推荐使用ipython的pylab模式,如果要在ipython notebook中嵌入图片,则还需要指定pylab=inline。


In [54]:
ipython --pylab ##ipython的pylab模式
ipython notebook --pylab=inline ##notebook的inline模式
import pandas as pd

基本画图命令

Pandas通过整合matplotlib的相关功能实现了基于DataFrame的一些作图功能。下面的数据是每年美国男女出生数据:


In [133]:
url_1 = 'http://s3.amazonaws.com/assets.datacamp.com/course/dasi/present.txt'
present = pd.read_table(url, sep=' ')

In [7]:
present.shape


Out[7]:
(63, 3)

In [8]:
present.columns


Out[8]:
Index([u'year', u'boys', u'girls'], dtype='object')

可以看到这个数据集共有63条记录,共有三个字段:Year,boys,girls。为了简化计算将year作为索引。


In [20]:
present_year = present.set_index('year')

plot是画图的最主要方法,Series和DataFrame都有plot方法。

我们可以这样看一下男生出生比例的趋势图:


In [92]:
present_year['boys'].plot()
plt.legend(loc='best')


Out[92]:
<matplotlib.legend.Legend at 0x10b9c7610>

这是Series上的plot方法,通过DataFrame的plot方法,你可以将男生和女生出生数量的趋势图画在一起。


In [36]:
present_year.plot()


Out[36]:
<matplotlib.axes.AxesSubplot at 0x108ce4910>

In [53]:
present_year.girls.plot(color='g')
present_year.boys.plot(color='b')
plt.legend(loc='best')


Out[53]:
<matplotlib.legend.Legend at 0x10999e510>

可以看到DataFrame提供plot方法与在多个Series调用多次plot方法的效果是一致。


In [71]:
present_year[:10].plot(kind='bar')


Out[71]:
<matplotlib.axes.AxesSubplot at 0x10ab31390>

plot默认生成是曲线图,你可以通过kind参数生成其他的图形,可选的值为:line, bar, barh, kde, density, scatter。


In [83]:
present_year[:10].plot(kind='bar')


Out[83]:
<matplotlib.axes.AxesSubplot at 0x10bb35890>

In [84]:
present_year[:10].plot(kind='barh')


Out[84]:
<matplotlib.axes.AxesSubplot at 0x10eb01890>

如果你需要累积的柱状图,则只需要指定stacked=True。


In [85]:
present_year[:10].plot(kind='bar', stacked=True)


Out[85]:
<matplotlib.axes.AxesSubplot at 0x10bbdb3d0>

制作相对的累积柱状图,需要一点小技巧。

首先需要计算每一行的汇总值,可以在DataFrame上直接调用sum方法,参数为1,表示计算行的汇总。默认为0,表示计算列的汇总。


In [119]:
present_year.sum(1)[:5]


Out[119]:
year
1940    2360399
1941    2513427
1942    2808996
1943    2936860
1944    2794800
dtype: int64

有了每一行的汇总值之后,再用每个元素除以对应行的汇总值就可以得出需要的数据。这里可以使用DataFrame的div函数,同样要指定axis的值为0。


In [124]:
present_year.div(present_year.sum(1),axis=0)[:10].plot(kind='barh', stacked=True)


Out[124]:
<matplotlib.axes.AxesSubplot at 0x113223290>

散点图和相关

plot也可以画出散点图。使用kind='scatter', x和y指定x轴和y轴使用的字段。


In [138]:
present_year.plot(x='boys', y='girls', kind='scatter')


Out[138]:
<matplotlib.axes.AxesSubplot at 0x1141c9810>

我们再来载入一下鸢尾花数据。


In [137]:
url_2 = 'https://raw.github.com/pydata/pandas/master/pandas/tests/data/iris.csv'
iris = pd.read_csv(url_2)
iris.head(5)


Out[137]:
SepalLength SepalWidth PetalLength PetalWidth Name
0 5.1 3.5 1.4 0.2 Iris-setosa
1 4.9 3.0 1.4 0.2 Iris-setosa
2 4.7 3.2 1.3 0.2 Iris-setosa
3 4.6 3.1 1.5 0.2 Iris-setosa
4 5.0 3.6 1.4 0.2 Iris-setosa

5 rows × 5 columns


In [141]:
iris.corr()


Out[141]:
SepalLength SepalWidth PetalLength PetalWidth
SepalLength 1.000000 -0.109369 0.871754 0.817954
SepalWidth -0.109369 1.000000 -0.420516 -0.356544
PetalLength 0.871754 -0.420516 1.000000 0.962757
PetalWidth 0.817954 -0.356544 0.962757 1.000000

4 rows × 4 columns


In [143]:
from pandas.tools.plotting import scatter_matrix
scatter_matrix(iris, alpha=0.2, figsize=(6, 6), diagonal='kde')


Out[143]:
array([[<matplotlib.axes.AxesSubplot object at 0x1141e5290>,
        <matplotlib.axes.AxesSubplot object at 0x114313610>,
        <matplotlib.axes.AxesSubplot object at 0x11433fbd0>,
        <matplotlib.axes.AxesSubplot object at 0x114328e10>],
       [<matplotlib.axes.AxesSubplot object at 0x11411f350>,
        <matplotlib.axes.AxesSubplot object at 0x114198690>,
        <matplotlib.axes.AxesSubplot object at 0x114181b90>,
        <matplotlib.axes.AxesSubplot object at 0x11436eb90>],
       [<matplotlib.axes.AxesSubplot object at 0x11438ced0>,
        <matplotlib.axes.AxesSubplot object at 0x114378310>,
        <matplotlib.axes.AxesSubplot object at 0x1143e34d0>,
        <matplotlib.axes.AxesSubplot object at 0x114d0a810>],
       [<matplotlib.axes.AxesSubplot object at 0x1143ecd50>,
        <matplotlib.axes.AxesSubplot object at 0x114d40e90>,
        <matplotlib.axes.AxesSubplot object at 0x114d63210>,
        <matplotlib.axes.AxesSubplot object at 0x114d4a2d0>]], dtype=object)

箱图

DataFrame提供了boxplot方法可以用来画箱图。


In [139]:
iris.boxplot()


Out[139]:
{'boxes': [<matplotlib.lines.Line2D at 0x1141439d0>,
  <matplotlib.lines.Line2D at 0x11416c1d0>,
  <matplotlib.lines.Line2D at 0x1141559d0>,
  <matplotlib.lines.Line2D at 0x11414b210>],
 'caps': [<matplotlib.lines.Line2D at 0x11416af90>,
  <matplotlib.lines.Line2D at 0x1141434d0>,
  <matplotlib.lines.Line2D at 0x114172790>,
  <matplotlib.lines.Line2D at 0x114172c90>,
  <matplotlib.lines.Line2D at 0x114153f90>,
  <matplotlib.lines.Line2D at 0x1141554d0>,
  <matplotlib.lines.Line2D at 0x11414f7d0>,
  <matplotlib.lines.Line2D at 0x11414fcd0>],
 'fliers': [<matplotlib.lines.Line2D at 0x114145410>,
  <matplotlib.lines.Line2D at 0x114145b50>,
  <matplotlib.lines.Line2D at 0x11416cbd0>,
  <matplotlib.lines.Line2D at 0x1141530d0>,
  <matplotlib.lines.Line2D at 0x114151410>,
  <matplotlib.lines.Line2D at 0x114151b90>,
  <matplotlib.lines.Line2D at 0x11414bc10>,
  <matplotlib.lines.Line2D at 0x1141743d0>],
 'medians': [<matplotlib.lines.Line2D at 0x114143ed0>,
  <matplotlib.lines.Line2D at 0x11416c6d0>,
  <matplotlib.lines.Line2D at 0x114155ed0>,
  <matplotlib.lines.Line2D at 0x11414b710>],
 'whiskers': [<matplotlib.lines.Line2D at 0x11416a7d0>,
  <matplotlib.lines.Line2D at 0x11416aa10>,
  <matplotlib.lines.Line2D at 0x114172050>,
  <matplotlib.lines.Line2D at 0x114172290>,
  <matplotlib.lines.Line2D at 0x114153590>,
  <matplotlib.lines.Line2D at 0x114153a90>,
  <matplotlib.lines.Line2D at 0x11414f090>,
  <matplotlib.lines.Line2D at 0x11414f2d0>]}

通过by参数可以计算不同分组情况下,各个字段的箱图。


In [171]:
iris.boxplot(by='Name', figsize=(8, 8))


Out[171]:
array([[<matplotlib.axes.AxesSubplot object at 0x120dd8f50>,
        <matplotlib.axes.AxesSubplot object at 0x1218d3410>],
       [<matplotlib.axes.AxesSubplot object at 0x1218f47d0>,
        <matplotlib.axes.AxesSubplot object at 0x1218de490>]], dtype=object)

直方图和概率密度分布


In [150]:
iris.ix[:,:-1].hist()
iris.plot(kind='kde')


Out[150]:
<matplotlib.axes.AxesSubplot at 0x117263890>

多变量的可视化

Radviz


In [146]:
from pandas.tools.plotting import radviz
radviz(iris, 'Name')


Out[146]:
<matplotlib.axes.AxesSubplot at 0x11412e550>

Andrews Curves


In [173]:
from pandas.tools.plotting import andrews_curves
andrews_curves(iris, 'Name')


Out[173]:
<matplotlib.axes.AxesSubplot at 0x1218e2d50>

Parallel Coordinates


In [174]:
from pandas.tools.plotting import parallel_coordinates
parallel_coordinates(iris, 'Name')


Out[174]:
<matplotlib.axes.AxesSubplot at 0x1224b36d0>