相见恨晚,一招搞定数据可视化

  • 相见恨晚,一招搞定数据可视化已关闭评论
  • A+
所属分类:实用软件

数据可视化前面已经写了3篇(小白开始学Python最著名的绘图库,最适合小白学的花色玩Python折线图|画个天气预报,7招用Python画出酷酷的|散点直方图),今天我们来讲懒人专用的可视化图,大部分时候我们分析数据的最后都是pandas类型的数据结构,其实pandas直接可以生成matplotlib图,非常方便一招搞定.

导言:

  • matplotlib虽然非常强大,但是太偏低层和原生态,好比做饭,你需要砍柴,生火,架灶具,最后才是淘米烧饭
  • 能否有一个类似电饭锅这样的库,直接封装了matplotlib里面的库
  • 然后我们只需要把数据放进去,设定几个参数,一副图就出来了,有的就是神器Pandas自带的作图功能

当然后面有空会介绍更高级的神器Tableau,d3

1.Pandas一招作图

我们用一组表格数据,有行有列比如一组学生的数据:

  • 这是一个非常非常典型的二维数据,我们在处理数据的时候经常会用到,聪明的同学会发现,这不是Pandas的最喜欢的DataFrame类型吗,对的就是这样的数据格式
  • 如何可视化呢,如果用以前的方法,需要手动构造x轴和y轴,非常麻烦,有没有简单的方法呢
  • 有的,Pandas对象自带了作图功能,一招搞定,真的是让人相见恨晚
  1. 导入三大神库:pandas,numpy,matplotlib
  2. 构造一个pandas数据对象df,其实表格数据我们经常从CSV里面读进来,所以pandas的对象非常常见
  3. 最精华的来了,直接用df调用plot()函数,一幅漂亮的图就生成了
  • 哇!x轴和y轴刻度,标签全部自动搞定,竟然还有自动加图例
  • 数据部分Height,Age,Score统统搞定,而且还自带颜色
  • 细心的同学的发现,横坐标其实就是index里面的列表里面的值

上面的图虽然很爽,但是有几个小问题:

  • 文字是竖体,看的不舒服
  • X轴,Y轴没有说明,若有说明注释的话可以更爽一点
  • 图例能不能放到左上角,y的刻度能否更细一点
  • 数据部分是安装Age,Height,Score排列的,能不能按照数字大小排序呢
    这些问题统统都更搞定,我们接着看

2.进一步精雕细琢

上面的4问题,虽然是细节,但是一幅好的数据可视乎图,细节决定成败,那么怎么搞定呢,其实很容易,我们看一下

  • 在原来的df上面增加一个columns,其实就是增加了对数据的列的排序显示,让数据从高到低呈现
  • 获取一个df.plot()的对象,这个对象是啥呢,其实就是返回一个matplotlib的axes对象,有了这个对象我们就可以自由的控制子图上的任何东西
  • 用df.legend()设置一下图例,并用loc=2 关键字控制图例的位置
  • 用df.set_yticket()重新设置y的刻度,set_ylable设置y轴的注释,set_title()设置子图的标题

现在看的是不是很爽了,经过上面2步,相信大家对pandas作图应该有所了解,pandas还有一种数据结构Series是大同小异呢,那么好学的小伙伴一定会问,是不是pandas只能画直方图啊,当然不是啦,我们接着看

3.其他类型的图

除了上面的直方图,pandas可以简单就作出折线图,横向直方图,柱状图, 密度图

折线图:
比如我们看一组北京的2016/8和2017/8月份的天气数据

我们只需要把plot里面的kind设为line,就可以轻松画出折线图,marker=v表示有箭头,如果想画横向直方图可以把kind='barh',画散布图kind='kde'

横向直方图:
因为31天的数据横向展示会非常密集,这里作为示例我只取前9天

KDE密度图:

也是把kind设为kde即可.密度图能更好的反应数据内在的集中度,很明显温度集中在28-36度之间

结论:

好,懒人专用的Pandas作图,今天就讲到这里啦,其实还有很多神兵利器可以方便我们作图,比如R语言里面ggplot2可以对几十万,上百万的数据非常方便的分析并且做出可视化图,比如tableau是一款非常火爆的可视化工具,后面有时间我会写一些这方面的内容。

小白学数据分析可视化,我已经写了4篇
这一个小的系列暂时先告一段落
后面还有很多精彩的文章,敬请期待