怎么用Python中的Pandas庫(kù)繪制數(shù)據(jù)

pandas是一個(gè)強(qiáng)大的分析結(jié)構(gòu)化數(shù)據(jù)的工具集；它的使用基礎(chǔ)是Numpy（提供高性能的矩陣運(yùn)算）；用于數(shù)據(jù)挖掘和數(shù)據(jù)分析，同時(shí)也提供數(shù)據(jù)清洗功能，Pandas 廣泛應(yīng)用在學(xué)術(shù)、金融、統(tǒng)計(jì)學(xué)等各個(gè)數(shù)據(jù)分析領(lǐng)域。

在本系列中，我們將在每個(gè)庫(kù)中制作相同的多條形柱狀圖，以便我們可以比較它們的工作方式。我們使用的數(shù)據(jù)是 1966 年至 2020 年的英國(guó)大選結(jié)果：

在繼續(xù)之前，請(qǐng)注意你可能需要調(diào)整 Python 環(huán)境來(lái)運(yùn)行此代碼，包括：

1. 運(yùn)行最新版本的 Python（用于 Linux、Mac 和 Windows 的說明）
2. 確認(rèn)你運(yùn)行的是與這些庫(kù)兼容的 Python 版本

數(shù)據(jù)可在線獲得，并可使用 Pandas 導(dǎo)入：

import pandas as pd
df = pd.read_csv('https://anvil.works/blog/img/plotting-in-python/uk-election-results.csv')

現(xiàn)在我們已經(jīng)準(zhǔn)備好了。在本系列文章中，我們已經(jīng)看到了一些令人印象深刻的簡(jiǎn)單 API，但是 Pandas 一定能奪冠。

要在 x 軸上繪制按年份和每個(gè)黨派分組的柱狀圖，我只需要這樣做：

import matplotlib.pyplot as plt
ax = df.plot.bar(x='year')
plt.show()

只有四行，這絕對(duì)是我們?cè)诒鞠盗兄袆?chuàng)建的最棒的多條形柱狀圖。

我以寬格式使用數(shù)據(jù)，這意味著每個(gè)黨派都有一列：

       year  conservative  labour  liberal  others
0       1966           253     364       12       1
1       1970           330     287        6       7
2   Feb 1974           297     301       14      18
..       ...           ...     ...      ...     ...
12      2015           330     232        8      80
13      2017           317     262       12      59
14      2019           365     202       11      72

這意味著 Pandas 會(huì)自動(dòng)知道我希望如何分組，如果我希望進(jìn)行不同的分組，Pandas 可以很容易地重組 DataFrame。

與 Seaborn 一樣，Pandas 的繪圖功能是 Matplotlib 之上的抽象，這就是為什么要調(diào)用 Matplotlib 的 plt.show() 函數(shù)來(lái)實(shí)際生成繪圖的原因。

看起來(lái)是這樣的：

調(diào)整樣式

我們可以通過訪問底層的 Matplotlib 方法輕松地調(diào)整樣式。

首先，我們可以通過將 Matplotlib 顏色表傳遞到繪圖函數(shù)來(lái)為柱狀圖著色：

from matplotlib.colors import ListedColormap
cmap = ListedColormap(['#0343df', '#e50000', '#ffff14', '#929591'])
ax = df.plot.bar(x='year', colormap=cmap)

我們可以使用繪圖函數(shù)的返回值設(shè)置坐標(biāo)軸標(biāo)簽和標(biāo)題，它只是一個(gè) Matplotlib 的 Axis 對(duì)象。

ax.set_xlabel(None)
ax.set_ylabel('Seats')
ax.set_title('UK election results')

這是現(xiàn)在的樣子：

這與上面的 Matplotlib 版本幾乎相同，但是只用了 8 行代碼而不是 16 行！我內(nèi)心的代碼高手非常高興。

抽象必須是可轉(zhuǎn)義的

與 Seaborn 一樣，向下訪問 Matplotlib API 進(jìn)行細(xì)節(jié)調(diào)整的能力確實(shí)很有幫助。這是給出抽象緊急出口使其既強(qiáng)大又簡(jiǎn)單的一個(gè)很好的例子。