pandas可视化：各种图的简单使用

一、Matplotlib中几种图的名字

二、折线图：plot

　　平均值需要先排序后出出图

　　df.avg.value_counts().sort_index().plot()

三、柱形图：bar

　　可先做数据透视，然后生成柱形图

　　df.pivot_table(index='city',columns='education',values='avg',aggfunc='count').plot.bar()

　　如果是要做堆叠柱形图，则可设置bar()的参数

　　df.pivot_table(index='city',columns='education',values='avg',aggfunc='count').plot.bar(stacked=True)　

　　如果是要做成条形图，则可修改bar()方法为bar()

　　df.pivot_table(index='city',columns='education',values='avg',aggfunc='count').plot.barh()

四、直方图：hist

　　df.avg.plot.hist()

　　以“education”字段多维分析，对平均值绘制直方图，

　　alpha：图形透明度；

　　stacked：是否堆叠；

　　bins：密度；

　　df.groupby('education').apply(lambda x:x.avg).unstack().T.plot.hist(alpha=0.5,stacked=True,bins=30)

五、箱线图：box

　　用法一：与“直方图”类似

　　df.groupby('education').apply(lambda x:x.avg).unstack().T.plot.box()

　　用法二：

　　df.boxplot(column='avg',by='education')

六、密度图：kde

　　df.avg.plot.kde()

七、面积图：area

　　一般将数据进行分类（数据透视），

　　df.pivot_table(index='avg',columns='education',values='positonId',aggfunc='count').plot.area()

八、散点图：scatter

　　按公司分类，以平均值为x轴，数量为y轴

　　df.groupby('companyId').aggregate(['mean','count']).avg.plot.scatter(x='mean',y='count')

九、散点图矩阵：scatter_matrix(Pandas的函数)

　　适用于两个以上的参数，两两组合

　　matrix=df.groupby('companyId').aggregate(['mean','count',max]).avg

　　pd.plotting.scatter_matrix(matrix.query('count<50'),diagonal='kde')

　　查询条件：计数小于50

　　diagonal：修改图的类型（kde：密度图）

十、饼图：pie

　　df.city.value_counts().plot.pie(figsize=(6,6))

　　figsize:图的长宽

巴特西