回復(fù)“資源”即可獲贈(zèng)Python學(xué)習(xí)資料
對(duì)于從網(wǎng)頁(yè)上爬取下來(lái)的數(shù)據(jù)很多很雜亂，我們需要進(jìn)行數(shù)據(jù)可視化，pandas除了數(shù)據(jù)處理還可以進(jìn)行數(shù)據(jù)可視化展示，這里我們簡(jiǎn)單說(shuō)明一下pandas繪制常見(jiàn)圖形的一些API：由于現(xiàn)在針對(duì)數(shù)據(jù)可視化有很多庫(kù)，matplotlib、seaborn、pyecharts等等，使用pandas繪圖其實(shí)并不多，這里做一個(gè)簡(jiǎn)單展示。
目錄:
柱狀圖
餅圖
折線(xiàn)圖
散點(diǎn)圖
直方圖
首先我們打開(kāi)excel數(shù)據(jù)文件，如下圖所示：
Field:專(zhuān)業(yè)；Number：對(duì)應(yīng)專(zhuān)業(yè)學(xué)生數(shù)量，根據(jù)兩列數(shù)據(jù)繪制簡(jiǎn)單柱圖：
import pandas as pd
import matplotlib.pyplot as plt
data = pd.read_excel('Students.xlsx')
# pd繪圖
data.sort_values(by='Number',inplace=True,ascending=False)
data.plot.bar(x='Field',y='Number',title='National Students Field')
plt.tight_layout()
plt.show()
解釋說(shuō)明：
結(jié)果如下所示:
首先我們還是查看數(shù)據(jù)文件:students02.xlsx
給出了2016、2017兩年的學(xué)生數(shù)量,由此考慮繪制分組柱狀圖:
import pandas as pd
import matplotlib.pyplot as plt
data = pd.read_excel('Students02.xlsx')
data.sort_values(by='2017',inplace=True,ascending=False)
data.plot.bar(x='Field',y=['2016','2017'],color=['red','orange'])
plt.title('National Students Number',fontsize=16,fontweight='bold')
plt.xlabel('Field',fontweight='bold')
plt.ylabel('Number',fontweight='bold')
# x軸刻度偏轉(zhuǎn)
ax = plt.gca()
ax.set_xticklabels(data['Field'],rotation=45,ha='right')
print(data)
f = plt.gcf()
f.subplots_adjust(left=0.2,bottom=0.4)
# plt.tight_layout()
plt.show()
解釋說(shuō)明:
結(jié)果如下:
有的時(shí)候可能不只有兩組數(shù)據(jù)，要觀察多組數(shù)據(jù)的數(shù)量占比,可以采用疊加柱圖:
import matplotlib.pyplot as plt
import pandas as pd
data = pd.read_excel('./excel文件/Users.xlsx') # 這里數(shù)據(jù)文件就不再展示
data['total'] = data['Oct'] + data['Nov'] + data['Dec']
data.sort_values(by='total',inplace=True,ascending=False)
# data.plot.bar(x='Name',y=['Oct','Nov','Dec'],stacked=True,title='Users Behavior') 豎直
data.plot.barh(x='Name',y=['Oct','Nov','Dec'],stacked=True,title='Users Behavior') #水平 如果需要改變順序,將ascending=true
plt.tight_layout()
plt.show()
結(jié)果如下圖所示:
首先我們先查看一下數(shù)據(jù)文件，如下所示:
給出了2016，2017年來(lái)自不同國(guó)家的學(xué)生數(shù)量排名（rank)；
由此繪制餅圖：
import pandas as pd
import matplotlib.pyplot as plt
plt.figure(figsize=(12,8),dpi=100)
students = pd.read_excel('./bin_Students.xlsx', index_col='From')
students['2017'].plot.pie(fontsize=8,counterclock=False)
plt.title('Source of International Students', fontsize=16, fontweight='bold')
plt.ylabel('2017', fontsize=12, fontweight='bold')
plt.show()
解釋說(shuō)明:
結(jié)果如下圖所示：
由于文件數(shù)據(jù)過(guò)多，這里不做展示；簡(jiǎn)言之就是四個(gè)區(qū)域的不同周期的銷(xiāo)售狀況
繪圖代碼：
import pandas as pd
import matplotlib.pyplot as plt
data = pd.read_excel('./excel文件/Orders.xlsx',index_col='Week')
data.plot.area(y=['Accessories','Bikes','Clothing','Components']) #疊加區(qū)域圖
plt.title('Sale Week Trend',fontsize=14,fontweight='bold')
plt.ylabel('Total',fontsize=10,fontweight='bold')
plt.xticks(data.index,fontsize=5)
plt.show()
結(jié)果如下：
由于后面集中圖形使用較少，這里不再展示數(shù)據(jù)文件，直接上代碼：
import matplotlib.pyplot as plt
import pandas as pd
data = pd.read_excel('./excel文件/home_data.xlsx',index_col='id')
data.plot.scatter(x='sqft_living',y='price') # 房子面積 價(jià)位
plt.show()
結(jié)果如下：
該圖形繪制的是在某地區(qū)房子價(jià)位與房子面積的分布關(guān)系；
import matplotlib.pyplot as plt
import pandas as pd
data = pd.read_excel('./excel文件/home_data.xlsx')
data['sqft_living'].plot.hist(bins=60) # bins 表示柱子的數(shù)量
plt.xticks(range(0,max(data['sqft_living']),500),rotation=90,fontsize=6)
plt.show()
結(jié)果如下：
該圖表示某地區(qū)房子的價(jià)位的分布情況。
以上就是使用pandas結(jié)合matplotlib繪制一些基本常用圖形的例子，當(dāng)然了例子是固定的，圖形是靈活的，我們還是要根據(jù)不同的數(shù)據(jù)表，結(jié)合不同的現(xiàn)實(shí)狀況，繪制不同的圖形達(dá)到我們的目的。
------------------- End -------------------
聯(lián)系客服
