《利用Python进行数据分析》 9.2 使用pandas和se

2018-12-03 本文已影响138人 CCC考研

9.2.2 柱状图

1.plot.bar（）和plot.barh（）分别用来绘制垂直和水平的柱状图

2.Series或DataFrame的索引被用作x轴刻度线（bar）或y轴刻度线（barh）（参考图9-15）

图9-15：水平柱状图和垂直柱状图

3.选项color='k'将柱子颜色设置为黑色；alpha将图像的填充设置为部分透明

图9-16 Dataframe柱状图

4.在DataFrame柱状图中（参考图9-16），

（1）每一行中的值分组到并排的柱子中的一组

（2）列名称“Genus”被用作图例标题

5.传递stacked=True来生成堆积柱状图，使得每一行的值堆积在一起

图9-17 DataFrame堆积柱状图

6.使用value_counts:

data.value_counts().plot.bar()可以有效的对Series的值频率进行可视化（参考图9-15以及图9-18）

图9-18 使用value_counts

7.示例：绘制一个堆积柱状图，用于展示每个派对在每天的数据点占比（参考图9-20（1）、9-20（2））

使用read_csv导入文件tips.csv(见图9-19）

图9-19 tips_csv部分文件

图9-20（1）代码示例

图9-20（2）示例每天分规模的派对数量百分比

8.对于在绘图前需要聚合或汇总的数据，使用seaborn会使工作更简单

使用seaborn进行按星期日计算小费百分比（参考图9-21）

图9-21 用错误栏按天数显示小费的百分比

seaborn中的绘图函数使用一个data参数，这个参数可以是pandas的DataFrame。其他的参数则与列名有关。

day列中有多个观测值，柱子的值是tip_pct的平均值。

柱子上画出的黑线代表的是95%的置信区间（置信区间可以通过可选参数进行设置）。注：置信区间：指由样本统计量所构造的总体参数的估计区间

9.seaborn.barplot拥有一个hue选项，允许我们通过一个额外的分类值将数据分离（如图9-22）

图9-22 hue用法

注：seaborn自动改变了图表的美观性：默认的调色板、图背景和网格线条颜色

9.2.3 直方图和密度图

1.直方图：一种条形图，用于给出值频率的离散显示。数据点被分成离散的，均匀间隔的箱，并且绘制每个箱中数据点的数量。

使用Series的plot.hist方法制作小费占总费用百分比的直方图（如图9-23）

图9-23 小费百分比的直方图

2.密度图（KDE图）：一种与直方图相关的图表类型，它通过计算可能产生观测数据的连续概率分布估计而产生。通常的做法是将这种分布近似为“内核”的混合，也就是像正态分布那样简单的分布。

plot.kde使用传统法定混合法估计绘制密度图（见图9-24）：

图9-24 小费百分比密度图

3. distplot方法可以绘制直方图和连续密度估计，通过distplot方法seaborn使直方图和密度图的绘制更为简单。

示例：考虑由两个不同的标准正态分布组成的双峰分布

图9-25 正态混合的标准化直方图与密度估计

9.2.4 散点图或点图

1.点图或散点图可以用于检验两个一维数据序列之间的关系示例：载入文件，选择对数计算对数差（见图9-27）

图9-26 载入文件部分

图9-28 代码计算对数差

注：(1)np.diff(a，n=1，axis=-1) Calculate the n-th discrete difference along the given axis （2）DataFrame.dropna(axis=0,how='any',thresh=None,subset=None,inplace=False) Remove missing values.（3）np.log（） log() 返回 x 的自然对数

使用seaborn的regplot方法，该方法可以绘制散点图，并拟合出一个条线性回归线（见图9-29）