数据可视化干货：使用pandas和seaborn制作炫酷图表（附代码）.docxVIP

数据可视化干货：使用pandas和seaborn制造炫酷图表（附代码） Wes McKinney Python爬虫与数据挖掘 2021-05-16 点击上方“Python爬虫与数据挖掘”，进行关注 回复“书籍”即可获赠Python从入门到进阶共10本电子书 今 日 鸡 汤 吾日三省吾身：为人谋而不忠乎？与伴侣交而不信乎？传不习乎？ 导读：我们引见过用matplotlib制造图表的一些tips，感爱好的同学可以戳→ 纯干货：手把手教你用Python做数据可视化（附代码）。matplotlib是一个相当底层的工具。你可以从其基本组件中组装一个图表：数据显示(即绘图的类型：线、条、框、散点图、轮廓等)、图例、标题、刻度标记和其他注释。 在pandas中，我们可能有多个数据列，并且带有行和列的标签。pandas本身有很多内建方法可以简化从DataFrame和Series对象生成可视化的过程。另一个是seaborn，它是由Michael Waskom创建的统计图形库。seaborn简化了很多常用可视化类型的生成。 导入seaborn会修改默认的matplotlib配色方案和绘图样式，这会提高图表的可读性和美观性。即便你不适用seaborn的API，你可能更宠爱导入seaborn来为通用matplotlib图表供应更好的视觉美观度。 作者：Wes McKinney 本文摘编自《利用Python进行数据分析》（原书第2版），如需转载请联系我们 01 折线图 Series和DataFrame都有一个plot属性，用于绘制基本的图型。默认情况下，plot()绘制的是折线图(见图9-13)： In?[60]:?s?=?pd.Series(np.random.randn(10).cumsum(),?index=np.arange(0,?100,?10)) In?[61]:?s.plot() ▲图9-13 简约序列图形 Series对象的索引传入matplotlib作为绘图的x轴，你可以通过传入use_index=False来禁用这个功能。x轴的刻度和范围可以通过xticks和xlim选项进行调整，相应地y轴使用yticks和ylim进行调整。表9-3是plot的全部选项列表。本节我会引见这些选项中的一些，其余你可以自行探究。 大部分pandas的绘图方法，接收可选的ax参数，该参数可以是一个matplotlib子图对象。这使你可以更为机警的在网格规划中放置子图。 DataFrame的plot方法在同一个子图中将每一列绘制为不同的折线，并自动生成图例(见图9-14)： In?[62]:?df?=?pd.DataFrame(np.random.randn(10,?4).cumsum(0), :?columns=[A,?B,?C,?D], :?index=np.arange(0,?100,?10)) In?[63]:?df.plot() ▲图9-14 简约DataFrame绘图 plot属性包含了不同绘图类型的方法族。例如，df.plot( )等价于df.plot.line( )。我们之后将会探究这些方法中的一部分。 要绘制的其他关键字参数会传递到相应的matplotlib绘图函数，因而你可以通过了解更多的matplotlib的 API信息来进一步定制这些图表。 参数 描述 label 图例标签 ax 绘图所用的matplotlib子图对象；假如没传值，则使用当前活动的matplotlib子图 style 传给matplotlib的样式字符串，比如ko-- alpha 图片不透亮?????度(从0到1) kind 可以是 area、 bar、 barh、 density、hist、 kde、 line、 pie logy 在y轴上使用对数缩放 use_index 使用对象索引刻度标签 rot 刻度标签的旋转(0到360) xticks 用于x轴刻度的值 yticks 用于y轴 xlim x轴范围(例如[0,10]) ylim y轴范围 grid 呈现轴网格(默认是打开的) ▲表9-3 Series.plot方法参数 DataFrame拥有多个选项，允许机警地处理列；例如，能否将各列绘制到同一个子图中，或为各列生成独立的子图。参考表9-4了解更多选项。 参数 描述 subplots 将DataFrame的每一列绘制在独立的子图中 sharex 假如subplots=True，则共享相同的x轴、刻度和范围 sharey 假如subplots=True，则共享相同的y轴 figsize 用于生成图片尺寸的元组 title 标题字符串 legend 添加子图图例(默认是True) sort_columns 按字母挨次绘制各列，默认情况下使用已有的列