常見的數據可視化庫有:

• matplotlib 是最常見的2維庫，可以算作可視化的必備技能庫，由于matplotlib是比較底層的庫，api很多，代碼學起來不太容易。
• seaborn 是建構于matplotlib基礎上，能滿足絕大多數可視化需求。更特殊的需求還是需要學習matplotlib
• pyecharts 上面的兩個庫都是靜態(tài)的可視化庫，而pyecharts有很好的web兼容性，可以做到可視化的動態(tài)效果。

但是在數據科學中，幾乎都離不開pandas數據分析庫，而pandas可以做

• 數據采集 如何批量采集網頁表格數據?
• 數據讀取 pd.read_csv/pd.read_excel
• 數據清洗(預處理) 理解pandas中的apply和map的作用和異同
• 可視化，兼容matplotlib語法(今天重點)

在本文我們可以學到用pandas做

• 導入數據
• 繪制最簡單的圖plot()
• 多個y的繪制圖
• 折線圖、條形圖、餅形圖和散點圖繪制
• 統(tǒng)計信息繪圖
• 箱型圖
• 軸坐標刻度
• plot()更多精細化參數
• 可視化結果輸出保存

準備工作

如果你之前沒有學過pandas和matpltolib,我們先安裝好這幾個庫

!pip3 install numpy!pip3 install pandas!pip3 install matplotlib 

已經安裝好，現在我們導入這幾個要用到的庫。使用的是倫敦天氣數據，一開始我們只有12個月的小數據作為例子

#jupyter notebook中需要加這行代碼%matplotlib inlineimport  
matplotlib.pyplot as pltimport numpy as npimport pandas as pd#讀取天 
氣數據df = pd.read_csv('data/london2018.csv')df  

plot最簡單的圖

選擇Month作為橫坐標，Tmax作為縱坐標，繪圖。

大家注意下面兩種寫法

#寫法1df.plot(x='Month', y='Tmax')plt.show()  

• 橫坐標軸參數x傳入的是df中的列名Month
• 縱坐標軸參數y傳入的是df中的列名Tmax
• 折線圖

上面的圖就是折線圖，折線圖語法有三種 

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繪制格線df.plot(x='Month', y='Tmax', kind='line',  
grid=True)plt.show()  

多個y值

上面的折線圖中只有一條線， 如何將多個y繪制到一個圖中

比如Tmax， Tmin

df.plot(x='Month', y=['Tmax', 'Tmin'])plt.show()  

條形圖

df.plot(x='Month',        y='Rain',        kind='bar')#同樣還可以這樣 
畫#df.plot.bar(x='Month', y='Rain')plt.show()  

水平條形圖

bar環(huán)衛(wèi)barh，就可以將條形圖變?yōu)樗綏l形圖

df.plot(x='Month',        y='Rain',        kind='barh')#同樣還可以這 
樣畫#df.plot.bar(x='Month', y='Rain')plt.show()  

多個變量的條形圖

df.plot(kind='bar', x = 'Month', y=['Tmax', 'Tmin'])plt.show()  

散點圖

df.plot(kind='scatter', x = 'Month', y = 'Sun')plt.show()  

餅形圖

df.plot(kind='pie', y='Sun')plt.show()  

上圖繪制有兩個小問題:

1. legend圖例不應該顯示
2. 月份的顯示用數字不太正規(guī)

df.index =  
['Jan','Feb','Mar','Apr','May','Jun','Jul','Aug','Sep','Oct','Nov','D 
ec']df.plot(kind='pie', y = 'Sun', legend=False)plt.show()  

更多數據

一開頭的數據只有12條記錄(12個月)的數據，現在我們用更大的倫敦天氣數據

import pandas as pddf2 = pd.read_csv('data/londonweather.csv')df2.head()  

df2.Rain.describe() 
 
count    748.000000mean      50.408957std       29.721493min     
    0.30000025%       27.80000050%       46.10000075%        
68.800000max      174.800000Name: Rain, dtype: float64 

上面一共有748條記錄, 即62年的記錄。

箱型圖

df2.plot.box(y='Rain')#df2.plot(y='Rain', kind='box')plt.show()  

直方圖

df2.plot(y='Rain', kind='hist')#df2.plot.hist(y='Rain')plt.show()  

縱坐標的刻度可以通過bins設置

df2.plot(y='Rain', kind='hist', bins=[0,25,50,75,100,125,150,175,  
200])#df2.plot.hist(y='Rain')plt.show()  

多圖并存

df.plot(kind='line',         y=['Tmax', 'Tmin', 'Rain', 'Sun'], #4個 
變量可視化         subplots=True,   #多子圖并存         layout=(2,  
2),   #子圖排列2行2列         figsize=(20, 10)) #圖布的尺寸plt.show()  

df.plot(kind='bar',         y=['Tmax', 'Tmin', 'Rain', 'Sun'], #4個變 
量可視化         subplots=True,   #多子圖并存         layout=(2, 2), 
   #子圖排列2行2列         figsize=(20, 10)) #圖布的尺寸plt.show()  

加標題

給可視化起個標題

df.plot(kind='bar',         y=['Tmax', 'Tmin'], #2個變量可視化     
     subplots=True,   #多子圖并存         layout=(1, 2),   #子圖排列1 
行2列         figsize=(20, 5),#圖布的尺寸         title='The Weather  
of London')  #標題plt.show()  

保存結果

可視化的結果可以存儲為圖片文件

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更多參數

df.plot(x, y, kind, figsize, title, grid, legend, style)

• x 只有dataframe對象時，x可用。橫坐標
• y 同上，縱坐標變量
• kind 可視化圖的種類，如line,hist, bar, barh, pie, kde, scatter
• figsize 畫布尺寸
• title 標題
• grid 是否顯示格子線條
• legend 是否顯示圖例
• style 圖的風格
• 查看plot參數可以使用help

import pandas as pdhelp(pd.DataFrame.plot)