作者：小伍哥 

來(lái)源：AI入門(mén)學(xué)習(xí)（公眾號(hào)）

在python中，常見(jiàn)的數(shù)據(jù)可視化庫(kù)有3個(gè)：

matplotlib：最常用的庫(kù)，可以算作可視化的必備技能庫(kù)，比較底層，api多,學(xué)起來(lái)不太容易。

seaborn：是建構(gòu)于matplotlib基礎(chǔ)上，能滿(mǎn)足絕大多數(shù)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(kù)都是靜態(tài)的可視化庫(kù)，而pyecharts有很好的web兼容性，可以做到可視化的動(dòng)態(tài)效果。并且種類(lèi)也比較豐富。比如這個(gè)圖，就非常厲害：畫(huà)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(kù)，雖然沒(méi)有上述三個(gè)庫(kù)那個(gè)強(qiáng)大，但是勝在方便，在數(shù)據(jù)分析的過(guò)程中，只要一行代碼就能實(shí)現(xiàn)。并且圖形也非常漂亮。

看案例

pandas 中，有11個(gè)比較常見(jiàn)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(huà)的

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

01、柱狀圖-縱向

df.plot.bar()

stacked=True，畫(huà)堆疊柱狀圖

df.plot.bar(stacked=True)

02、柱狀圖-橫向

df.plot.barh()

同樣，stacked=True，畫(huà)堆疊柱狀圖

df.plot.barh(stacked=True)

03、面積圖

df.plot.area(alpha = 0.9)

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

04、密度圖-kde

df.plot.kde()

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()

vert=False也可以換成橫向

df.plot.box(vert=False)

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))

series.plot.pie(labels=['AA', 'BB', 'CC', 'DD'], colors=['r', 'g', 'b', 'c'],
                autopct='%.2f', fontsize=20, 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')

——熱門(mén)課程推薦：

想學(xué)習(xí)PYTHON數(shù)據(jù)分析與金融數(shù)字化轉(zhuǎn)型精英訓(xùn)練營(yíng)，您可以點(diǎn)擊>>>“人才轉(zhuǎn)型”了解課程詳情；

想從事業(yè)務(wù)型數(shù)據(jù)分析師，您可以點(diǎn)擊>>>“數(shù)據(jù)分析師”了解課程詳情；

想從事大數(shù)據(jù)分析師，您可以點(diǎn)擊>>>“大數(shù)據(jù)就業(yè)”了解課程詳情；

想成為人工智能工程師，您可以點(diǎn)擊>>>“人工智能就業(yè)”了解課程詳情；

想了解Python數(shù)據(jù)分析，您可以點(diǎn)擊>>>“Python數(shù)據(jù)分析師”了解課程詳情；

想咨詢(xún)互聯(lián)網(wǎng)運(yùn)營(yíng)，你可以點(diǎn)擊>>>“互聯(lián)網(wǎng)運(yùn)營(yíng)就業(yè)班”了解課程詳情； 

想了解更多優(yōu)質(zhì)課程，請(qǐng)點(diǎn)擊>>>