更多图形¶

在线刷题

检查 or 强化 Pandas 数据分析操作？👉在线体验「Pandas进阶修炼300题」

Note

导入与预设¶

虽然在 pandas 中可以直接调用 matplotliab 进行可视化，但是依旧需要进行相关设置，例如字体、精度等。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['Songti SC']
plt.rcParams['axes.unicode_minus']=False

箱线图¶

df5 = pd.DataFrame(np.random.rand(10, 5), columns=["A", "B", "C", "D", "E"])
df5.plot.box(figsize=(8, 6))
plt.show()

箱线图｜修改颜色¶

color = {
    "boxes": "DarkGreen",
    "whiskers": "DarkOrange",
    "medians": "DarkBlue",
    "caps": "Gray",
}


df5.plot.box(color=color, sym="r+", figsize=(8, 6))
plt.show()

箱线图｜水平¶

将上一题的图改为水平格式

df5.plot.box(vert=False,color=color, figsize=(8, 6))
plt.show()

面积图¶

重新生成数据，并使用面积图对 df6 进行可视化

df6 = pd.DataFrame(np.random.rand(10, 4), columns=["a", "b", "c", "d"])
df6.plot.area(alpha = 0.7, figsize=(8, 6))
plt.show()

六边形箱图¶

如果数据太密集而无法单独绘制每个点，则 Hexbin 图可能是散点图的有用替代方案。

重新生成数据 df7，并使用 hexbin 图进行可视化

df7 = pd.DataFrame(np.random.randn(1000, 2), columns=["a", "b"])
df7["b"] = df7["b"] + np.arange(1000)
df7.plot.hexbin(x="a", y="b", gridsize=25, figsize=(8, 6));

密度曲线图¶

重新生成数据 df8 并绘制密度曲线图

df8 = pd.Series(np.random.randn(1000))
df8.plot(kind='kde', figsize=(8, 6))
plt.show()