Python Pandas庫的使用方法是什么

這篇文章主要講解了“Python Pandas庫的使用方法是什么”，文中的講解內(nèi)容簡(jiǎn)單清晰，易于學(xué)習(xí)與理解，下面請(qǐng)大家跟著小編的思路慢慢深入，一起來研究和學(xué)習(xí)“Python Pandas庫的使用方法是什么”吧！

剛接觸Python的新手、小白，可以復(fù)制下面的鏈接去免費(fèi)觀看Python的基礎(chǔ)入門教學(xué)視頻

https://v.douyu.com/author/y6AZ4jn9jwKW

一，可視化概述

在Python中，常見的數(shù)據(jù)可視化庫有3個(gè)：

matplotlib：最常用的庫，可以算作可視化的必備技能庫，比較復(fù)雜，api多，學(xué)起來不太容易。

seaborn：是重構(gòu)于matplotlib基礎(chǔ)上，可以滿足可視化需求，更特殊的需求還是需要學(xué)習(xí)matplotlib。

pyecharts：上面的兩個(gè)庫都是靜態(tài)的可視化庫，而pyecharts有很好的網(wǎng)絡(luò)兼容性，可以做到可視化的動(dòng)態(tài)效果。并且種類也比較豐富。這類這個(gè)圖，就非常厲害：畫圖神器pyecharts-旭日?qǐng)D

Pandas：而今天要講的是Pandas的可視化，Pandas主要作為數(shù)據(jù)分析的庫，雖然沒有上述三個(gè)庫那個(gè)強(qiáng)大，但是勝在方便，在數(shù)據(jù)分析的過程中，只要一行代碼就能實(shí)現(xiàn)。也非常漂亮。

二，直接看案例

熊貓中，有11個(gè)比較常見的圖形可視化，還有幾個(gè)比較進(jìn)階的，我們一個(gè)一個(gè)看看怎么畫的

import pandas as pd
import numpy  as np
df= pd.DataFrame(np.random.rand(10, 4), columns=['A','B','C','D'])

01，柱狀圖-初步

df.plot.bar()

stack = True，畫堆疊柱狀圖

df.plot.bar(stacked=True)

同樣，stacked = True，畫堆疊柱狀圖

df.plot.barh(stacked=True)

df.plot.area(stacked=True,alpha = 0.9)

05，密度圖-density

df.plot.density()

06，直方圖

換個(gè)數(shù)據(jù)集

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=200)

df.plot.hist(stacked=True, bins=20)

df= pd.DataFrame(np.random.rand(1000, 4), columns=['A','B','C','D'])
df.diff().hist(color='k', alpha=0.7, bins=50)

07，箱盒圖

df= pd.DataFrame(np.random.rand(100, 4), columns=['A','B','C','D'])
df.plot.box()

08，散點(diǎn)圖

df.plot.scatter(x='A',y='B')

09，蜂巢圖

df = pd.DataFrame(np.random.randn(1000, 2), columns=['a', 'b'])
df['b'] = df['b'] + np.arange(1000)
df.plot.hexbin(x='a', y='b', gridsize=25)

07，餅圖

series = pd.Series(3 * np.random.rand(4), index=['a', 'b', 'c', 'd'], name='series')
series.plot.pie(figsize=(6, 6))

08，矩陣散點(diǎn)圖

                                                                from pandas.plotting import scatter_matrix
df = pd.DataFrame(np.random.randn(1000, 4), columns=['a', 'b', 'c', 'd'])
scatter_matrix(df, alpha=0.2, figsize=(6, 6), diagonal='kde')

09，安德魯斯曲線

data = pd.read_csv('C:/Users/wuzhengxiang/Desktop/iris.csv')
pd.plotting.andrews_curves(data , 'Name')

andrews_curves(data, 'Name', colormap='winter')

10，平行坐標(biāo)圖該圖也是使用自己加載的iris數(shù)據(jù)集

from pandas.plotting import parallel_coordinates
parallel_coordinates(data, 'Name', colormap='gist_rainbow')

11，滯后圖

from pandas.plotting import lag_plot
df= pd.Series(0.1 * np.random.rand(1000) +
        0.9 * np.sin(np.linspace(-99 * np.pi, 99 * np.pi, num=1000)))
lag_plot(df)

12，最大值函數(shù)圖

直接畫圖，預(yù)設(shè)為折線圖

df= pd.DataFrame(np.random.rand(12, 4), columns=['A','B','C','D'])
df.plot()

df.plot(subplots=True,layout=(2, 2), figsize=(15, 8))

df= pd.DataFrame(np.random.rand(1000, 4), columns=['A','B','C','D'])
df.plot()

df.plot(subplots=True,layout=(2, 2), figsize=(15, 8))

13，bootstrap_plot

s = pd.Series(np.random.uniform(size=100))
pd.plotting.bootstrap_plot(s)

三，參數(shù)詳解

1，官方文檔

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.plot.html
https://pandas.pydata.org/pandas-docs/version/0.18.1/visualization.html

2，參數(shù)介紹

DataFrame.plot(x=None, y=None, kind='line', ax=None, subplots=False, 
sharex=None, sharey=False, layout=None, figsize=None, use_index=True, 
title=None, grid=None, legend=True, style=None, logx=False, logy=False, 
loglog=False, xticks=None, yticks=None, xlim=None, ylim=None, rot=None, 
fontsize=None, colormap=None, position=0.5, table=False, yerr=None,
xerr=None, stacked=True/False, sort_columns=False, secondary_y=False, 
mark_right=True, **kwds)

注意：每種繪圖類型都有相對(duì)應(yīng)的方法：df.plot（kind = 'line' ）與df.plot.line（）等價(jià)

x：標(biāo)簽或位置，默認(rèn)為None＃指數(shù)據(jù)列的標(biāo)簽或位置參數(shù)

y：標(biāo)簽，位置或標(biāo)簽列表，位置，默認(rèn)值無

種類：str＃繪圖類型

'line'：線圖（默認(rèn)）＃折線圖

'bar'：垂直條形圖。條形圖。stacked為True時(shí)為堆疊的柱狀圖

'barh'：水平條形圖

'hist'：histogram＃直方圖（數(shù)值頻率分布）

'box'：boxplot＃箱型圖

'kde'：內(nèi)核密度估計(jì)圖＃密度圖，主要對(duì)柱狀圖添加內(nèi)核概率密度線

'密度'：與'kde'相同

'area'：area plot＃與x軸所圍的區(qū)域圖（面積圖）。Stacked= True時(shí)，每列必須全部為正或負(fù)值，stacked = False時(shí)，對(duì)數(shù)據(jù)沒有要求

'pie'：pie plot＃餅圖。數(shù)值必須為正值，需指定Y軸或者subplots = True

'scatter'：散點(diǎn)圖＃散點(diǎn)圖。需指定X軸Y軸

'hexbin'：hexbin圖＃蜂巢圖。需指定X軸Y軸

'hexbin'：hexbin圖＃蜂巢圖。需指定X軸Y軸

ax：matplotlib軸對(duì)象，默認(rèn)值None＃**子圖（axes，也可以理解成坐標(biāo)軸）要在其上進(jìn)行交易的matplotlib子圖對(duì)象。如果沒有設(shè)置，則使用當(dāng)前matplotlib子圖**其中，變量和函數(shù)通過改變figure和axes中的元素（例如：title，label，點(diǎn)和線等等）一起描述figure和axes，也就是在畫布上繪圖。

子圖：布爾值，默認(rèn)為False＃是否對(duì)列分別作子圖

sharex：布爾值，默認(rèn)值為true，如果ax為None False＃如果ax為None，則設(shè)為為True，否則為False

如果subplots = True，則共享x軸并將一些x軸標(biāo)簽設(shè)置為不可見；如果ax為None則默認(rèn)為True，否則為False。請(qǐng)注意，同時(shí)傳遞ax和sharex = True將更改圖形中所有軸的所有x軸標(biāo)簽！

sharey：布爾值，默認(rèn)為False＃如果有子圖，子圖共y軸刻度，標(biāo)簽

如果subplots = True，則共享y軸并將一些y軸標(biāo)簽設(shè)置為不可見

layout：用于子圖的元組（行，列）＃子圖的行列布局

figsize：以英寸為單位的元組（寬度，高度）

use_index：布爾值，默認(rèn)為True

title：字符串＃圖片的標(biāo)題用字符串

地塊標(biāo)題

grid：布爾值，默認(rèn)值None＃圖片是否有網(wǎng)格

legend：False / True /'reverse'＃子圖的圖例（交替為True）

樣式：列表或字典＃對(duì)每列折線圖設(shè)置線的類型

logx：布爾值，默認(rèn)為False。

類型：布爾值，默認(rèn)為False

loglog：布爾值，默認(rèn)為False＃同時(shí)設(shè)置x，y軸刻度是否取對(duì)數(shù)

xticks：sequence＃設(shè)置x軸刻度值，序列形式（某些列表）

yticks：sequence＃設(shè)置y軸刻度，序列形式（幾種列表）

xlim：float / 2-tuple / list＃設(shè)置坐標(biāo)軸的范圍。數(shù)值（變量），列表或元組（區(qū)間范圍）

ylim：浮點(diǎn)數(shù)/ 2元組/列表

rot：int，默認(rèn)值None＃設(shè)置軸標(biāo)簽（軸刻度）的顯示旋轉(zhuǎn)度數(shù)

fontsize：int，默認(rèn)值None＃設(shè)置軸刻度的字體大小

colormap：str或matplotlib colormap對(duì)象，默認(rèn)值為None。

colorbar：布爾值，可選＃柱子顏色

如果為True，則繪制顏色條（僅與“散布”圖和“六邊形”圖有關(guān)）

position：float＃條形圖的對(duì)齊方式，取值范圍[0,1]，即左下端到右上端替換0.5（中間對(duì)齊）

layout：tuple（可選）＃布局。layout=（2，3）兩行三列，layout =（2，-1）兩行自適應(yīng)列數(shù)

例如。df.plot（subplots = True，layout =（2，-1），sharex = False）

table：布爾值，Series或DataFrame，默認(rèn)為False＃圖下添加表。如果為True，則使用DataFrame中的數(shù)據(jù)圖表，并且數(shù)據(jù)將被旋轉(zhuǎn)放置到matplotlib的布局。。

yer：DataFrame，Series，類數(shù)組，dict和str

有關(guān)詳細(xì)信息，請(qǐng)參見使用誤差線繪圖。

xerr：與yerr相同的類型。

堆疊：布爾值，線形圖和條形圖默認(rèn)為False，面積圖為True。如果為True，則創(chuàng)建堆積圖。＃前面有介紹

sort_columns：布爾值，默認(rèn)值為False。

secondary_y：布爾值或序列，默認(rèn)為False＃設(shè)置第二個(gè)y軸（右輔助y軸）

是否在次要y軸上繪制如果是 列表/元組，則在次要y軸上繪制哪些列

mark_right：布爾值，默認(rèn)為True

感謝各位的閱讀，以上就是“Python Pandas庫的使用方法是什么”的內(nèi)容了，經(jīng)過本文的學(xué)習(xí)后，相信大家對(duì)Python Pandas庫的使用方法是什么這一問題有了更深刻的體會(huì)，具體使用情況還需要大家實(shí)踐驗(yàn)證。這里是億速云，小編將為大家推送更多相關(guān)知識(shí)點(diǎn)的文章，歡迎關(guān)注！