相见恨晚，一招搞定数据可视化

数据可视化前面已经写了3篇(小白开始学Python最著名的绘图库,最适合小白学的花色玩Python折线图|画个天气预报,7招用Python画出酷酷的|散点直方图)，今天咱们来说懒人专用的可视化图，大部分时候咱们分析数据的最后都是pandas类型的数据结构，其实pandas直接能够生成matplotlib图，很是方便一招搞定.

导言：

• matplotlib虽然很是强大，可是太偏低层和原生态，比如作饭，你须要砍柴，生火，架灶具，最后才是淘米烧饭
• 可否有一个相似电饭锅这样的库，直接封装了matplotlib里面的库
• 而后咱们只须要把数据放进去，设定几个参数，一副图就出来了，有的就是神器Pandas自带的做图功能

固然后面有空会介绍更高级的神器Tableau,d3

1.Pandas一招做图

---

咱们用一组表格数据，有行有列好比一组学生的数据：

• 这是一个很是很是典型的二维数据，咱们在处理数据的时候常常会用到，聪明的同窗会发现，这不是Pandas的最喜欢的DataFrame类型吗，对的就是这样的数据格式
• 如何可视化呢，若是用之前的方法，须要手动构造x轴和y轴，很是麻烦，有没有简单的方法呢
• 有的，Pandas对象自带了做图功能，一招搞定，真的是让人相见恨晚

1. 导入三大神库:pandas,numpy,matplotlib
2. 构造一个pandas数据对象df,其实表格数据咱们常常从CSV里面读进来，因此pandas的对象很是常见
3. 最精华的来了,直接用df调用plot()函数，一幅漂亮的图就生成了

• 哇！x轴和y轴刻度，标签所有自动搞定，居然还有自动加图例
• 数据部分Height,Age,Score通通搞定，并且还自带颜色
• 细心的同窗的发现，横坐标其实就是index里面的列表里面的值

上面的图虽然很爽，可是有几个小问题：

• 文字是竖体，看的不舒服
• X轴，Y轴没有说明，如有说明注释的话能够更爽一点
• 图例能不能放到左上角,y的刻度可否更细一点
• 数据部分是安装Age,Height,Score排列的，能不能按照数字大小排序呢
  这些问题通通都更搞定，咱们接着看

2.进一步精雕细琢

---

上面的4问题，虽然是细节，可是一幅好的数据可视乎图，细节决定成败，那么怎么搞定呢，其实很容易，咱们看一下

• 在原来的df上面增长一个columns,其实就是增长了对数据的列的排序显示,让数据从高到低呈现
• 获取一个df.plot()的对象，这个对象是啥呢，其实就是返回一个matplotlib的axes对象，有了这个对象咱们就能够自由的控制子图上的任何东西
• 用df.legend()设置一下图例,并用loc=2 关键字控制图例的位置
• 用df.set_yticket()从新设置y的刻度,set_ylable设置y轴的注释，set_title()设置子图的标题
  

如今看的是否是很爽了，通过上面2步，相信你们对pandas做图应该有所了解，pandas还有一种数据结构Series是大同小异呢，那么好学的小伙伴必定会问，是否是pandas只能画直方图啊，固然不是啦，咱们接着看

3.其余类型的图

---

除了上面的直方图,pandas能够简单就做出折线图,横向直方图,柱状图, 密度图

折线图:
好比咱们看一组北京的2016/8和2017/8月份的天气数据

咱们只须要把plot里面的kind设为line，就能够轻松画出折线图,marker=v表示有箭头,若是想画横向直方图能够把kind='barh',画散布图kind='kde'

横向直方图：
由于31天的数据横向展现会很是密集，这里做为示例我只取前9天

KDE密度图：

也是把kind设为kde便可.密度图能更好的反应数据内在的集中度，很明显温度集中在28-36度之间

结论：

---

好，懒人专用的Pandas做图，今天就讲到这里啦，其实还有不少神兵利器能够方便咱们做图，好比R语言里面ggplot2能够对几十万，上百万的数据很是方便的分析而且作出可视化图,好比tableau是一款很是火爆的可视化工具,后面有时间我会写一些这方面的内容。

小白学数据分析可视化，我已经写了4篇这一个小的系列暂时先告一段落后面还有不少精彩的文章，敬请期待