OK啦

# 堆叠条形图df.plot.bar(stacked=True)

水平条形图：

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

3、直方图

# 直方图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)

每列绘制不一样的直方图：

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、盒图

df.plot.box()

5、区域图

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

6、散点图

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

7、扇形图

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来进行可视化的一些函数，感受图很丑， 不是很推荐使用的哈~_~

精 彩 推 荐

机器学习&深度学习&人工智能资料

python基础资料

数据分析资料

全部爬虫文章的归类

数据分析 ——— pandas基础（三）

数据分析 ——— pandas基础（四）

使用 python 发送邮件

本文分享自微信公众号 - Python爬虫scrapy（python_scrapy）。
若有侵权，请联系 support@oschina.cn 删除。
本文参与“OSC源创计划”，欢迎正在阅读的你也加入，一块儿分享。