数据可视化三：Pandas中的绘图函数

一、折线图

使用.plot()将Series或者DataFrame对象传给matplotlib用以绘制图像。
Series：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
s = pd.Series(np.random.randn(10).cumsum(), index=np.arange(0, 100, 10)) #index相对于绘制x轴
s.plot(style='bo--')

Series.plot()内部参数有

DataFrame：

df = pd.DataFrame(np.random.randn(10, 4).cumsum(0),
                  columns=['A', 'B', 'C', 'D'],    
                  index=np.arange(0, 100, 10))    #columns相当于图例
df.plot()

DataFrame.plot()内部参数有

二、柱形图

垂直柱形图：.plot.bar
水平条形图：.plot.barh
索引会被用作是X轴刻度(bar)，Y轴刻度(barh)
Series:

fig, axes = plt.subplots(2, 1)
data = pd.Series(np.random.rand(16), index=list('abcdefghijklmnop'))
data.plot.bar(ax=axes[0], color='k', alpha=0.7)
data.plot.barh(ax=axes[1], color='k', alpha=0.7)

DataFrame:
使用stacked=True可以生成堆积条形图或者堆积柱形图

fig, axes = plt.subplots(2, 1)
df = pd.DataFrame(np.random.rand(6, 4),
                  index=['one', 'two', 'three', 'four', 'five', 'six'],
                  columns=pd.Index(['A', 'B', 'C', 'D'], name='Genus'))
df.plot.bar(ax=axes[0])
df.plot.barh(ax=axes[1],stacked=True)  #堆积柱形图

三、直方图和概率密度分布图

直方图：.hist()
概率密度分布图：.plot(kind='kde')

plt.figure()
comp1 = np.random.normal(0, 1, size=200)
comp2 = np.random.normal(10, 2, size=200)
values = pd.Series(np.concatenate([comp1, comp2]))
values.hist(bins=100,alpha=0.3,color='k',normed=True)#normed是否进行归一化
values.plot(kind='kde',style='k--')

四、散点图

plt.scatter()

macro = pd.read_csv('examples/macrodata.csv')
data = macro[['cpi', 'm1', 'tbilrate', 'unemp']]
trans_data = np.log(data).diff().dropna()
trans_data[-5:]

plt.figure()
plt.scatter(trans_data['m1'],trans_data['unemp'])
plt.title('Changes in log %s versus log %s' % ('m1', 'unemp'))

使用pd.scatter_matrix()可以在对角线放置直方图或者密度分布图

pd.scatter_matrix(trans_data, diagonal='kde')